Un estudio pionero en varios hospitales realizado por Mount Sinai Health System revela que la IA puede predecir las admisiones hospitalarias con horas de anticipación, lo que promete una mejor atención al paciente y eficiencia en los departamentos de emergencia.
Un estudio reciente realizado por el Sistema de Salud Mount Sinai revela que la inteligencia artificial puede ayudar a los equipos de urgencias a anticipar mejor qué pacientes necesitarán ingreso hospitalario. El modelo de IA logró esta hazaña horas antes que los métodos actuales, mejorando significativamente la atención al paciente y reduciendo la sobrepoblación y el "internado", una situación en la que los pacientes ingresados permanecen en urgencias por falta de camas disponibles.
Esta investigación pionera, publicado en la revista Mayo Clinic Proceedings: Digital Health, marca una de las evaluaciones más extensas de IA en entornos de emergencia hasta la fecha.
El estudio involucró a más de 500 enfermeras de urgencias en siete hospitales y analizó datos de más de 1 millón de visitas de pacientes para entrenar un modelo de aprendizaje automático.
La saturación y el abarrotamiento de pacientes en urgencias se han convertido en una crisis nacional, que afecta desde los resultados de los pacientes hasta el rendimiento financiero. Industrias como las aerolíneas y los hoteles utilizan las reservas para prever la demanda y planificar. En urgencias, no tenemos reservas. ¿Se imaginan aerolíneas y hoteles sin reservas, previendo y planificando únicamente con base en tendencias históricas? Bienvenidos a la atención médica —declaró en un comunicado de prensa el autor principal, Jonathan Nover, vicepresidente de enfermería y servicios de urgencias del Mount Sinai Health System.
Nuestro objetivo era comprobar si la IA, combinada con la información de nuestro personal de enfermería, podía ayudar a agilizar la planificación de los ingresos, una especie de reserva. Desarrollamos una herramienta para prever las necesidades de ingresos antes de realizar una solicitud, ofreciendo información que podría mejorar significativamente la gestión del flujo de pacientes en los hospitales, lo que se traduciría en mejores resultados.
La investigación evaluó casi 50,000 visitas de pacientes en los hospitales urbanos y suburbanos de Mount Sinai, demostrando que el modelo de IA tuvo un buen rendimiento en estos diversos entornos. Sorprendentemente, la combinación de predicciones humanas y automáticas no mejoró significativamente la precisión, lo que indica que el sistema de IA por sí solo fue un predictor sólido.
“Queríamos diseñar un modelo que no solo funcionara bien en teoría, sino que realmente pudiera respaldar la toma de decisiones en la primera línea de atención”, añadió el coautor principal, Eyal Klang, jefe de IA generativa del Departamento de Inteligencia Artificial y Salud Humana de Windreich, en la Escuela de Medicina Icahn del Monte Sinaí. “Al entrenar el algoritmo con más de un millón de visitas de pacientes, buscamos capturar patrones significativos que pudieran ayudar a anticipar los ingresos hospitalarios con mayor anticipación que con los métodos tradicionales. La fortaleza de este enfoque reside en su capacidad para convertir datos complejos en información oportuna y práctica para los equipos clínicos, permitiéndoles centrarse menos en la logística y más en brindar la atención personalizada y compasiva que solo los humanos pueden brindar”.
Si bien el estudio piloto se limitó a un período de dos meses y dentro de un sistema de salud, el equipo espera que estos hallazgos den lugar a más pruebas clínicas en vivo.
La siguiente fase implica integrar el modelo de IA en flujos de trabajo en tiempo real, monitoreando resultados como tiempos de embarque reducidos, flujo de pacientes mejorado y eficiencia operativa.
Nos animó ver que la IA podía ser independiente para realizar predicciones complejas. Pero, de igual importancia, este estudio destaca el papel vital de nuestro personal de enfermería (más de 500 participaron directamente), demostrando cómo la experiencia humana y el aprendizaje automático pueden trabajar en conjunto para reinventar la atención médica”, añadió Robbie Freeman, coautor principal y director de transformación digital del Sistema de Salud Mount Sinai. “Esta herramienta no pretende reemplazar al personal clínico, sino apoyarlo. Al predecir los ingresos con mayor antelación, podemos dar a los equipos de atención el tiempo necesario para planificar, coordinar y, en última instancia, brindar una atención mejor y más compasiva. Es inspirador ver cómo la IA emerge no como una idea futurista, sino como una solución práctica y real, moldeada por quienes brindan atención médica a diario”.
Fuente: Monte Sinai