El modelo de mortalidad por cáncer colorrectal de Wuhan Union predice el riesgo, pero no está listo para decisiones a pie de cama
Investigadores del Wuhan Union Hospital desarrollaron un modelo de mortalidad por cáncer colorrectal que predice el riesgo de muerte a 28 días, pero su resultado más sólido procedía de datos retrospectivos de entrenamiento. El sistema no se probó en un ensayo clínico prospectivo, y el estudio subyacente apareció por primera vez en noviembre de 2023. Por tanto, un titular que vuelve a circular en octubre de 2026 no describe ni el lanzamiento de un modelo nuevo ni una validación clínica recién concluida.
El modelo aborda una cuestión difícil para los equipos de cuidados intensivos. Estima la mortalidad a corto plazo entre pacientes con cáncer colorrectal en estado crítico de 60 años o más. Sin embargo, su rendimiento cambió de forma apreciable entre tres grupos de pacientes, incluido un pequeño grupo hospitalario con solo seis muertes.
Esa diferencia genera la tensión central. El aprendizaje automático captó patrones que la regresión logística convencional no detectó, pero la capacidad de discriminación retrospectiva no equivale a una mejor atención al paciente. Las escalas de gravedad existentes, el juicio médico y los objetivos documentados del paciente siguen siendo la comparación práctica.
El estudio aporta evidencia de investigación prometedora. No establece que un algoritmo deba determinar el ingreso en UCI, la intensidad del tratamiento o el acceso a medidas de soporte vital.
Lo que realmente encontró el modelo de mortalidad por cáncer colorrectal de Wuhan Union
El estudio comparó seis métodos de predicción en 969 pacientes históricos, en lugar de desplegar un sistema de IA a pie de cama.
Los investigadores Chunxia Guo, Jun Pan, Shan Tian y Yuanjun Gao realizaron el trabajo a través de Wuhan Union Hospital y Taihe Hospital. Su estudio original apareció en el Journal of International Medical Research el 11 de noviembre de 2023.
La investigación incluyó a 693 pacientes de la eICU Collaborative Research Database. Otros 181 pacientes procedían de MIMIC-IV, mientras que 95 eran de Wuhan Union Hospital.
Todos los participantes tenían al menos 60 años, estaban gravemente enfermos y tenían un diagnóstico de cáncer colorrectal. Los investigadores excluyeron ingresos repetidos en UCI, estancias inferiores a 24 horas y registros a los que les faltaba más del 70 por ciento de los datos.
El equipo utilizó eICU como cohorte de desarrollo. Después evaluó los modelos con datos de MIMIC-IV y Wuhan Union.
Ese diseño importa porque los tres grupos no eran intercambiables. Sus edades, localizaciones de la enfermedad, tratamientos, comorbilidades, escalas de gravedad y mediciones de laboratorio diferían significativamente.
El grupo de eICU tenía una edad media de 75,1 años. MIMIC-IV promedió 74,4 años, mientras que la cohorte de Wuhan Union promedió 66,9 años.
Los tumores de colon representaban el 98 por ciento del grupo de eICU. Los tumores rectales correspondían al 56 por ciento de los pacientes de MIMIC-IV y al 58 por ciento de los pacientes de Wuhan Union.
La ventilación mecánica también varió notablemente. Se registró en el 30 por ciento de los pacientes de eICU, el 33 por ciento de los pacientes de MIMIC-IV y el 64 por ciento del grupo de Wuhan.
Estas diferencias hacen útiles las evaluaciones externas. También muestran cuán distintas pueden ser entre sí las poblaciones hospitalarias.
Los investigadores compararon la regresión logística con cinco enfoques de aprendizaje automático. Estos enfoques fueron un árbol de decisión, un bosque aleatorio, XGBoost, LightGBM y un ensamblado apilado.
Un ensamblado apilado combina predicciones de varios modelos. En este caso, reunió los resultados de bosque aleatorio, XGBoost y LightGBM en un único resultado.
El equipo ajustó la configuración de los modelos mediante validación cruzada de diez pliegues. Evaluó precisión, sensibilidad, puntuación F1 y área bajo la curva de característica operativa del receptor.
El área bajo la curva, o AUC, mide qué tan bien un modelo clasifica a los pacientes de mayor riesgo por encima de los de menor riesgo. Un valor de 0,5 representa una clasificación al nivel del azar, mientras que 1,0 representa una separación perfecta.
