Un ‘médico de IA’ ayuda a los hospitales a predecir las readmisiones

MIÉRCOLES, 7 de junio de 2023 (HealthDay News) -- Unos médicos y ejecutivos de hospitales de la Universidad de Nueva York (NYU) están utilizando un programa computarizado de inteligencia artificial (IA) para predecir si un paciente recién dado de alta estará pronto lo suficientemente enfermo como para ser readmitido.

El programa de IA "NYTron" lee las notas de los médicos para estimar el riesgo de un paciente de morir, la duración potencial de su estadía en el hospital, y otros factores que son importantes para su atención.

Las pruebas mostraron que NYTron podía predecir a cuatro de cada cinco pacientes que requerirían una readmisión al hospital, según un informe que se publicó en la edición en línea del 7 de junio de la revista Nature.

NYTron es lo que sus desarrolladores denominan un "modelo de lenguaje grande", que puede leer y comprender las notas creativas e individualizadas que los médicos con frecuencia toman.

Es una mejora respecto a unos algoritmos computarizados para la atención de la salud anteriores, que requerían que se diera a los datos un formato específico y que se presentaran en tablas organizadas, apuntaron los investigadores.

"Nuestros hallazgos resaltan el potencial de utilizar modelos de lenguaje grande para orientar a los médicos sobre la atención de los pacientes", planteó la investigadora principal, Lavender Jiang, estudiante doctoral del Centro de Ciencias de los Datos de la NYU.

"Programas como NYTron pueden avisar a los proveedores de atención de la salud en tiempo real sobre factores que podrían conducir a una readmisión y otros problemas, de forma que se puedan resolver con rapidez, o incluso evitar", aseguró Jiang en un comunicado de prensa de la universidad.

Jiang y sus colegas entrenaron a NYTron para que escaneara el texto original de expedientes de salud electrónicos, y, a partir de lo que averigua, para hacer unas evaluaciones útiles sobre el estado de salud del paciente.

Los resultados del estudio mostraron que el programa podía predecir las readmisiones alrededor de un 80 por ciento de las veces, lo que fue una mejora de cerca de un 5 por ciento respecto a un programa de computadora estándar que requiere que los datos médicos se reformateen.

Al automatizar las tareas básicas, este tipo de tecnología podría ofrecer más tiempo a los médicos para pasarlo con sus pacientes, anotó Jiang.

Los modelos de lenguaje grande funcionan al predecir la mejor palabra para completar una oración, basándose en las probabilidades de que las personas reales usen ese término en particular en ese contexto.

Mientras más datos se ingresan en una computadora para enseñarle a reconocer estos patrones de palabras, más precisas se vuelven sus elecciones con el tiempo, explicó Jiang.

Los investigadores entrenaron a NYTron usando millones de notas clínicas, recolectadas de los expedientes de salud electrónicos de 336,000 hombres y mujeres, que recibieron atención en el sistema hospitalario Langone de la NYU entre enero de 2011 y mayo de 2020.

Esto resultó en una "nube" de lenguaje de 4.1 mil millones de palabras, que incluía cualquier entada escrita por un médico, por ejemplo los informes de radiología, las notas de progreso del paciente y las instrucciones sobre el alta hospitalaria, señalaron los autores del estudio.

Un punto importante es que las notas clínicas no contenían ningún tipo de lenguaje estandarizado, lo que obligó al programa a aprender a interpretar las abreviaturas y términos exclusivos de un escritor en particular.

En las pruebas, NYTron identificó a un 85 por ciento de las personas que fallecieron en el hospital (una mejora de un 7 por ciento respecto a los métodos estándar), y estimó un 79 por ciento de la duración de la estadía real del paciente (una mejora de un 12 por ciento respecto al modelo estándar), informaron los investigadores.

La herramienta también evaluó de forma exitosa las probabilidades de que un paciente pudiera tener afecciones adicionales además de su enfermedad primaria, además de las probabilidades de que el seguro denegara la cobertura.

"Estos resultados demuestran que los modelos de lenguaje grande podrían hacer que el desarrollo de los 'hospitales inteligentes' sea no solo una posibilidad, sino una realidad", aseguró el investigador sénior, el Dr. Eric Oermann, un neurocirujano. "Dado que NYTron lee información obtenida de forma directa de los expedientes de salud electrónicos, sus modelos predictivos pueden desarrollarse e implementarse rápida y fácilmente en todo el sistema de atención de la salud".

Estudios posteriores podrían explorar la capacidad del modelo de extraer los códigos de facturación, predecir el riesgo de infección, e identificar el orden correcto de los medicamentos, entre otras aplicaciones potenciales, añadió Oermann.

Sin embargo, Oermann enfatizó que NYTron se considera como una herramienta de apoyo para los proveedores de atención de la salud, no como un reemplazo para el juicio de un médico adaptado a un paciente individual.

El estudio fue financiado en parte por los Institutos Nacionales de la Salud de EE. UU.

Más información

El Instituto Brookings ofrece más información sobre los modelos de lenguaje grande.

Artículo por HealthDay, traducido por HolaDoctor.com

FUENTE: NYU Grossman School of Medicine, news release, June 7, 2023