Investigadores de Stanford Medicine han desarrollado una herramienta de inteligencia artificial capaz de analizar miles de notas médicas en registros electrónicos y detectar tendencias. Este avance es visto por médicos e investigadores como una oportunidad para mejorar la atención sanitaria.
Tradicionalmente, los expertos que buscan respuestas sobre la atención médica deben revisar cientos de registros médicos. Sin embargo, investigaciones recientes indican que los modelos de lenguaje de gran tamaño, herramientas de IA que pueden identificar patrones en el lenguaje escrito complejo, podrían hacerse cargo de esta tarea repetitiva, con hallazgos que podrían tener aplicaciones prácticas. Por ejemplo, estas herramientas podrían monitorizar los registros de los pacientes para detectar interacciones peligrosas entre medicamentos o ayudar a los médicos a identificar pacientes que responderán bien o mal a tratamientos específicos.
Un enfoque innovador para la gestión del TDAH
La herramienta de IA, descrita en un estudio publicado el 19 de diciembre en la revista Pediatrics, fue diseñada para determinar a partir de los registros médicos si los niños diagnosticados con trastorno por déficit de atención e hiperactividad (TDAH) recibieron el seguimiento adecuado tras la prescripción de nuevos medicamentos. «Este modelo nos permite identificar algunas lagunas en la gestión del TDAH», señaló el autor principal del estudio, Yair Bannett, médico y profesor asistente de pediatría.
El equipo de investigación utilizó los conocimientos obtenidos de la herramienta para identificar tácticas que podrían mejorar el seguimiento de los pacientes con TDAH y sus familias. Bannett enfatizó que el potencial de estas herramientas de IA podría aplicarse a muchos aspectos de la atención médica.
Los registros médicos electrónicos contienen información como resultados de análisis o mediciones de presión arterial en un formato fácil de comparar entre muchos pacientes. Sin embargo, alrededor del 80% de la información en cualquier registro médico se encuentra en las notas que los médicos redactan sobre la atención del paciente. Estas notas, aunque útiles para la próxima persona que lea el expediente, son difíciles de analizar en masa debido a su naturaleza libre y desorganizada. Este nuevo estudio exploró si los investigadores podían emplear inteligencia artificial para realizar esta tarea en lugar de una persona.
La investigación se basó en registros médicos de 1,201 niños de entre 6 y 11 años que eran pacientes en 11 prácticas de atención pediátrica dentro de la misma red de salud y que habían recibido al menos una receta para un medicamento contra el TDAH. Dado que estos medicamentos pueden tener efectos secundarios disruptivos, como la supresión del apetito, es crucial que los médicos consulten sobre estos efectos al inicio del tratamiento y ajusten las dosis según sea necesario.
El equipo entrenó un modelo de lenguaje existente para que leyera las notas de los médicos, buscando si se había preguntado a los niños o a sus padres sobre los efectos secundarios en los primeros tres meses de tratamiento. Utilizaron un conjunto de 501 notas que los investigadores revisaron manualmente. Cualquier nota que mencionara la presencia o ausencia de efectos secundarios se contaba como indicativa de que se había realizado un seguimiento.
Una vez que el modelo de lenguaje funcionó adecuadamente, los investigadores lo utilizaron para evaluar rápidamente todas las 15,628 notas en los registros de los pacientes, una tarea que habría llevado más de siete meses de trabajo a tiempo completo sin el apoyo de la IA.
A partir del análisis de la IA, los investigadores descubrieron información que de otro modo no habrían podido detectar. Por ejemplo, la IA identificó que algunas prácticas pediátricas preguntaban frecuentemente sobre los efectos secundarios durante las conversaciones telefónicas con los padres de los pacientes, mientras que otras no lo hacían. «Eso es algo que nunca podrías detectar si no implementaras este modelo en 16,000 notas de la manera en que lo hicimos, porque ningún humano se sentaría a hacer eso», comentó Bannett.
El estudio también reveló que los pediatras realizaban menos preguntas de seguimiento sobre ciertos medicamentos. Los niños con TDAH pueden ser tratados con estimulantes o, menos comúnmente, con medicamentos no estimulantes, como algunos tipos de antidepresivos. Los médicos eran menos propensos a preguntar sobre esta última categoría de medicamentos.
El autor principal señaló que, aunque la IA puede detectar patrones en los registros de los pacientes, no puede explicar por qué existen esos patrones. «Realmente tuvimos que hablar con los pediatras para entender esto», afirmó, señalando que los médicos indicaron tener más experiencia en la gestión de los efectos secundarios de los estimulantes.
Los investigadores advirtieron que la herramienta de IA podría haber pasado por alto algunas consultas sobre los efectos secundarios en su análisis, ya que algunas conversaciones pueden no haberse registrado en los registros médicos electrónicos. Asimismo, algunos pacientes recibieron atención especializada que no fue rastreada en los registros utilizados en este estudio.
A medida que los científicos desarrollan más herramientas de IA para la investigación médica, es esencial considerar en qué tareas son efectivas y cuáles requieren un análisis humano cuidadoso. Según Bannett, algunas tareas, como clasificar miles de registros médicos, son ideales para una herramienta de IA bien entrenada, mientras que otras, como entender las implicaciones éticas del paisaje médico, necesitan reflexión humana.
«Estos modelos de IA se entrenan con datos existentes de atención médica, y sabemos que hay disparidades en la atención médica», advirtió Bannett. Los investigadores deben reflexionar sobre cómo mitigar tales sesgos tanto al construir herramientas de IA como al utilizarlas, y con las precauciones adecuadas, se muestra optimista sobre el potencial de la IA para ayudar a los médicos a realizar mejor su trabajo.