El ensamblado alcanzó un AUC de 0,86 en la cohorte de desarrollo eICU. También logró una precisión de 0,90, una sensibilidad de 0,89 y una puntuación F1 de 0,88.
El bosque aleatorio produjo un AUC de 0,83, mientras que LightGBM alcanzó 0,82. XGBoost registró 0,80 y el árbol de decisión llegó a 0,74.
La regresión logística tuvo el peor rendimiento en esa cohorte, con un AUC de 0,68. Esa comparación respalda la afirmación de los autores de que los métodos no lineales extrajeron información predictiva adicional de las variables disponibles.
Sin embargo, el AUC del ensamblado cayó a 0,73 en la evaluación de MIMIC-IV. Alcanzó 0,81 en la cohorte de Wuhan Union.
Estos resultados siguen siendo potencialmente útiles, pero son sustancialmente más débiles que la cifra de entrenamiento destacada en el titular. Además, miden discriminación, no una mayor supervivencia, un triaje más seguro ni una mejor selección de tratamientos.
El estudio contabilizó 93 muertes en un plazo de 28 días entre los 693 pacientes de eICU. MIMIC-IV registró 28 muertes entre 181 pacientes, mientras que Wuhan Union registró seis entre 95 pacientes.
Seis eventos de resultado proporcionan una base limitada para evaluar la fiabilidad. Unos pocos pacientes clasificados de otra manera podrían alterar de forma apreciable el rendimiento comunicado para Wuhan.
Por tanto, el resultado destacado es específico. Los investigadores hallaron que el aprendizaje automático podía clasificar el riesgo de mortalidad en conjuntos de datos históricos mejor que el modelo de regresión logística elegido. No demostraron que el sistema mejorara una decisión clínica o el resultado de un paciente.
Por qué importa el modelo de predicción de mortalidad con IA en cuidados intensivos
Las estimaciones de riesgo a corto plazo pueden organizar la atención clínica, pero se vuelven peligrosas cuando se interpretan como recomendaciones de tratamiento.
Los pacientes con cáncer gravemente enfermos suelen llegar con varios problemas superpuestos. La infección, el fallo orgánico, la toxicidad del tratamiento, el sangrado, la obstrucción y la progresión del cáncer pueden influir en la misma decisión.
Los clínicos deben valorar si el deterioro es reversible. También deben considerar el estado de salud basal, el estado del cáncer, las opciones de tratamiento, las preferencias del paciente y las cargas de los cuidados intensivos.
El modelo de predicción de mortalidad con IA intenta apoyar ese proceso con información disponible durante las primeras 24 horas de un ingreso en UCI. Las entradas incluían datos demográficos, signos vitales, resultados de laboratorio, comorbilidades, tratamientos y escalas de gravedad de la enfermedad.
Este momento otorga a la investigación una posible relevancia clínica. Una predicción entregada después de la decisión crítica ofrecería poco valor práctico.
El modelo también se nutre de datos hospitalarios rutinarios. No requiere secuenciación genómica, imágenes especializadas ni una nueva prueba de laboratorio.
Esa característica podría facilitar una implementación posterior. Los hospitales ya recopilan muchas de las variables en la atención habitual.
Aun así, una puntuación de mortalidad no puede responder si un paciente debe recibir ventilación, vasopresores, cirugía, quimioterapia o atención centrada en el confort. Estima un resultado según patrones históricos de tratamiento.
Esta distinción es fundamental. La predicción describe una asociación estadística, mientras que las decisiones de tratamiento requieren evidencia causal y juicio específico para cada paciente.
Un riesgo previsto alto no demuestra que el tratamiento intensivo sea inútil. Algunos pacientes clasificados como de alto riesgo sobrevivirán, mientras que algunos clasificados como de menor riesgo morirán.
El coste de esos errores no es simétrico. Una falsa tranquilidad podría retrasar la escalada asistencial. Un resultado excesivamente pesimista podría reducir la atención de alguien que podría recuperarse.
El estudio informó de sensibilidad y puntuaciones F1, pero no estableció un umbral operativo clínicamente aceptado. Un umbral determina qué probabilidades previstas activan una alerta o una acción.
Distintos umbrales generan diferentes compensaciones. Reducir el umbral detecta a más pacientes de alto riesgo, pero produce más falsas alarmas.
