Un equipo de investigadores ha publicado un trabajo en la revista 'Nature' en el que revelan que un programa informático deinteligencia artificial(IA) puede acceder a las anotaciones de los médicos para predecir la información de ingreso del paciente y otros factores importantes de atención sanitaria. La herramienta, que se utiliza actualmente en los hospitales afiliados de la Facultura de Medicina Grossman de la Universidad de Nueva York (NYU), ha sido desarrollada por un grupo de expertos para predecir las probabilidades de que un paciente dado de alta vuelva a ingresar pasado 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.
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
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. 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.
La autora principal del estudio, Lavender Jiang, estudiante de doctorado en el Centro de Ciencia de Datos de la NYU, afirma que sus hallazgos "ponen de relieve el potencial del uso de grandes modelos lingüísticos para orientar a los médicos sobre la atención al paciente. 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.
Cuantos más datos se utilicen para "enseñar" al ordenador a reconocer esos patrones de palabras, más precisas serán sus predicciones con el tiempo
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.
RESULTADOS EXITOSOS CON EL USO DE 'NYUTRON'
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.