Investigadores del Monte Sinaí presentan InfEHR, un sistema de IA que vincula eventos médicos no relacionados en historiales médicos electrónicos, mejorando la precisión diagnóstica y descubriendo patrones de salud ocultos. Este avance promete avances significativos en la medicina personalizada y la atención al paciente.
Un avance en inteligencia artificial podría revolucionar pronto la forma en que los médicos diagnostican enfermedades. Investigadores de la Escuela de Medicina Icahn del Monte Sinaí y sus colaboradores han desarrollado InfEHR, un sistema de IA que conecta eventos médicos dispares a lo largo del tiempo. Esta innovadora tecnología es capaz de revelar patrones ocultos en los historiales clínicos electrónicos (HCE), transformando millones de datos fragmentados en información diagnóstica práctica.
El estudio, publicado El 26 de septiembre, en Nature Communications, se destaca la capacidad de InfEHR para personalizar los diagnósticos. En lugar de seguir un proceso de diagnóstico genérico, InfEHR personaliza su análisis para cada paciente mediante la creación de una red a partir de eventos médicos individuales.
Este enfoque permite que la IA no solo proporcione respuestas personalizadas sino que también plantee preguntas personalizadas, mejorando significativamente el proceso de diagnóstico.
“Nos intrigó la frecuencia con la que el sistema redescubría patrones que los médicos sospechaban, pero que no podían abordar porque la evidencia no estaba completamente establecida”, declaró en un comunicado de prensa el autor principal correspondiente Girish N. Nadkarni, presidente del Departamento de Inteligencia Artificial y Salud Humana de Windreich, director del Instituto Hasso Plattner de Salud Digital, profesor de Medicina Irene y Dr. Arthur M. Fishberg en la Facultad de Medicina Icahn del Monte Sinaí y director de IA del Sistema de Salud del Monte Sinaí. “Al cuantificar estas intuiciones, InfEHR nos permite validar lo que antes era solo una corazonada y abre la puerta a descubrimientos completamente nuevos”.
En el estudio, el sistema InfEHR analizó registros electrónicos anónimos del Hospital Mount Sinai de Nueva York y de la Universidad de California en Irvine (California). La IA transformó la cronología médica de cada paciente en una red que ilustraba la conexión entre diversos eventos médicos a lo largo del tiempo. Al analizar múltiples redes de este tipo, InfEHR aprendió a detectar patrones típicamente asociados con enfermedades subyacentes.
La rentabilidad y la precisión son ventajas notables de InfEHR. El sistema de IA no requiere una gran cantidad de datos de entrenamiento, sino que aprende directamente de los historiales clínicos de los pacientes. Esta adaptabilidad le permite funcionar eficazmente en diferentes sistemas hospitalarios y poblaciones.
Por ejemplo, el InfEHR fue significativamente más eficaz para identificar a recién nacidos con sepsis, una afección potencialmente mortal, en comparación con los métodos convencionales. Su probabilidad de detectar a los bebés afectados fue entre 12 y 16 veces mayor.
De manera similar, el sistema identificó a los pacientes con riesgo de sufrir lesión renal posoperatoria entre 4 y 7 veces más eficazmente que las prácticas actuales.
Una de las características destacadas de InfEHR es su capacidad para indicar incertidumbre. Puede responder "no estoy seguro" cuando no hay suficientes datos, una característica de seguridad clave que soluciona un inconveniente importante de la IA tradicional, que podría proporcionar respuestas incorrectas con una confianza injustificada.
La IA tradicional pregunta: "¿Se parece este paciente a otros con la misma enfermedad?". InfEHR adopta un enfoque diferente: "¿Podría la trayectoria clínica única de este paciente ser resultado de una enfermedad subyacente?". Es la diferencia entre simplemente comparar patrones y descubrir la causalidad", añadió el autor principal, Justin Kauffman, científico de datos sénior del Departamento de Inteligencia Artificial y Salud Humana de Windreich, en la Facultad de Medicina Icahn.
De cara al futuro, el equipo de investigación planea ampliar las aplicaciones de InfEHR, como la personalización de las decisiones de tratamiento mediante la integración de datos de ensayos clínicos. Esto podría acortar distancias entre la investigación basada en ensayos y la atención al paciente en diversos entornos clínicos.
“Los ensayos clínicos suelen centrarse en poblaciones específicas, mientras que los médicos atienden a cada paciente”, añadió Kauffman. “Nuestro enfoque probabilístico ayuda a superar esa brecha, facilitando que los médicos vean qué hallazgos de investigación realmente se aplican al paciente que tienen delante”.