Elevarlo reduce las alertas, pero deja fuera a más personas que posteriormente mueren. El equilibrio adecuado depende de la decisión prevista, la dotación de personal, los tratamientos disponibles y las consecuencias de un error.
El artículo no definió un flujo de trabajo a pie de cama en el que se hubiera probado ese equilibrio. Tampoco comparó decisiones respaldadas por IA con decisiones tomadas por un equipo clínico independiente.
Por tanto, el uso potencial más claro es la priorización, no el triaje autónomo. Una señal de riesgo podría motivar una reevaluación, una vigilancia más estrecha o una revisión interdisciplinaria.
Incluso entonces, la puntuación necesitaría calibración. La calibración mide si las probabilidades previstas corresponden a los resultados observados, no solo si los pacientes se clasifican correctamente.
Un modelo podría clasificar razonablemente bien a los pacientes y, al mismo tiempo, sobrestimar el riesgo absoluto de todos. Ese error sería importante cuando los clínicos hablan sobre el pronóstico con las familias.
El modelo de mortalidad por cáncer colorrectal de Wuhan Union también se sitúa junto a escalas establecidas de cuidados críticos. El estudio incluyó mediciones de SOFA, OASIS y APS III entre sus entradas.
SOFA resume la disfunción de los principales sistemas orgánicos. OASIS y APS III combinan mediciones fisiológicas para caracterizar la gravedad de la enfermedad aguda.
Dado que esas escalas aportan información al modelo, el algoritmo no es un oponente limpio de la evaluación convencional de gravedad. En parte absorbe esa evaluación y la combina con variables adicionales.
Su competencia real es el proceso actual de toma de decisiones. Ese proceso reúne escalas de gravedad con exploración clínica, antecedentes oncológicos, respuesta al tratamiento, deseos del paciente y consulta entre especialidades.
El estudio no probó si su resultado mejoraba ese proceso. Hasta que exista tal evidencia, el modelo sigue siendo un instrumento de investigación y no un reemplazo clínico.
El mecanismo es conocido, pero los patrones de variables son útiles
El valor del modelo procede de combinar señales clínicas habituales, no de descubrir un nuevo marcador biológico.
Los métodos de aprendizaje automático basados en árboles dividen a los pacientes según combinaciones de características medidas. Pueden captar umbrales e interacciones que un modelo lineal simple podría pasar por alto.
Los bosques aleatorios promedian predicciones de muchos árboles de decisión. XGBoost y LightGBM construyen secuencias de árboles que se concentran en errores previos.
El ensamblado combinó esos tres enfoques. Su resultado de desarrollo más sólido probablemente refleja su capacidad para representar relaciones no lineales entre muchas variables clínicas.
Los investigadores también utilizaron SHAP, un método que estima cómo influyó cada característica en una predicción individual. SHAP no demuestra que una característica haya causado un resultado.
En cambio, muestra cómo el modelo entrenado utilizó esa característica. Esto puede facilitar la inspección de una predicción, aunque no elimina el sesgo de los datos subyacentes.
Las clasificaciones de variables difirieron entre algoritmos. En el bosque aleatorio, el uso de vasopresores, el nitrógeno ureico en sangre y el índice de comorbilidad de Charlson fueron las tres variables principales.
El índice de Charlson resume la carga de enfermedades crónicas graves de un paciente. El nitrógeno ureico en sangre, o BUN, puede reflejar la función renal, la hidratación, la degradación tisular y la gravedad de la enfermedad.
En XGBoost, los vasopresores, la albúmina sérica y el BUN fueron las variables principales. LightGBM situó la albúmina, la hemoglobina y la fosfatasa alcalina en los primeros puestos.
Los vasopresores sostienen la presión arterial durante un fallo circulatorio grave. Su importancia probablemente refleja inestabilidad fisiológica aguda más que un mecanismo específico del cáncer.
La albúmina es una proteína sanguínea afectada por la nutrición, la inflamación, la función hepática y el estado de los líquidos. Una albúmina más baja se asoció con una mayor mortalidad prevista en el estudio.
Los investigadores sugirieron que la nutrición merece atención en estos pacientes. Esa interpretación es razonable como hipótesis clínica, pero el análisis no probó si el tratamiento nutricional reducía la mortalidad.
