La IA ayuda a priorizar a los pacientes del departamento de emergencias que requieren tratamiento urgente

Esta investigación ha demostrado que la IA puede igualar el desempeño de los médicos a la hora de determinar qué pacientes deben ser atendidos primero.

En este estudio, investigadores de UC San Francisco (San Francisco, CA, EUA) utilizaron datos anonimizados de 251.000 visitas de adultos al departamento de emergencias (SU) para probar la efectividad de un modelo de IA. Esta IA tenía la tarea de extraer e interpretar síntomas de notas clínicas para evaluar la inmediatez de las necesidades de tratamiento de los pacientes. Luego, las evaluaciones de la IA se compararon con el Índice de gravedad de emergencia, una escala del 1 al 5 utilizada por las enfermeras del servicio de urgencias para clasificar a los pacientes que llegan según la urgencia de sus condiciones. La tecnología de IA empleada fue el modelo de lenguaje grande (LLM) ChatGPT-4, al que se accede a través de la plataforma segura de IA generativa de UCSF, equipada con amplias medidas de privacidad. Para evaluar la IA, los investigadores utilizaron un conjunto de 10.000 pares emparejados, con un total de 20.000 pacientes, donde cada par estaba formado por un paciente con una afección grave como un derrame cerebral y otro con un problema menos crítico, como una muñeca rota.

La IA logró identificar al paciente más grave de cada par el 89 % de las veces basándose únicamente en los datos de los síntomas. Una comparación enfocada en un subconjunto más pequeño de 500 pares, que también involucró la evaluación del médico, mostró la precisión de la IA en un 88 %, ligeramente superior al 86 % del médico. La integración de la IA en el proceso de clasificación podría aliviar la carga de los médicos, permitiéndoles concentrarse en el tratamiento de los casos más críticos y proporcionando una herramienta de apoyo para la toma de decisiones a los médicos que manejan múltiples casos urgentes simultáneamente. Este estudio se destaca porque es uno de los pocos que prueba un LLM con datos clínicos del mundo real en lugar de simulaciones y es el primero en utilizar datos de más de 1000 casos clínicos y centrarse en las visitas al departamento de emergencias, donde los pacientes presentan una amplia gama de cuestiones médicas. El estudio se publicó en la revista JAMA Network Open el 7 de mayo de 2024.

“Imagínense dos pacientes que necesitan ser transportados al hospital pero solo hay una ambulancia. O hay un médico de guardia y tres personas la llaman al mismo tiempo, y ella tiene que determinar a quién responder primero”, dijo el autor principal, Christopher Williams. "El próximo trabajo abordará la mejor manera de implementar esta tecnología en un entorno clínico".

Enlaces relacionados:
Universidad de San Francisco