Soporte de Decisión Médica Basado en IA: Explorando la Brecha de Datos

Área de la Ciencia:

• Ingeniería Biomédica
• Informática Clínica
• Inteligencia Artificial en Medicina

Sus antecedentes:

• La toma de decisiones clínicas se basa en un buen juicio, cada vez más aumentado por la inteligencia artificial (IA).
• El impacto actual de la IA en la atención al paciente es modesto debido a las limitaciones en la calidad, estructura y completitud de los datos de los registros médicos electrónicos (RME).
• Los RME están diseñados para la facturación, lo que genera información clínica fragmentada, inconsistente o faltante, lo que dificulta la eficacia de la IA.

Objetivo del estudio:

• Destacar las limitaciones de las fuentes de datos actuales para la IA en la atención médica.
• Proponer una vía para mejorar el soporte de decisiones clínicas impulsado por IA.
• Enfatizar la necesidad de estrategias mejoradas de adquisición de datos en medicina.

Principales métodos:

• Análisis de las limitaciones actuales de la IA en la atención médica, centrándose en los problemas de calidad de los datos en los RME.
• Exploración del procesamiento del lenguaje natural (PNL) y los modelos de lenguaje grandes (LLM) para la extracción de datos.
• Comparación con estrategias de integración de datos en otras industrias, como los vehículos autónomos.
• Identificación de tecnologías emergentes de sensores portátiles multimodales como solución.

Principales resultados:

• La capacidad algorítmica es menos una limitación que la calidad y la estructura de los datos disponibles.
• El PNL y los LLM mejoran la extracción de datos, pero están limitados por la calidad subyacente de los datos y las preocupaciones de privacidad.
• Existe una brecha crítica en la adquisición de datos fisiológicos cuantitativos, especialmente para el sistema musculoesquelético.
• Otras industrias utilizan con éxito datos continuos de sensores multimodales para la toma de decisiones en tiempo real.

Conclusiones:

• El progreso significativo en la atención médica habilitada por IA requiere una transformación en la adquisición de datos.
• La integración de datos continuos y multimodales de sensores de tecnologías portátiles puede proporcionar conjuntos de datos fisiológicos más ricos.
• Esta transformación de datos es esencial para permitir un soporte de decisiones impulsado por IA más preciso, continuo y clínicamente relevante.