La albúmina baja puede actuar como un marcador de enfermedad sistémica sin ser una causa directamente corregible. Elevar un valor de laboratorio no revierte necesariamente la afección representada por ese valor.
La misma cautela se aplica al BUN. Una medición elevada puede identificar disfunción renal o estrés fisiológico más amplio, pero reducir el BUN por sí solo no garantiza una mejor supervivencia.
Por eso la explicabilidad no debe confundirse con la causalidad. Una característica puede influir fuertemente en una predicción sin ofrecer un objetivo terapéutico seguro.
El modelo también utilizó variables relacionadas con el tratamiento, incluida la ventilación mecánica y los vasopresores. Tales variables introducen otro desafío interpretativo.
Un tratamiento puede indicar que un paciente ya estaba más grave. También puede afectar los resultados posteriores.
Si un algoritmo aprende de las acciones tomadas después del deterioro, puede reproducir en parte patrones locales de tratamiento. Esos patrones pueden diferir entre hospitales y cambiar con el tiempo.
Esta cuestión importa porque las bases de datos de origen cubren distintos lugares y períodos. La base de datos eICU contiene más de 200.000 ingresos de numerosos hospitales de Estados Unidos durante 2014 y 2015.
MIMIC-IV contiene registros desidentificados de un centro médico académico de Boston. Su base de datos clínica abarca ingresos de 2008 a 2019 en la versión utilizada por los investigadores.
La cohorte de Wuhan Union proporcionó un grupo de evaluación geográficamente distinto. Sin embargo, su pequeño tamaño y sus seis muertes limitan lo que ese resultado puede establecer.
El modelo sí mostró cierta capacidad de generalización. Clasificó el riesgo por encima del azar en conjuntos de datos con poblaciones significativamente diferentes.
Sin embargo, los cambios en el rendimiento son la historia, no una nota al pie incómoda. El conjunto de modelos pasó de un AUC de 0,86 durante el desarrollo a 0,73 en MIMIC-IV.
Ese descenso ilustra un problema común de la IA sanitaria. Un modelo puede aprender relaciones vinculadas a un conjunto de datos, sistema de documentación, cultura de tratamiento o composición de pacientes concretos.
La evaluación externa expone parte de esa dependencia. No elimina la necesidad de pruebas prospectivas en el hospital que planea utilizar el sistema.
Por tanto, el mecanismo es plausible y técnicamente convencional. Su contribución más útil es aportar evidencia de que las variables de UCI recopiladas de forma rutinaria contienen información pronóstica no lineal adicional.
Ese hallazgo justifica más investigación. No justifica presentar el sistema como un producto clínico terminado.
Lo que las cifras no establecen
La mayor incertidumbre no es si el algoritmo puede generar una puntuación, sino si esa puntuación sigue siendo precisa y beneficiosa durante la atención real.
La investigación fue retrospectiva. Cada predicción se evaluó frente a resultados que ya habían ocurrido en registros recopilados previamente.
Los estudios retrospectivos son valiosos para el desarrollo de modelos. También son vulnerables a documentación incompleta, efectos de selección, cambios en las prácticas clínicas y relaciones ocultas entre tratamiento y resultado.
El artículo reconoció varias limitaciones. El grupo de evaluación de Wuhan Union incluyó solo a 95 personas, y los modelos tuvieron una precisión predictiva buena, pero no excelente.
Los investigadores tampoco disponían de variables patológicas. No incluyeron el estadio tumor-nódulo-metástasis, el tamaño del tumor ni el grado tumoral.
Estas omisiones importan porque los resultados a corto plazo pueden reflejar tanto la enfermedad crítica como la carga del cáncer. Las variables disponibles quizá no distingan la insuficiencia orgánica reversible de una enfermedad avanzada con menos opciones de tratamiento.
El modelo se limitó a adultos de 60 años o más. No debe generalizarse a pacientes más jóvenes con cáncer colorrectal sin una evaluación independiente.
Su población también estaba gravemente enferma y ya ingresada en cuidados intensivos. Los hallazgos no establecen el rendimiento en servicios de urgencias, salas de oncología, unidades de recuperación quirúrgica ni entornos ambulatorios.
El grupo de desarrollo estaba compuesto de forma abrumadora por casos de cáncer de colon. El cáncer rectal era mucho más frecuente en los dos grupos de evaluación.
