Una enfermera militar en cuidados intensivos para un paciente de Covid-19 conectado a un ventilador; una herramienta de inteligencia artificial predictiva pronto podría ayudar a los médicos a comprender mejor la probabilidad de resultados clave para los pacientes.
La IA ha demostrado ser útil en la lectura de imágenes médicas e incluso ha demostrado que puede aprobar los exámenes de licencia de los médicos.
Ahora, una nueva herramienta de inteligencia artificial ha demostrado la capacidad de leer notas médicas y predecir con precisión el riesgo de muerte, readmisión al hospital y otros resultados importantes para su atención de los pacientes.
Diseñado por un equipo de la Escuela de Medicina Grossman de la NYU, el software ahora se usa en hospitales afiliados a universidades en toda la ciudad de Nueva York con la esperanza de convertirse en una parte estándar de la atención médica.
El estudio sobre su valor predictivo fue publicado el miércoles en la revista Naturaleza.
El autor principal, Eric Oermann, neurocirujano e informático de la Universidad de Nueva York, dijo a la AFP que, si bien los modelos predictivos que no son de IA han existido en la medicina durante mucho tiempo, apenas se han utilizado en la práctica porque los datos que necesitan requieren una reorganización y un formateo engorrosos.
Pero “una cosa que es común en la medicina en todo el mundo es que los médicos escriben notas sobre lo que han visto en la clínica, lo que han hablado con los pacientes”, dijo.
“Entonces, nuestra idea principal fue, ¿podemos comenzar con registros médicos como fuente de datos y luego construir modelos predictivos a partir de eso?”
El modelo de lenguaje grande, llamado NYUTron, se entrenó en millones de notas clínicas de los registros médicos de 387 000 personas que recibieron atención en los hospitales NYU Langone entre enero de 2011 y mayo de 2020.
Estos incluyeron cualquier registro realizado por los médicos, como notas de progreso del paciente, informes de radiología e instrucciones de alta, lo que resultó en un corpus de 4.100 millones de palabras.
Uno de los desafíos clave del software fue interpretar el lenguaje natural que escriben los médicos, que varía mucho de persona a persona, incluidas las abreviaturas que eligen.
Al mirar hacia atrás en los registros de lo que sucedió, los investigadores pudieron calcular con qué frecuencia las predicciones del software resultaron ser precisas.
También probaron la herramienta en entornos reales, la entrenaron con datos de un hospital de Manhattan, por ejemplo, y luego vieron cómo funcionaba en un hospital de Brooklyn con diferentes datos demográficos de pacientes.
No reemplaza a las personas.
En general, NYUTron identificó un preocupante 95 por ciento de los que murieron en el hospital antes de ser dados de alta y un 80 por ciento de los pacientes que serían readmitidos dentro de los 30 días.
Superó a la mayoría de los médicos en sus predicciones, así como a los modelos informáticos actuales sin inteligencia artificial.
Pero, para sorpresa del equipo, “el médico más viejo, que en realidad es un médico muy famoso, tenía habilidades sobrehumanas, mejores que el modelo”, dijo Oermann.
“El punto óptimo para la tecnología y la medicina no es que siempre brinde necesariamente resultados sobrehumanos, pero realmente elevará ese punto de referencia”.
NYUTron también calculó correctamente el 79 por ciento de la duración real de la estadía de los pacientes, el 87 por ciento de los casos en los que se les negó el seguro a los pacientes y el 89 por ciento de los casos en los que la condición médica subyacente del paciente estuvo acompañada de condiciones adicionales.
AI nunca reemplazará la relación médico-paciente, dijo Oermann. Más bien, ayudarán a “brindar a los médicos más información en el punto de atención para que puedan tomar decisiones más informadas”.
Más información:
Eric Karl Oermann, Los modelos de lenguaje a escala del sistema de salud son motores predictivos universales, Naturaleza (2023). DOI: 10.1038/s41586-023-06160-y. www.nature.com/articles/s41586-023-06160-y
© 2023 AFP