Evaluación del soporte clínico integral basado en IA para sepsis y SDRA: protocolo de una prueba de Turing para...

Área de la Ciencia:

• Medicina de Cuidados Intensivos
• Inteligencia Artificial en la Atención Médica
• Sistemas de Soporte de Decisiones Clínicas

Sus antecedentes:

• La evaluación de los sistemas de soporte de decisiones clínicas (CDSS) de IA en la práctica es un desafío debido a la limitada información en las primeras etapas.
• Las decisiones de alto riesgo en la Unidad de Cuidados Intensivos (UCI) para afecciones como la sepsis y el Síndrome de Dificultad Respiratoria Aguda (SDRA) requieren una validación robusta de la IA.
• El Asistente de Ventilador de IA (AVA) se desarrolló para pacientes con sepsis y SDRA con ventilación mecánica, pero el rendimiento predictivo por sí solo no es suficiente para la evaluación de la seguridad.

Objetivo del estudio:

• Introducir y validar una novedosa Prueba de Turing para Clínicos para evaluar la seguridad y idoneidad del Asistente de Ventilador de IA (AVA).
• Determinar si los clínicos de cuidados intensivos pueden diferenciar entre las recomendaciones de tratamiento generadas por IA y las generadas por humanos para pacientes con sepsis y SDRA.
• Proporcionar una señal preclínica de la seguridad y idoneidad de AVA antes de su despliegue clínico a gran escala.

Principales métodos:

• Un estudio multicéntrico, aleatorizado, electrónico y basado en viñetas de Fase 1b que emplea un diseño de Prueba de Turing para Clínicos.
• Reclutamiento de 350 clínicos de cuidados intensivos (médicos, proveedores de atención avanzada) en seis hospitales de EE. UU.
• Los participantes revisaron viñetas clínicas con planes de tratamiento generados por IA o enactados por humanos, asignados aleatoriamente (1:1), para identificar la fuente.
• Punto final primario: precisión en la identificación de la fuente mediante regresión logística de efectos mixtos.

Principales resultados:

• El estudio está diseñado para evaluar el punto final primario de la precisión del clínico en la distinción de las recomendaciones de tratamiento generadas por IA de las generadas por humanos.
• Los puntos finales secundarios incluyen la evaluación de las percepciones de los clínicos sobre la seguridad, la idoneidad, la confianza y el interés en los CDSS de IA.
• El estudio tiene como objetivo proporcionar datos preliminares sobre la idoneidad clínica de los CDSS de IA sin los riesgos del despliegue real.

Conclusiones:

• La Prueba de Turing para Clínicos ofrece un enfoque novedoso para evaluar la seguridad y idoneidad de los CDSS de IA en un entorno preclínico.
• La 'superación' exitosa de la prueba de Turing por parte de AVA indicaría una fuerte señal preclínica de su seguridad y idoneidad.
• Este método de validación informa las decisiones sobre la implementación y evaluación futuras de los CDSS de IA en entornos del mundo real.