La herramienta ha sido diseñada por un equipo dirigido por investigadores de la Facultad de Medicina Grossman de la Universidad de Nueva York (NYU) y actualmente se utiliza en sus hospitales afiliados para predecir las probabilidades de que un paciente dado de alta pueda volver a ingresar en el plazo de un mes.
Los algoritmos informáticos destinados a mejorar la asistencia sanitaria llevan tiempo siendo estudiados por expertos, y han demostrado hacer valiosas predicciones clínicas, de los que, sin embargo, poco se utilizan porque los ordenadores procesan mejor la información presentada en tablas ordenadas.
Los investigadores reconocen que la engorrosa reorganización de los datos ha sido un obstáculo, pero que un nuevo tipo de IA, los modelos de lenguaje amplio (MLA), pueden aprender del texto sin necesidad de datos especialmente formateados
Así, uno de esos MLA diseñado por el equipo de investigadores, llamado NYUTron, 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 este 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.
Estos hallazgos ponen de relieve el potencial del uso de grandes modelos lingüísticos para orientar a los médicos sobre la atención al paciente, según afirma la autora principal del estudio, Lavender Jiang, quien además señala que programas como NYUTron pueden alertar a los profesionales sanitarios en tiempo real sobre los factores que podrían conducir a la readmisión y otras preocupaciones.
Además, al automatizar las tareas básicas, la tecnología puede acelerar el flujo de trabajo y permitir a los médicos dedicar más tiempo a hablar con sus pacientes. Y es que 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.
Para realizar 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.
De este modo, la nube lingüística, 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 y, como el lenguaje no estaba estandarizado entre los médicos, el programa podía incluso interpretar abreviaturas propias de un escritor concreto.
Los resultados demuestran que NYTron 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 evaluó también 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. Unos resultados que confirman que los grandes modelos lingüísticos hacen que el desarrollo de hospitales inteligentes sea una realidad.
Como añade el profesor adjunto de los Departamentos de Neurocirugía y Radiología de NYU, Langone Health, los 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.
Por último, como señala, NYUTron es una herramienta de apoyo para los profesionales sanitarios, no pretende sustituir la opinión de los profesionales sobre cada paciente.
