MADRID, 10 (EUROPA PRESS)

   Un estudio dirigido por Cedars-Sinai (Estados Unidos) sobre visitas virtuales habilitadas con IA ha descubierto que las recomendaciones de IA tienen una calificación más alta que las decisiones de los médicos.

   El estudio se presenta en la Reunión de Medicina Interna del Colegio Americano de Médicos y se publica simultáneamente en 'Annals of Internal Medicine'. En concreto, comparó las recomendaciones iniciales de tratamiento con IA con las recomendaciones finales de los médicos que tuvieron acceso a las recomendaciones de IA pero que pueden o no haberlas revisado.

   "Descubrimos que las recomendaciones iniciales de IA para dolencias comunes en un centro de atención de urgencias obtuvieron una calificación más alta que las recomendaciones finales del médico", dictamina el doctor Joshua Pevnick, codirector de la División de Informática del Cedars-Sinai, profesor asociado de Medicina y coautor principal del estudio.

"La inteligencia artificial, por ejemplo, fue especialmente eficaz para detectar infecciones del tracto urinario posiblemente causadas por bacterias resistentes a los antibióticos y sugerir la solicitud de un cultivo antes de recetar medicamentos", añade.

   Sin embargo, Pevnick apunta que, si bien se demostró que la IA era mejor para identificar señales de alerta críticas, "los médicos eran mejores para obtener un historial más completo de los pacientes y adaptar sus recomendaciones en consecuencia".

   El estudio retrospectivo se realizó utilizando datos de Cedars-Sinai Connect, un programa virtual de atención primaria y de urgencia que comenzó en 2023. Cedars-Sinai Connect, una extensión de la atención en persona de Cedars-Sinai, tiene como objetivo expandir la atención médica virtual para los pacientes en California a través de una aplicación móvil que permite a las personas acceder rápida y fácilmente a los expertos de Cedars-Sinai para atención aguda, crónica y preventiva.

   El estudio revisó 461 visitas gestionadas por médicos con recomendaciones de IA del 12 de junio al 14 de julio de 2024. Los problemas médicos clave abordados durante estas visitas virtuales de atención de urgencia involucraron a adultos con síntomas respiratorios, urinarios, vaginales, visuales o dentales.

Los pacientes que usan la aplicación móvil inician sus visitas ingresando sus inquietudes médicas y, para quienes la usan por primera vez, proporcionando información demográfica. Un modelo experto de IA realiza una entrevista dinámica y estructurada, recopilando información sobre síntomas e historial médico. En promedio, los pacientes responden 25 preguntas en cinco minutos.

   Un algoritmo utiliza las respuestas del paciente, así como los datos de su historial médico electrónico, para proporcionar información inicial sobre afecciones con síntomas relacionados. Tras presentarles posibles diagnósticos para explicar sus síntomas, la aplicación móvil permite a los pacientes iniciar una videoconsulta con un médico.

   El algoritmo también sugiere recomendaciones de diagnóstico y tratamiento que pueden ser vistas por el médico tratante de Cedars-Sinai Connect, aunque durante el estudio, Cedars-Sinai Connect requería que los médicos se desplazaran hacia abajo para verlas.

    "La principal incertidumbre de este estudio radica en si los médicos consultaron las sugerencias de prescripción, solicitud, derivación u otras sugerencias de manejo realizadas por la IA, y si las incorporaron en su toma de decisiones clínicas",subraya la doctora Caroline Goldzweig, directora médica de Cedars-Sinai Medical Network y coautora principal del estudio.

Sin embargo, añade, "el hecho de que las recomendaciones de la IA se calificaran con frecuencia como de mayor calidad que las decisiones de los médicos sugiere que el apoyo a la toma de decisiones mediante IA, cuando se implementa eficazmente en el punto de atención, tiene el potencial de mejorar la toma de decisiones clínicas para afecciones comunes y agudas".

   De esta forma, los investigadores aprendieron que si se entrena a la IA con el tesoro de notas clínicas anónimas y se utiliza la atención diaria del proveedor como un mecanismo de aprendizaje de refuerzo siempre activo, se puede alcanzar el nivel de precisión que se esperaría de un médico humano.