Evaluación de la eficacia de los modelos de inteligencia artificial para predecir las necesidades de ingreso a la unidad de cuidados intensivos

Las unidades de cuidados intensivos (UCI) son componentes críticos de los sistemas de atención médica y brindan atención que salva vidas a pacientes con afecciones graves y potencialmente mortales. La predicción oportuna y precisa de las necesidades de ingreso en la UCI es esencial para mejorar los resultados de los pacientes y optimizar la asignación de recursos hospitalarios. Los ingresos retrasados ​​en la UCI se han asociado sistemáticamente con mayores tasas de morbilidad y mortalidad. Con la llegada de la inteligencia artificial (IA) a la atención sanitaria, existe la oportunidad de mejorar la toma de decisiones clínicas aprovechando los modelos de IA para predecir con precisión las necesidades de la UCI. Los modelos de IA, como ChatGPT y Gemini, pueden procesar grandes cantidades de datos complejos para identificar patrones que podrían no ser inmediatamente evidentes para los médicos humanos, lo que podría mejorar la velocidad y precisión de las decisiones de admisión a la UCI.

Este es un estudio observacional retrospectivo. Los datos se recopilaron retrospectivamente de registros médicos electrónicos (EHR) de un hospital.

Los datos se extrajeron de las HCE e incluyeron:

Datos demográficos: edad, sexo y características básicas del paciente. Parámetros clínicos: información sobre la medicación, detalles de la consulta, hallazgos del ECG, resultados de las imágenes, condiciones comórbidas (p. ej., diabetes mellitus, hipertensión, insuficiencia cardíaca, EPOC, eventos cerebrovasculares) y valores de laboratorio (p. ej., hemoglobina, hematocrito, recuento de plaquetas, PT, INR). , procalcitonina, ALT, AST, bilirrubina, sodio, potasio, cloruro, glucosa, creatinina, urea, albúmina, pruebas de función tiroidea).

Datos de predicción: predicciones del modelo de IA y decisiones reales de admisión a la UCI.