La IA puede mejorar las admisiones en urgencias
La Inteligencia Artificial (IA) está allanando el camino hacia una nueva era de investigación, ofreciendo oportunidades incomparables para mejorar la salud humana. En esta ocasión, supone una solución innovadora para predecir las admisiones hospitalarias desde los servicios de urgencias.
Una investigación reciente investigación de la Escuela de Medicina Icahn, perteneciente al Hospital Mount Sinai de Nueva York, ha establecido que modelos de Inteligencia Artificial (IA) como el GPT-4 pueden ayudar a predecir si un paciente que está en la sala de Urgencias debe o no ser ingresado en el hospital.
Además de facilitar información, la IA puede interpretar modelos terapéuticos y de diagnóstico predictivo utilizando una variedad de herramientas de aprendizaje automático basadas en estadísticas y teoría de la probabilidad, basándose en campos cuantitativos como la informática, las matemáticas, la física teórica, la química teórica/computacional y la ingeniería digital.
De este modo, se puede convertir en una solución innovadora para predecir las admisiones hospitalarias desde los servicios de urgencias, lo que supondría aliviar los problemas de hacinamiento que afectan a los hospitales y, al mismo tiempo, mejorar la atención al paciente. El hacinamiento no solo obstaculiza la eficacia de la atención, sino que también puede provocar retrasos en el tratamiento y un aumento en las tasas de mortalidad.
El estudio realizado por la Escuela de Medicina Icahn analizó distintos datos de pacientes como signos vitales e informes de enfermería, siempre garantizando la confidencialidad del paciente. Tras procesar información de más de 864,000 visitas de urgencia, la IA sugirió admisiones hospitalarias para casi el 18% de los casos. Los autores del estudio reconocen el potencial de modelos de IA como GPT-4 para mejorar la toma de decisiones en entornos de alta presión como los servicios de urgencias.
El modelo de IA generado, no solo aporta recomendaciones precisas de admisiones, sino que también proporciona la justificación de sus decisiones. Además, los hallazgos indican posibilidades de combinar predicciones tradicionales de aprendizaje automático para mejorar aún más el rendimiento.
