Evaluación y Optimización de la Triage Telefónica Mediante Modelos de Inteligencia Artificial (IA) para la Detección de Demandas de Patología Tiempo-dependiente en el Centro de Coordinación de Urgencias y Emergencias (CCUE). (TrIAje Project)

El Centro de Coordinación de Urgencias y Emergencias de Andalucía (CCUE) recibe miles de llamadas diarias, durante las cuales cada caso debe clasificarse por nivel de gravedad basándose en la información proporcionada por teléfono. Las condiciones por las que los ciudadanos solicitan ayuda abarcan un amplio espectro, desde dolencias menores hasta paradas cardíacas. Este proyecto aborda el desafío del triaje telefónico en urgencias extrahospitalarias para varias razones frecuentes de solicitud de atención que pueden indicar condiciones médicas emergentes y potencialmente mortales: inconsciencia/parada cardíaca, dificultad respiratoria, dolor torácico no traumático e ictus.

El objetivo es mejorar la precisión y eficiencia del triaje telefónico utilizando técnicas avanzadas de Inteligencia Artificial (IA), tanto simbólicas como generativas, incluyendo aprendizaje automático (ML) y procesamiento del lenguaje natural (NLP). Esto permitirá a los operadores del CCUE CES-061 Andalucía tomar decisiones más rápidas y fundamentadas para proporcionar una atención oportuna y adecuada.

Los investigadores recopilarán datos históricos anonimizados de llamadas relacionadas con estas cuatro categorías de solicitud de atención, extraídos de los sistemas de bases de datos relacionales de los Centros de Coordinación en Red (CCR) y de la Historia Clínica Digital Móvil (HCDM) del CES-061 Andalucía. El análisis incluirá tanto datos estructurados (campos predefinidos con formatos específicos, incluyendo preguntas de triaje realizadas durante la llamada) como datos no estructurados (texto libre y otros formatos) generados durante la gestión de la demanda, abarcando aspectos de coordinación y prestación de atención.

Los investigadores implementarán un enfoque híbrido que integra técnicas clásicas de IA (aprendizaje supervisado y profundo para clasificación) con IA generativa (modelos de lenguaje grandes para analizar y extraer información valiosa de datos no estructurados). Se probarán varios algoritmos de clasificación, como árboles de decisión, bosques aleatorios, SVM, XGBoost, métodos de ensemble y redes neuronales, para construir el modelo predictivo más preciso.

Mediante el análisis de importancia de características, identificaremos las preguntas y variables más predictivas, proponiendo modificaciones a las preguntas de triaje actuales para mejorar la precisión de la predicción.

El modelo será evaluado utilizando múltiples métricas (incluyendo precisión, sensibilidad, especificidad, razones de verosimilitud positiva y negativa, tasa de falsos positivos [fallo de alarma], tasa de falsos negativos [fallo de omisión], área bajo la curva ROC y puntuación F1). Estas métricas ayudarán a evaluar la capacidad del modelo para predecir correctamente los diagnósticos finales, maximizando la detección de casos verdaderamente urgentes (alta sensibilidad, alta razón de verosimilitud positiva y baja tasa de falsos negativos) mientras se evitan falsos positivos excesivos (alta especificidad, baja tasa de falsos positivos y baja razón de verosimilitud negativa).

El objetivo de este proyecto es evaluar la efectividad del modelo actual de triaje telefónico del CCUE y desarrollar un nuevo modelo basado en IA para mejorarlo. Nuestro objetivo es proporcionar una base sólida para la futura implementación del modelo mejorado dentro de los CCUE, ayudando al personal a identificar y priorizar rápidamente los casos más graves, reduciendo finalmente los tiempos de respuesta y mejorando los resultados de salud.