Esa discrepancia ayuda a poner a prueba la capacidad de generalización, pero también genera incertidumbre sobre el rendimiento por subgrupos. El artículo no proporcionó estimaciones de rendimiento suficientemente detalladas para cada localización tumoral, sexo, etnia o grupo de tratamiento.
Los estándares modernos de presentación de informes piden a los desarrolladores examinar estas cuestiones directamente. La guía TRIPOD+AI enfatiza la presentación transparente, la evaluación por subgrupos, la equidad y las prácticas de ciencia abierta.
Esa guía se publicó después del estudio sobre cáncer colorrectal. Ofrece un estándar útil para cualquier trabajo de seguimiento.
Un estudio posterior debería informar la incertidumbre en torno a cada estimación de rendimiento. Valores puntuales como 0,81 o 0,73 pueden parecer más precisos de lo que permite la muestra.
Los intervalos de confianza cobran especial importancia cuando solo ocurrieron seis muertes en una cohorte de evaluación. El rango práctico de rendimiento plausible puede ser amplio.
La calibración también debería informarse en todos los centros y subgrupos clínicamente importantes. Una puntuación que predice una mortalidad del 40 por ciento debería corresponder aproximadamente a esa frecuencia de resultados entre pacientes comparables.
El análisis de curvas de decisión aportaría otra capa. Estima si utilizar el modelo genera un mayor beneficio clínico que tratar a todos o a nadie como pacientes de alto riesgo.
El estudio de 2023 se centró en métricas predictivas. No mostró que actuar según el modelo produzca un beneficio neto con un umbral específico.
La validación prospectiva silenciosa debería ser el siguiente paso. En ese diseño, el sistema genera predicciones durante la atención actual, pero los clínicos no las utilizan.
Los investigadores pueden entonces evaluar la disponibilidad y el momento de los datos, la calibración, los errores por subgrupos y la deriva del rendimiento sin influir en el tratamiento de los pacientes.
Después sería necesaria una evaluación clínica controlada. Debería definir quién ve la puntuación, qué acción recomienda y cómo los clínicos pueden cuestionarla.
El ensayo debería medir más que la precisión predictiva. Los resultados relevantes incluyen la escalada tardía, las intervenciones innecesarias, la comprensión de las familias, la carga de trabajo de los clínicos, la equidad y la supervivencia de los pacientes.
El marco FUTURE-AI identifica la equidad, universalidad, trazabilidad, usabilidad, robustez y explicabilidad como principios centrales de la IA sanitaria. El modelo colorrectal ha abordado solo parte de ese camino.
La explicabilidad mediante SHAP es útil, pero no establece la usabilidad ni la seguridad. Un clínico aún necesita saber cuándo el modelo queda fuera de su población prevista.
La trazabilidad requeriría control de versiones, entradas registradas, cambios documentados del modelo y seguimiento tras el despliegue. La robustez requeriría pruebas cuando las mediciones faltan o se recopilan de forma diferente.
La equidad exige más que incluir múltiples países. Los investigadores deben examinar si las tasas de error difieren entre grupos y si esas diferencias afectan la atención.
Un modelo de mortalidad también conlleva una carga ética inusual. Su resultado puede moldear conversaciones sobre tratamiento invasivo, uso de recursos y planificación del final de la vida.
Eso no vuelve inapropiada la tecnología. Hace que la gobernanza y la supervisión humana sean centrales en el diseño del producto.
Cualquier implementación en Estados Unidos también exigiría una cuidadosa evaluación regulatoria. La guía de soporte a la decisión clínica de la FDA distingue determinadas funciones de apoyo no consideradas dispositivos de software sujetos a supervisión como dispositivos.
La clasificación depende del uso previsto y de si los clínicos pueden revisar de forma independiente la base de una recomendación. Una puntuación de mortalidad vinculada a tratamientos de alto riesgo podría recibir un escrutinio riguroso.
El artículo actual no describe un producto comercial, una solicitud regulatoria, un despliegue hospitalario ni una integración con la historia clínica electrónica. No debe informarse como si esos hitos ya hubieran ocurrido.
Qué vigilar antes de que este modelo llegue a la práctica clínica
Tres señales determinarán si la investigación se convierte en un apoyo útil para la decisión clínica o sigue siendo un resultado retrospectivo alentador.
