Investigadores de la Escuela de Medicina Icahn en Mount Sinai descubren que la IA generativa puede predecir con precisión la necesidad de admisión hospitalaria en pacientes de urgencias.
Un reciente estudio realizado por investigadores de la Escuela de Medicina Icahn en Mount Sinai ha demostrado que la inteligencia artificial (IA) generativa, específicamente el modelo GPT-4, puede predecir con precisión si un paciente en la sala de emergencias necesita ser admitido al hospital. Esto es posible incluso con un entrenamiento mínimo y utilizando un número limitado de registros. Los detalles de la investigación fueron publicados en la Journal of the American Medical Informatics Association.
En este estudio retrospectivo, los investigadores analizaron registros de siete hospitales del Sistema de Salud Mount Sinai. Utilizaron tanto datos estructurados, como signos vitales, y datos no estructurados, como notas de triaje de enfermería, de más de 864 mil visitas a salas de emergencia, excluyendo cualquier dato identificable de los pacientes. De estas visitas, 159,857 (18.5%) resultaron en la admisión del paciente al hospital.
De esta forma, los investigadores compararon el desempeño de GPT-4 con modelos tradicionales de machine learning, como Bio-Clinical-BERT para datos de texto y XGBoost para datos estructurados. Posteriormente, evaluaron su capacidad para predecir las admisiones hospitalarias tanto de manera independiente como combinada con los métodos tradicionales.
El Dr. Eyal Klang, coautor principal del estudio y director del Programa de Investigación de IA Generativa en la División de Medicina Digital y Basada en Datos (D3M) en Icahn Mount Sinai, comentó que el objetivo del estudio era evaluar si la IA generativa podría mejorar la predicción de admisiones en entornos de alto volumen como el Departamento de Emergencias. Klang destacó que GPT-4 sorprendió al adaptarse bien al entorno de urgencias y proporcionar razonamientos claros para sus decisiones, algo que diferencia a esta tecnología de los modelos tradicionales.
“Nuestro objetivo es mejorar la toma de decisiones clínicas a través de esta tecnología. Nos sorprendió lo bien que GPT-4 se adaptó al entorno de urgencias y proporcionó razonamientos para sus decisiones. Esta capacidad de explicar su lógica lo distingue de los modelos tradicionales y abre nuevas vías para la IA en la toma de decisiones médicas”, explicó el Dr. Klang.
Otros modelos de machine learning tradicionales requieren millones de registros para su entrenamiento, mientras que los grandes modelos de lenguaje o LLMs, pueden aprender con pocos ejemplos. Además, estos modelos pueden incorporar predicciones de machine learning tradicional, mejorando su rendimiento.
El Dr. Girish N. Nadkarni, coautor principal del estudio y Profesor de Medicina en Icahn Mount Sinai, señaló que la investigación sugiere que la IA pronto podría apoyar a los médicos en las salas de emergencias, ayudándoles a tomar decisiones rápidas e informadas sobre la admisión de pacientes. Nadkarni enfatizó que, aunque los resultados son prometedores, la tecnología aún actúa como un apoyo y no reemplaza la parte humana del cuidado médico.
El equipo de investigación continúa explorando cómo aplicar los LLM a los sistemas de salud, buscando integrarlos con métodos tradicionales de machine learning para resolver desafíos complejos y tomar decisiones en tiempo real en entornos clínicos.
Por su parte, el Dr. Brendan Carr, coautor del estudio y director ejecutivo del Sistema de Salud Mount Sinai, afirmó que el estudio demuestra cómo los LLMs pueden integrarse en las operaciones de atención médica, subrayando su potencial para proporcionar información valiosa incluso en entornos complejos. Este estudio allana el camino para futuras investigaciones sobre la integración de la IA en diversos aspectos de la atención médica.
