Modelos de predicción de diagnóstico para la atención primaria, basados en IA y registros electrónicos de salud:...

Área de la Ciencia:

• La informática médica
• Inteligencia artificial en el cuidado de la salud
• Investigación de la atención primaria

Sus antecedentes:

• La inteligencia artificial (IA) ofrece el potencial para mejorar la precisión del diagnóstico en la atención primaria (PC) mediante el aprovechamiento de los datos de los registros electrónicos de salud (EHR).
• A pesar del potencial de la IA, falta una evaluación sistemática de los modelos de predicción de diagnóstico basados en la IA que utilicen datos de EHR de PC.
• La investigación existente ha explorado varios modelos de predicción basados en datos de EHR, pero se necesita una revisión exhaustiva.

Objetivo del estudio:

• Evaluar sistemáticamente los modelos de predicción de diagnóstico basados en la IA desarrollados con datos de los DSE de PC.
• Evaluar el contenido, el riesgo de sesgo y la aplicabilidad de estos modelos de IA.
• Identificar las lagunas en la investigación actual y la preparación clínica de estas herramientas.

Principales métodos:

• Se realizó una revisión sistemática de acuerdo con las directrices de PRISMA.
• Las búsquedas se realizaron a través de las principales bases de datos (MEDLINE, Embase, Web of Science, Cochrane).
• Se incluyeron estudios que desarrollaron o validaron modelos de predicción de diagnóstico de IA utilizando datos de EHR de PC; se evaluó el riesgo de sesgo y la aplicabilidad utilizando PROBAST.

Principales resultados:

• De 10.657 registros, se seleccionaron 15 artículos, la mayoría centrados en una sola enfermedad crónica.
• Sólo dos estudios validaron modelos externamente en un entorno de PC; trece desarrollaron modelos.
• Se encontró un alto riesgo de sesgo en el 60% de los estudios, con una aplicabilidad poco clara en el 67% debido a deficiencias en los informes.

Conclusiones:

• La mayoría de los modelos de predicción de diagnóstico basados en IA en PC se centran en afecciones crónicas únicas y carecen de una validación externa sólida en entornos de atención primaria.
• Se identificaron limitaciones metodológicas significativas y un alto riesgo de sesgo, que obstaculizan la aplicación clínica.
• Los modelos actuales de predicción de diagnóstico de IA no están suficientemente desarrollados o validados para su uso rutinario en la atención primaria.