Migliorare l'accuratezza del triage con intelligenza artificiale nell'assistenza primaria

Contesto Il personale degli studi medici di base (GP) effettua il triage dei pazienti che li contattano per ottimizzare l'uso delle risorse e mantenere la sicurezza dei pazienti. I sistemi di consultazione online sono utilizzati dalla maggior parte degli studi medici e consentono ai pazienti di contattare il proprio studio medico utilizzando un modulo online. Possono essere inviati senza parlare con un membro del personale, aggirando così il consueto processo di triage. I sistemi di consultazione online possono effettuare il triage dei pazienti utilizzando l'"Intelligenza Artificiale" (IA), sebbene ci sia una carenza di ricerche sulle loro prestazioni. Noi (L'Università di Manchester; UoM) proponiamo di colmare questa lacuna collaborando con un fornitore di sistemi di consultazione online con funzionalità di triage IA opzionale (Patchs).

Domande di ricerca Domanda di ricerca generale: è possibile sviluppare modelli di IA in grado di replicare le decisioni di triage dei clinici?

1. Quali sfide affrontano i pazienti e gli studi medici durante il triage dei pazienti nell'assistenza primaria e quali sono i loro fattori trainanti?
2. Qual è il modello di IA dalle migliori prestazioni per il triage dei pazienti nell'assistenza primaria?
3. Le prestazioni del triage IA vengono mantenute in diverse regioni geografiche?
4. Le prestazioni del triage IA vengono mantenute nel tempo?
5. Come si confrontano le prestazioni del triage IA con la pratica clinica attuale?
6. Le prestazioni del triage IA cambiano quando vengono implementate nella pratica clinica?
7. Il triage IA funziona in modo equo per tutti i pazienti? Metodi Flusso di lavoro 1: Quantificazione del problema di triage. Analizzeremo i dati storici anonimizzati degli studi medici che utilizzano Patchs con il triage IA disabilitato. Laddove disponibili pubblicamente, confronteremo questi dati con i dati a livello di pratica degli studi medici che non utilizzano Patchs (studi di controllo). Intraprenderemo analisi descrittive e inferenziali per comprendere i potenziali problemi di triage e i fattori che li influenzano, come i ritardi nella fornitura di assistenza ai pazienti.

Flusso di lavoro 2: Sviluppo dell'IA. Utilizzeremo dati storici anonimizzati degli studi medici che utilizzano Patchs per costruire nuove versioni dei modelli di triage IA attualmente in uso con quattro approcci diversi: regressione logistica, XGBoost, memoria a lungo termine (LSTM) e modello linguistico di grandi dimensioni (LLM). Utilizzeremo la convalida incrociata interna-esterna per regione geografica e confronteremo le loro prestazioni utilizzando meta-analisi a effetti casuali e analisi di sottogruppi per valutare l'equità (ad esempio attraverso le etnie). Confronteremo le loro prestazioni con gli attuali modelli di triage IA in uso. La versione finale dei modelli di IA con le migliori prestazioni sarà sviluppata utilizzando l'intero set di dati.

Flusso di lavoro 3: Valutazione prospettica di fondo. Otterremo le previsioni dai modelli di IA con le migliori prestazioni su dati raccolti prospetticamente da studi medici che utilizzano Patchs senza triage IA eseguendo i modelli in "sottofondo". Intraprenderemo analisi di sottogruppi per valutare l'equità come descritto sopra.

Flusso di lavoro 4: Valutazione prospettica dell'implementazione. In conformità con i normali aggiornamenti software di Patchs, aggiorneremo i modelli di IA negli studi medici che già utilizzano il triage IA con le versioni dalle migliori prestazioni. Misureremo prospetticamente con quale frequenza il personale degli studi medici e i pazienti sono d'accordo con le previsioni di triage delle nuove versioni per testare se le sue prestazioni si traducono in cure reali per i pazienti. Intraprenderemo analisi di sottogruppi per valutare l'equità come descritto sopra.

Benefici previsti Aiuteremo a comprendere i problemi attualmente affrontati dagli studi medici durante il triage delle consultazioni online. Se sviluppassimo modelli di IA migliorati, potrebbe esserci una maggiore sicurezza dei pazienti (ad esempio aiutando i pazienti a ricevere aiuto più rapidamente) e una riduzione del carico di lavoro degli studi medici (ad esempio automatizzando il processo di triage). Gli studi medici e i loro pazienti nel Flusso di lavoro 4 ne beneficerebbero immediatamente. Forniremo prove agli studi medici che attualmente non utilizzano il triage IA per decidere se adottarlo.