Predecir los resultados de la utilización de la atención sanitaria con inteligencia artificial: una revisión de gran...

Área de la Ciencia:

• Inteligencia artificial en el cuidado de la salud
• Investigación en servicios de salud
• Análisis predictivo

Sus antecedentes:

• La IA se utiliza cada vez más para la predicción de la utilización de la atención médica.
• La investigación existente tiene lagunas en los datos, los métodos y los estándares de presentación de informes.
• Se necesita una visión global para orientar las futuras aplicaciones de la IA en el cuidado de la salud.

Objetivo del estudio:

• Mapear el panorama de investigación de la predicción de la utilización de la atención médica basada en la IA.
• Identificar tendencias, lagunas y oportunidades en los conjuntos de datos, las metodologías, los resultados y los informes.
• Proporcionar información para mejorar la fiabilidad y el impacto de la IA en la planificación de la atención médica.

Principales métodos:

• Revisión del alcance siguiendo la metodología del Instituto Joanna Briggs.
• Búsqueda en tres bases de datos principales (desde el inicio hasta enero de 2025).
• Datos extraídos sobre conjuntos de datos, métodos de IA, resultados previstos y cumplimiento de los informes (TRIPOD+AI).

Principales resultados:

• Se incluyeron 121 estudios, la mayoría de Estados Unidos (62%).
• La inclusión de variables de datos limitados; los registros electrónicos de salud (60%) y las declaraciones (28%) fueron las fuentes primarias.
• Los modelos conjuntos (66,9%) dominaron; el aprendizaje profundo fue menos común (16,5%).
• Enfoque en la predicción de eventos futuros (90,1%), principalmente las hospitalizaciones (57,9%).
• Información general moderada, pero el cumplimiento de TRIPOD+AI es limitado.

Conclusiones:

• Ampliar los resultados previstos para incluir eventos orientados al proceso y a la logística.
• Expanda las aplicaciones de IA más allá de la predicción a la selección y coincidencia de cohorte.
• Explorar métodos de IA poco utilizados como algoritmos basados en la distancia y redes neuronales profundas.
• Mejorar el cumplimiento de las directrices de notificación de TRIPOD+AI para mejorar la fiabilidad y el impacto.