La primera señal es una evaluación prospectiva y multicéntrica que utilice datos actuales de pacientes. Debe incluir hospitales que no aportaron registros para el desarrollo.
Ese estudio pondría a prueba toda la canalización de datos. Revelaría si las mediciones requeridas llegan a tiempo y conservan definiciones coherentes entre los registros electrónicos.
También debería publicar la calibración y los intervalos de confianza para cada centro. Unos resultados estables reforzarían la afirmación de que el modelo de mortalidad por cáncer colorrectal se generaliza más allá de las bases de datos archivadas.
Un gran descenso del rendimiento debilitaría esa afirmación. Sugeriría que el algoritmo depende de patrones históricos de documentación o tratamiento.
La segunda señal es un flujo de trabajo clínico claramente definido. Los investigadores deben especificar qué ocurre después de que una puntuación supere un umbral.
Un flujo de trabajo útil podría activar una revisión por personal sénior, una consulta de oncología o una conversación estructurada sobre objetivos de atención. La puntuación no debería denegar automáticamente el tratamiento intensivo.
La evaluación debe comparar ese flujo de trabajo con la atención habitual. De lo contrario, una mejora del AUC seguirá desconectada de las decisiones y resultados reales.
Los investigadores deberían medir falsas alarmas, muertes no detectadas, tiempos de respuesta, aceptación por parte de los clínicos y efectos en distintos grupos de pacientes. También deberían registrar cuándo los clínicos anulan el sistema.
Las anulaciones frecuentes podrían mostrar una mala adecuación a la realidad clínica. En cambio, anulaciones selectivas y bien documentadas podrían demostrar una supervisión humana adecuada.
La tercera señal es una documentación y un seguimiento transparentes del modelo. Los desarrolladores deberían publicar información suficiente para una evaluación independiente.
Eso incluye la lista final de variables, las reglas de preprocesamiento, el manejo de datos faltantes, la configuración del modelo, los umbrales, el enfoque de calibración y la población prevista. La disponibilidad del código mejoraría la reproducibilidad.
Los hospitales también necesitarían un plan para la deriva del rendimiento. Los sistemas de laboratorio, las poblaciones de pacientes, las prácticas de codificación y los protocolos de tratamiento cambian.
Un modelo que funciona durante un período puede degradarse de forma silenciosa. Por ello, el seguimiento debería continuar después de cualquier despliegue.
Estas señales importan más que otra comparación retrospectiva de AUC. El campo ya sabe que los modelos basados en árboles pueden extraer patrones no lineales de los datos de cuidados intensivos.
La cuestión sin resolver es si este sistema concreto genera una atención más segura o coherente. Eso requiere datos actuales, una intervención definida y una evaluación basada en resultados.
El modelo de mortalidad por cáncer colorrectal de Wuhan Union merece atención porque probó varios algoritmos en tres cohortes distintas. También hizo que las predicciones individuales fueran más examinables mediante atribución de características.
Sin embargo, el titular circulante de 2026 otorga a la investigación una novedad y una preparación clínica que no se ha ganado. La evidencia subyacente data de 2023 y sigue estando en fase de desarrollo.
Los lectores deberían considerar el AUC comunicado de 0,86 como el inicio de una evaluación, no su conclusión. El resultado externo de 0,73 en MIMIC-IV es al menos igual de importante.
Para los clínicos, la acción inmediata es sencilla. No utilicen el modelo publicado para tomar decisiones individuales de tratamiento sin validación local y gobernanza formal.
Para los sistemas de salud, la siguiente pregunta no debería ser si se puede añadir una puntuación de IA a un panel. Debería ser si una respuesta definida a esa puntuación mejora la atención.
Para los investigadores, la prioridad es la prueba prospectiva multicéntrica con resultados transparentes por subgrupos. Un ensayo clínico debería seguir solo después de que el modelo demuestre un rendimiento estable en tiempo real.
Para los pacientes y sus familias, cualquier estimación algorítmica debe seguir siendo un elemento dentro de una conversación más amplia. El diagnóstico, la reversibilidad, los objetivos de tratamiento y los valores personales no pueden comprimirse en una sola probabilidad.
El modelo ha identificado una línea de investigación creíble. Ahora la carga pasa de la predicción a la evidencia: ¿puede su puntuación respaldar mejores decisiones sin restringir la atención de forma injusta?
