Un programa informático de
inteligencia artificial (IA) puede leer las anotaciones de los médicos para estimar con precisión el riesgo de muerte de los pacientes, la duración de la estancia hospitalaria y otros factores importantes para la atención, según publican en línea los investigadores en la revista
'Nature'.
Diseñada por un equipo dirigido por investigadores de la
Facultad de Medicina Grossman de la Universidad de Nueva York (NYU), la herramienta se utiliza actualmente en sus hospitales afiliados para predecir las probabilidades de que un paciente dado de alta vuelva a ingresar en el plazo de un mes.
Los expertos llevan tiempo estudiando algoritmos informáticos destinados a mejorar la asistencia sanitaria, y algunos han demostrado hacer valiosas predicciones clínicas. Sin embargo, pocos se utilizan porque los ordenadores procesan mejor la información presentada en tablas ordenadas, mientras que los médicos suelen escribir en un lenguaje creativo e individualizado que refleja la forma de pensar de los seres humanos.
La engorrosa reorganización de los datos ha sido un obstáculo, reconocen los investigadores, pero un nuevo tipo de IA, los modelos de lenguaje amplio (MLA),
pueden 'aprender' del texto sin necesidad de datos especialmente formateados.
MLA llamado 'NYUTron'
El equipo de investigadores
diseñó un MLA llamado 'NYUTron' que puede entrenarse utilizando texto inalterado de historias clínicas electrónicas para realizar valoraciones útiles sobre el estado de salud de los pacientes.
Los resultados revelaron que el programa podía predecir el 80% de los reingresos, lo que supone una mejora de aproximadamente el 5% respecto a un modelo informático estándar sin MLA que requería reformatear los datos médicos.
'Nuestros hallazgos ponen de relieve el potencial del uso de grandes modelos lingüísticos para orientar a los médicos sobre la atención al paciente --afirma la autora principal del estudio, Lavender Jiang, estudiante de doctorado en el Centro de Ciencia de Datos de la NYU--. Programas como 'NYUTron'
pueden alertar a los profesionales sanitarios en tiempo real sobre los factores que podrían conducir a la readmisión y otras preocupaciones para que puedan ser rápidamente abordados o incluso evitados'.
Jiang añade que, al automatizar tareas básicas, la tecnología puede acelerar el flujo de trabajo y permitir a los médicos dedicar más tiempo a hablar con sus pacientes.
Los grandes modelos lingüísticos utilizan algoritmos informáticos especializados para predecir cuál es la mejor palabra para completar una frase basándose en la probabilidad de que personas reales utilicen un término concreto en ese contexto. Cuantos más datos se utilicen para 'enseñar' al ordenador a reconocer esos patrones de palabras, más precisas serán sus predicciones con el tiempo, añade Jiang.
Para su estudio,
los investigadores entrenaron a 'NYUTron' utilizando millones de notas clínicas recogidas de los historiales médicos electrónicos de 336.000 hombres y mujeres que habían recibido atención en el sistema hospitalario de NYU Langone entre enero de 2011 y mayo de 2020.
La 'nube' lingüística resultante, de 4.100 millones de palabras, incluía cualquier registro escrito por un médico, como informes radiológicos, notas de evolución del paciente e instrucciones de alta. En particular, el lenguaje no estaba estandarizado entre los médicos, y el programa podía incluso interpretar abreviaturas propias de un escritor concreto.
Según los resultados, 'NYUTron' identificó al 85% de los fallecidos en el hospital (
una mejora del 7% respecto a los métodos estándar) y estimó la duración real de la estancia de los pacientes en un 79% (una mejora del 12% respecto al modelo estándar). La herramienta también evaluó con éxito la probabilidad de afecciones adicionales que acompañan a una enfermedad primaria (índice de comorbilidad), así como las probabilidades de que el seguro denegara la cobertura.
'Estos resultados demuestran que los grandes modelos lingüísticos hacen que el desarrollo de 'hospitales inteligentes' no sólo sea una posibilidad, sino una realidad --afirma el autor principal del estudio y neurocirujano Eric Oermann--. 'Dado que 'NYUTron' lee información tomada directamente de la historia clínica electrónica,
sus modelos predictivos pueden construirse fácilmente e implantarse con rapidez a través del sistema sanitario'.
Oermann, profesor adjunto de los Departamentos de Neurocirugía y Radiología de NYU Langone Health, añade que futuros estudios podrían explorar la capacidad del modelo para extraer códigos de facturación, predecir el riesgo de infección e identificar la medicación adecuada que se debe pedir, entre otras aplicaciones potenciales.
Advierte de que 'NYUTron' es una herramienta de apoyo para los profesionales sanitarios y no pretende sustituir la opinión de los profesionales sobre cada paciente.
