{"id":67217,"date":"2026-02-03T09:22:10","date_gmt":"2026-02-03T15:22:10","guid":{"rendered":"https:\/\/saluddigital.com\/?p=67217"},"modified":"2026-02-03T09:29:20","modified_gmt":"2026-02-03T15:29:20","slug":"modelo-de-ia-es-utilizado-para-anticipar-el-alta-hospitalaria","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-ia-es-utilizado-para-anticipar-el-alta-hospitalaria\/","title":{"rendered":"Modelo de IA es utilizado para anticipar el alta hospitalaria"},"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

Esta herramienta basada en modelos de lenguaje mejora la planificaci\u00f3n del cuidado al logra predecir con mayor precisi\u00f3n si un paciente requerir\u00e1 cuidados en una instituci\u00f3n especializada tras su hospitalizaci\u00f3n.<\/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

Investigadores de NYU Langone Health desarrollaron un nuevo enfoque de inteligencia artificial que mejora la predicci\u00f3n temprana de si un paciente hospitalizado ser\u00e1 dado de alta a una instituci\u00f3n de cuidados especializados, como un centro de enfermer\u00eda especializada. El avance, publicado en npj Health Systems<\/em><\/a>, busca facilitar la planificaci\u00f3n del alta m\u00e9dica y optimizar la coordinaci\u00f3n del cuidado desde las primeras horas de hospitalizaci\u00f3n.<\/p>

El equipo parti\u00f3 de un problema conocido en los hospitales, la informaci\u00f3n clave para anticipar el destino del alta suele estar dispersa en notas cl\u00ednicas extensas, como los historiales m\u00e9dicos y exploraciones f\u00edsicas de ingreso. Aunque los modelos de lenguaje han demostrado ser \u00fatiles para analizar este tipo de textos, enfrentan limitaciones pr\u00e1cticas, entre ellas la longitud de los documentos, el ruido informativo y la baja interpretabilidad de sus resultados.<\/p>

Para superar estas barreras, los investigadores dise\u00f1aron un m\u00e9todo denominado Extraction-Based Language Model Classification<\/strong> (ELC). Este enfoque utiliza modelos generativos para extraer primero la informaci\u00f3n relevante de las notas cl\u00ednicas y organizarla en categor\u00edas estructuradas, como estado funcional, apoyo social o lugar de procedencia del paciente. Posteriormente, estos datos se sintetizan en un resumen narrativo breve llamado \u201cAI Risk Snapshot\u201d, que concentra los factores de riesgo m\u00e1s relevantes para la predicci\u00f3n del alta.<\/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

\u201cNuestro enfoque en dos pasos act\u00faa como un lector r\u00e1pido y cuidadoso, convirtiendo una nota m\u00e9dica compleja en un resumen sencillo de lo que m\u00e1s importa para planificar el alta\u201d, afirm\u00f3 el autor principal del estudio, el Dr. Yindalon Aphinyanaphongs, director de ciencia de datos operativos y aprendizaje autom\u00e1tico de NYU Langone.<\/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 analiz\u00f3 de forma retrospectiva a m\u00e1s de 4 mil pacientes hospitalizados en servicios de medicina interna. Los autores compararon el desempe\u00f1o de distintos modelos de lenguaje al predecir si los pacientes ser\u00edan dados de alta a un centro de enfermer\u00eda especializada, utilizando tanto las notas cl\u00ednicas originales como los res\u00famenes generados con ELC. Los resultados mostraron que los modelos que emplearon los AI Risk Snapshots lograron una mayor precisi\u00f3n predictiva, con un desempe\u00f1o destacado del modelo Bio+Clinical BERT, que alcanz\u00f3 un \u00e1rea bajo la curva ROC de 0.85.<\/p>

Adem\u00e1s de mejorar la precisi\u00f3n, el nuevo enfoque redujo de forma dr\u00e1stica la cantidad de texto que los modelos deb\u00edan procesar. Mientras que las notas cl\u00ednicas originales superaban en promedio los 2 mil tokens, los AI Risk Snapshots se limitaron a alrededor de 140, lo que evita problemas t\u00e9cnicos y p\u00e9rdida de informaci\u00f3n. Esta s\u00edntesis tambi\u00e9n permiti\u00f3 que los resultados fueran m\u00e1s comprensibles para el personal cl\u00ednico.<\/p>

Para evaluar la utilidad pr\u00e1ctica del sistema, los investigadores compararon las predicciones del modelo con las valoraciones realizadas por enfermeras gestoras de casos. Aunque el juicio humano mostr\u00f3 una ligera ventaja en los casos donde exist\u00eda una predicci\u00f3n temprana documentada, los AI Risk Snapshots mostraron una alta concordancia con la evaluaci\u00f3n cl\u00ednica, lo que sugiere que el sistema podr\u00eda integrarse como apoyo en la toma de decisiones.<\/p>

Los autores se\u00f1alan que la identificaci\u00f3n temprana de pacientes con alta probabilidad de requerir cuidados especializados puede acelerar la activaci\u00f3n de servicios como trabajo social o fisioterapia, reducir estancias hospitalarias prolongadas y mejorar la experiencia del paciente. Tambi\u00e9n subrayan la necesidad de estudios prospectivos y validaciones externas antes de su implementaci\u00f3n a gran escala.<\/p>

\u201cNuestro siguiente paso es probar este modelo en un entorno cl\u00ednico real para ver si ayuda a nuestros equipos de atenci\u00f3n m\u00e9dica a planificar las altas de forma m\u00e1s eficaz para todos los pacientes\u201d explic\u00f3 el primer autor, el Dr. William R. Small, profesor cl\u00ednico adjunto del Departamento de Medicina. \u201cTambi\u00e9n supervisaremos el sistema para garantizar que sea justo y seguro y que contribuya a mejorar la atenci\u00f3n al paciente\u201d, agreg\u00f3.<\/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

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s44401-025-00059-8<\/a> \u00a0<\/p>

NYU LANGONE<\/strong><\/p>

https:\/\/nyulangone.org\/news\/ai-tool-helps-predict-which-patients-need-continued-care-after-leaving-hospital<\/a><\/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":"

Modelo de IA desarrollado por cient\u00edficos de NYU Langone es utilizado para anticipar el alta hospitalaria. <\/p>","protected":false},"author":1,"featured_media":67219,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-67217","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\/67217","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=67217"}],"version-history":[{"count":5,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/67217\/revisions"}],"predecessor-version":[{"id":67224,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/67217\/revisions\/67224"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/67219"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=67217"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=67217"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=67217"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}