La inteligencia artificial mejoró la eficiencia del programa de tomografía computarizada

Área de la Ciencia:

• Imagenología médica; Inteligencia artificial en la atención médica; Optimización del flujo de trabajo

Sus antecedentes:

• La tomografía computarizada (TC) es un recurso de imagenología vital pero limitado en el tiempo tanto para pacientes hospitalizados como ambulatorios.; La utilización eficiente y precisa de los escáneres de TC es crucial para una atención óptima al paciente.; Los flujos de trabajo existentes a menudo enfrentan cargas administrativas y retrasos, lo que afecta el rendimiento del paciente.

Objetivo del estudio:

• Mejorar la precisión y la eficiencia de los servicios de imagenología de TC.; Reducir la carga de trabajo administrativa asociada con las derivaciones y la programación de TC.; Acelerar la atención al paciente manteniendo una supervisión clínica rigurosa a través de la IA y la revisión humana.

Principales métodos:

• Implementación de un flujo de trabajo híbrido de IA que integra el reconocimiento óptico de caracteres (OCR) para la extracción de datos.; Utilización del procesamiento del lenguaje natural (PNL) para la extracción de conceptos clínicos estructurados con validación humana.; Empleo de un motor basado en reglas para hacer coincidir las necesidades clínicas con la disponibilidad del escáner para la recomendación de protocolos y la programación.

Principales resultados:

• Aumento de los exámenes anuales de TC en un 20 % (de 10 000 a 12 000).; Logro de importantes ahorros de tiempo, aproximadamente 10 horas de personal por semana.; Reducción de los tiempos de espera de los pacientes en un 30 % y mejora de la satisfacción del paciente en un 12 %.; Disminución de las tasas de quejas del 5 % al 1 %.

Conclusiones:

• La integración de flujos de trabajo asistidos por IA es una solución rentable y eficiente para los servicios de TC.; El enfoque híbrido de IA mejoró la seguridad, redujo la carga de trabajo del personal y mejoró la satisfacción de pacientes y personal.; Este modelo demuestra la aplicación exitosa de la IA en la optimización de recursos de imagenología médica de alta demanda.