Sistema de IA permite evaluación de calidad de la sepsis en tiempo real y mejora la adherencia

Las revisiones complejas de historias clínicas vinculadas a las medidas nacionales de calidad pueden tardar meses, lo que retrasa los esfuerzos de mejora mientras la sepsis sigue causando una importante morbilidad y mortalidad en los hospitales de Estados Unidos.

Los Centros para el Control y la Prevención de Enfermedades estiman que al menos 1,7 millones de adultos desarrollan sepsis cada año y alrededor de 350.000 mueren. Para ayudar a abordar este desafío, los investigadores han desarrollado un enfoque de inteligencia artificial que acelera la evaluación de la atención de la sepsis y permite retroalimentación dirigida a los médicos.

Investigadores de la Facultad de Medicina de la Universidad de California en San Diego, en colaboración con UC San Diego Health, evaluaron modelos de lenguaje de gran tamaño (LLM) para automatizar la abstracción de historias clínicas en la medición de calidad de sepsis en el departamento de emergencias. El trabajo se centró en el protocolo de manejo temprano de la sepsis grave y el choque séptico (SEP-1) de los Centros de Servicios de Medicare y Medicaid (CMS). Al estructurar e interpretar la documentación clínica en texto libre, el sistema basado en LLM permite evaluar procesos asistenciales complejos casi en tiempo real. El estudio se llevó a cabo con el Joan & Irwin Jacobs Center for Health Innovation de UC San Diego Health.

El sistema reproduce la revisión SEP-1, tradicionalmente manual, que abarca 63 pasos y por lo general requiere meses de trabajo de varios abstractores para solo unos pocos casos. En cambio, el LLM examina cientos de historiales y genera información contextual en cuestión de segundos, a menudo mientras la atención aún está en curso. Después de cada revisión automatizada, se envían notificaciones al liderazgo del departamento de emergencias para su validación y luego se comparten con los equipos tratantes para proporcionar retroalimentación y recomendaciones específicas del caso alineadas con SEP-1.

Según el estudio, publicado en JAMA Network Open el 25 de junio de 2026, este flujo de trabajo mejoró el cumplimiento de las medidas nacionales de calidad para la sepsis en la institución. El equipo también informó mejoras en la eficiencia gracias a la corrección automática de errores y a la reducción de los costos administrativos, con un diseño que puede escalarse en distintos entornos asistenciales. Los investigadores señalaron que los pequeños modelos de lenguaje que preservan la privacidad pueden destilar información accionable a partir de una amplia documentación clínica, integrando las mejores prácticas en la prestación de la atención.

“La medicina puede aprender mucho del atletismo profesional, donde cada jugador conoce sus estadísticas de rendimiento casi de inmediato, y esa retroalimentación cambia la forma en que entrenan y compiten. Rara vez los médicos reciben ese mismo tipo de retroalimentación rápida e individualizada, incluso para afecciones tan dependientes del tiempo como la sepsis. Al medir el desempeño en casi tiempo real, podemos convertir la notificación de calidad de un ejercicio administrativo retrospectivo en algo que realmente ayude a los médicos a mejorar la atención”, dijo Gabriel Wardi, MD, médico de medicina de emergencias y cuidados críticos en UC San Diego Health y jefe de la División de Cuidados Críticos del Departamento de Medicina de Emergencias de la Facultad de Medicina de UC San Diego.

“Al usar IA para evaluar rápidamente las medidas de calidad de la atención de la sepsis, podemos brindar orientación a nuestros equipos asistenciales en el momento más propicio para aprender. A su vez, esto ha resultado en un mejor cumplimiento de las medidas nacionales de calidad para la sepsis y ayuda a nuestros equipos a mejorar de manera constante la atención que brindan a las comunidades a las que tenemos el orgullo de servir cada día”, afirmó Karandeep Singh, MD, director de inteligencia artificial en salud de UC San Diego Health y titular de la Cátedra Joan & Irwin Jacobs en Innovación en Salud Digital de la Facultad de Medicina de UC San Diego.

Enlaces relacionados
UC San Diego