Video Experimental Relacionado
Updated: Sep 10, 2025
03:14
Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
681
Predicción asistida por IA de admisiones no planificadas de cuidados intensivos utilizando el procesamiento del
Julia Ive1, Olatomiwa Olukoya2,3, Jonathan P Funnell2,3
1UCL Institute of Health Informatics, University College London, London, UK. j.ive@ucl.ac.uk.
NPJ digital medicine
|August 26, 2025
Resumen
La inteligencia artificial (IA) que utiliza el procesamiento del lenguaje natural (PNL) puede predecir las admisiones a la unidad de terapia neurointensiva (ITU) para pacientes de neurocirugía. Esta herramienta de IA reduce significativamente los casos no planificados de la UIT, mejorando la asignación de recursos.
Área de la Ciencia:
- Neurocirugía
- La inteligencia artificial en la medicina
- Informática de la salud
Sus antecedentes:
- La atención oportuna en unidades especializadas de terapia neurointensiva (ITU) es crucial para reducir la mortalidad y las estancias hospitalarias en pacientes de neurocirugía.
- Las decisiones de atención postoperatoria para pacientes de neurocirugía a menudo son subjetivas, lo que afecta la seguridad y la eficiencia de las admisiones en la UTI.
- Las admisiones planificadas de la UIT después de la cirugía son más seguras que las no planificadas, lo que pone de relieve la necesidad de mejorar las capacidades predictivas.
Objetivo del estudio:
- Desarrollar y evaluar un modelo de inteligencia artificial (IA) que utilice el procesamiento del lenguaje natural (NLP) para predecir las admisiones a la unidad de terapia intensiva (ITU) para pacientes de neurocirugía electiva.
- Analizar los registros electrónicos de salud (EHR, por sus siglas en inglés) para identificar los conceptos clínicos que predicen la necesidad de admisión en la UIT.
- Mejorar la precisión de las predicciones de admisión de la UIT, reduciendo así los casos no planificados de la UIT y optimizando la asignación de recursos.
Principales métodos:
- Empleó un refinado modelo de procesamiento de lenguaje natural (NLP) CogStack-MedCAT para extraer conceptos clínicos de 2268 registros electrónicos de salud (EHR) de pacientes de neurocirugía electivos.
- Modelos de IA entrenados, incluido un modelo de Bosque Aleatorio, para clasificar las admisiones de pacientes en la sala general o en la unidad de terapia intensiva (UTI).
- Se realizó un análisis de interpretabilidad para garantizar que las predicciones del modelo de IA se basaran en conceptos clínicamente relevantes.
Principales resultados:
- El modelo Random Forest AI logró un retiro de 0,87 (IC 0,82-0,91) para predecir las admisiones a la unidad de terapia intensiva (UTI).
- El modelo de IA redujo la proporción de casos no planificados de la UIT que no fueron atendidos por expertos humanos del 36% al 4%.
- El análisis de interpretabilidad confirmó que el modelo de IA utilizó conceptos clínicamente relevantes para sus predicciones.
Conclusiones:
- La inteligencia artificial (IA) demuestra un potencial significativo para ayudar a la asignación de recursos para pacientes neuroquirúrgicos al predecir con precisión las admisiones de la UIT.
- El modelo de IA basado en PNL desarrollado puede disminuir sustancialmente la tasa de admisiones no planificadas de la UIT, mejorando la atención al paciente.
- Se necesitan más investigaciones e integración en la práctica clínica para realizar plenamente los beneficios de la IA en la gestión de la unidad de cuidados intensivos neuroquirúrgicos.
