{"id":43573,"date":"2024-01-15T10:08:13","date_gmt":"2024-01-15T16:08:13","guid":{"rendered":"https:\/\/saluddigital.com\/?p=43573"},"modified":"2025-10-18T22:31:32","modified_gmt":"2025-10-19T04:31:32","slug":"ia-generativa-destaca-con-precision-los-determinantes-sociales-de-la-salud-en-notas-medicas","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-generativa-destaca-con-precision-los-determinantes-sociales-de-la-salud-en-notas-medicas\/","title":{"rendered":"IA generativa destaca con precisi\u00f3n los determinantes sociales de la salud en notas m\u00e9dicas\u00a0"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un algoritmo desarrollado por Mass General Brigham aborda la carencia de informaci\u00f3n sobre circunstancias sociales en historias cl\u00ednicas electr\u00f3nicas.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los determinantes sociales de la salud (SDoH, en ingl\u00e9s), son las condiciones en las que las personas nacen, crecen. Viven, trabajan y envejecen. Estos factores abarcan m\u00faltiples aspectos relacionados con el entorno social, econ\u00f3mico y f\u00edsico, adem\u00e1s de los recursos disponibles para las personas. Por ejemplo, un SDoH, es el acceso a la educaci\u00f3n, al empleado a la vivienda, a la nutrici\u00f3n o a la atenci\u00f3n m\u00e9dica de calidad.<\/p>

Los determinantes tienen un impacto muy importante en la salud de las personas y adem\u00e1s contribuyen negativamente a las disparidades de salud. Por ejemplo, en el acceso a servicios de salud especializados en zonas rurales. En este sentido, los SDoH, dejan de lado factores m\u00e9dicos y biol\u00f3gicos individuales y se enfocan en el contexto social y ambiental en el que se desenvuelven las personas.<\/p>

Por otra parte, existe un desaf\u00edo alrededor de los SDoH y su registro. La falta de documentaci\u00f3n sobre las circunstancias sociales de los pacientes en registros m\u00e9dicos electr\u00f3nicos es un problema persistente para los profesionales de la salud, los investigadores e incluso los trabajadores administrativos de centros de salud.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En este sentido, investigadores de Mass General Brigham han desarrollado un algoritmo de inteligencia artificial generativa (IA generativa) que, seg\u00fan un estudio reciente publicado en npj Digital Medicine journal<\/i>, puede extraer informaci\u00f3n sobre SDoH de las notas de los m\u00e9dicos. Estos modelos afinados podr\u00edan mejorar la identificaci\u00f3n de pacientes que podr\u00edan beneficiarse de apoyo adicional.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El estudio detalla que los grandes modelos de lenguaje (LLM, en ingl\u00e9s) pueden ser entrenados para extraer autom\u00e1ticamente informaci\u00f3n sobre SDoH de las notas de los m\u00e9dicos. A trav\u00e9s del modelo desarrollado, los investigadores identificaron el 93.8% de pacientes con SDoH adversos, en comparaci\u00f3n con solo el 2% registrado mediante c\u00f3digos de diagn\u00f3stico oficiales. Adem\u00e1s, el estudio encontr\u00f3 que estos modelos especializados eran menos propensos a sesgos que los modelos generalistas como GPT-4.<\/p>

La Dra. Danielle Bitterman, autora principal del estudio, destaca la relevancia cl\u00ednica de los algoritmos que pueden identificar aspectos sociales relevantes. \u201cNuestro objetivo es identificar a pacientes que podr\u00edan beneficiarse del apoyo social y de trabajo, y llamar la atenci\u00f3n sobre el impacto subdocumentado de los factores sociales en los resultados de salud\u201d, explic\u00f3.<\/p>

Como se mencion\u00f3 anteriormente, los SDoH, como empleo, vivienda y otros aspectos no m\u00e9dicos, est\u00e1n vinculados a disparidades de salud. Sin embargo, los m\u00e9dicos pueden resumir SDoH relevantes en sus notas, esta informaci\u00f3n es clave y no suele organizarse de manera sistem\u00e1tica en los registros de salud electr\u00f3nicos.<\/p>

Por otra parte, la investigaci\u00f3n refleja el potencial transformador de las herramientas de IA en el \u00e1mbito de la salud. Mass General Brigham, ha desarrollado diversos estudios relacionados con el uso de LLMs, IA generativa y otras tecnolog\u00edas emergentes.<\/p>

Finalmente, el estudio detalla que es necesario continuar investigando para comprender y mitigar los sesgos relacionados con el uso de LLM e IA generativa, para poderlos implementar en entornos cl\u00ednicos, especialmente cuando utiliza informaci\u00f3n sensible y personal de los pacientes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

