Aplicación de herramientas de inteligencia artificial y carga de documentación clínica: una revisión sistemática y...

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en la Atención Médica
• Documentación Clínica

Sus antecedentes:

• El agotamiento del médico es un problema global significativo, impulsado en gran medida por las pesadas cargas de trabajo de documentación clínica.
• Las prácticas de documentación actuales consumen mucho tiempo y son cognitivamente exigentes para los profesionales de la salud.
• La inteligencia artificial (IA) ofrece soluciones potenciales, pero su impacto cuantitativo en la carga de la documentación requiere una evaluación sistemática.

Objetivo del estudio:

• Revisar sistemáticamente y meta-analizar el impacto cuantitativo de las herramientas de IA en la carga de la documentación clínica.
• Evaluar el efecto de la IA en la carga de trabajo del médico, el agotamiento y el tiempo dedicado a la documentación.
• Evaluar la calidad de las notas clínicas generadas por IA.

Principales métodos:

• Revisión sistemática y metaanálisis (PROSPERO: CRD420250653291) siguiendo las directrices PRISMA.
• Los estudios incluidos se centraron en profesionales de la salud de primera línea que utilizan IA para la creación de notas clínicas en comparación con la práctica habitual.
• Los resultados primarios incluyeron carga de documentación, carga de trabajo, agotamiento y tiempo; el metaanálisis utilizó modelos de efectos aleatorios (DME).

Principales resultados:

• El análisis combinado de 14 estudios mostró una reducción moderada en la carga de trabajo de documentación y el agotamiento (DME = -0.71).
• Las aplicaciones de IA redujeron significativamente el tiempo de documentación para borradores revisados y editados (DME = -0.72).
• La calidad de las notas generadas por IA fue comparable a las notas preparadas por el médico.

Conclusiones:

• Las tecnologías de IA demuestran una promesa significativa para aliviar la carga de la documentación clínica para los profesionales de la salud.
• La implementación efectiva requiere un control de calidad riguroso y una evaluación continua para garantizar la calidad de la atención al paciente.
• Se necesita más investigación para optimizar la integración de la IA en los flujos de trabajo clínicos.