Modelos de IA identifican grupos de pacientes en riesgo de recibir tratamiento inadecuado

Los errores de triaje en los departamentos de emergencia pueden tener consecuencias de vida o muerte, pero identificar las causas subyacentes ha sido un desafío constante. Ahora, un equipo de investigadores ha aplicado modelos de aprendizaje automático para revelar qué factores de los pacientes pueden influir en los resultados del triaje, ayudando a los hospitales a mejorar la toma de decisiones y reducir el riesgo de tratamientos inadecuados.

En un estudio colaborativo multinacional liderado por la Universidad de Bergen (Bergen, Noruega), investigadores utilizaron inteligencia artificial (IA) para analizar miles de registros de triaje de pacientes e identificar patrones de subtriaje (asignación de baja prioridad a pacientes que posteriormente requieren cuidados intensivos) y sobretriaje (asignación de alta prioridad a pacientes estables). Mediante una métrica denominada valores SHAP, derivada de la teoría de juegos, el modelo clasificó la contribución de las distintas variables a los resultados del triaje.

Los hallazgos, publicados en el Journal of Medical Internet Research, mostraron que, aunque la clasificación incorrecta de pacientes era poco frecuente (afectando a menos del 1 % de los pacientes), el enfoque de aprendizaje automático ofreció nuevas perspectivas que desafiaron suposiciones previas. Contrariamente a estudios anteriores que destacaban la edad y el sexo como factores principales, el nuevo análisis reveló que el departamento clínico de referencia y los códigos diagnósticos fueron predictores más sólidos de inexactitudes en el triaje dentro del conjunto de datos de Bergen.

Al comparar los análisis basados en IA con las suposiciones de los médicos, el estudio destaca cómo el aprendizaje automático puede corregir sesgos y revelar influencias ocultas en la toma de decisiones clínicas. Los investigadores enfatizan que, si bien la IA no es una herramienta perfecta, puede ofrecer nuevas perspectivas valiosas para mejorar la seguridad del paciente y optimizar los sistemas de atención de urgencias.

"Para un uso óptimo, los métodos adecuados deben adaptarse al contexto específico de la investigación, y es necesario evitar los errores comunes", afirmó la Dra. Sage Wyatt, autora principal e investigadora de la Universidad de Bergen. "Se necesita más investigación en el futuro sobre los sistemas de triaje y las nuevas aplicaciones de los métodos de aprendizaje automático, como los sistemas automatizados de clasificación de triaje".

Enlaces relacionados:
Universidad de Bergen