MASS GENERAL BRIGHAM<\/b><\/p>

https:\/\/www.massgeneralbrigham.org\/en\/about\/newsroom\/articles\/generative-artificial-intelligence-models-effectively-highlight-social-determinants-of-health-in-doctors-notes<\/a><\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Un algoritmo desarrollado por Mass General Brigham aborda la carencia de informaci\u00f3n sobre circunstancias sociales en historias cl\u00ednicas electr\u00f3nicas. Los determinantes sociales de la salud (SDoH, en ingl\u00e9s), son las condiciones en las que las personas nacen, crecen. Viven, trabajan y envejecen. Estos factores abarcan m\u00faltiples aspectos relacionados con el entorno social, econ\u00f3mico y f\u00edsico, adem\u00e1s de los recursos disponibles para las personas. Por ejemplo, un SDoH, es el acceso a la educaci\u00f3n, al empleado a la vivienda, a la nutrici\u00f3n o a la atenci\u00f3n m\u00e9dica de calidad. Los determinantes tienen un impacto muy importante en la salud de las personas y adem\u00e1s contribuyen negativamente a las disparidades de salud. Por ejemplo, en el acceso a servicios de salud especializados en zonas rurales. En este sentido, los SDoH, dejan de lado factores m\u00e9dicos y biol\u00f3gicos individuales y se enfocan en el contexto social y ambiental en el que se desenvuelven las personas. Por otra parte, existe un desaf\u00edo alrededor de los SDoH y su registro. La falta de documentaci\u00f3n sobre las circunstancias sociales de los pacientes en registros m\u00e9dicos electr\u00f3nicos es un problema persistente para los profesionales de la salud, los investigadores e incluso los trabajadores administrativos de centros de salud. En este sentido, investigadores de Mass General Brigham han desarrollado un algoritmo de inteligencia artificial generativa (IA generativa) que, seg\u00fan un estudio reciente publicado en npj Digital Medicine, puede extraer informaci\u00f3n sobre SDoH de las notas de los m\u00e9dicos. Estos modelos afinados podr\u00edan mejorar la identificaci\u00f3n de pacientes que podr\u00edan beneficiarse de apoyo adicional. El estudio detalla que los grandes modelos de lenguaje (LLM, en ingl\u00e9s) pueden ser entrenados para extraer autom\u00e1ticamente informaci\u00f3n sobre SDoH de las notas de los m\u00e9dicos. A trav\u00e9s del modelo desarrollado, los investigadores identificaron el 93.8% de pacientes con SDoH adversos, en comparaci\u00f3n con solo el 2% registrado mediante c\u00f3digos de diagn\u00f3stico oficiales. Adem\u00e1s, el estudio encontr\u00f3 que estos modelos especializados eran menos propensos a sesgos que los modelos generalistas como GPT-4. La Dra. Danielle Bitterman, autora principal del estudio, destaca la relevancia cl\u00ednica de los algoritmos que pueden identificar aspectos sociales relevantes. \u201cNuestro objetivo es identificar a pacientes que podr\u00edan beneficiarse del apoyo social y de trabajo, y llamar la atenci\u00f3n sobre el impacto subdocumentado de los factores sociales en los resultados de salud\u201d, explic\u00f3. Como se mencion\u00f3 anteriormente, los SDoH, como empleo, vivienda y otros aspectos no m\u00e9dicos, est\u00e1n vinculados a disparidades de salud. Sin embargo, los m\u00e9dicos pueden resumir SDoH relevantes en sus notas, esta informaci\u00f3n es clave y no suele organizarse de manera sistem\u00e1tica en los registros de salud electr\u00f3nicos. Por otra parte, la investigaci\u00f3n refleja el potencial transformador de las herramientas de IA en el \u00e1mbito de la salud. Mass General Brigham, ha desarrollado diversos estudios relacionados con el uso de LLMs, IA generativa y otras tecnolog\u00edas emergentes. Finalmente, el estudio detalla que es necesario continuar investigando para comprender y mitigar los sesgos relacionados con el uso de LLM e IA generativa, para poderlos implementar en entornos cl\u00ednicos, especialmente cuando utiliza informaci\u00f3n sensible y personal de los pacientes. BIBLIOGRAF\u00cdA MASS GENERAL BRIGHAM https:\/\/www.massgeneralbrigham.org\/en\/about\/newsroom\/articles\/generative-artificial-intelligence-models-effectively-highlight-social-determinants-of-health-in-doctors-notes<\/p>","protected":false},"author":1,"featured_media":43574,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-43573","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/43573","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=43573"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/43573\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/43574"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=43573"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=43573"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=43573"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}