Menos tiempo de codificación, más tiempo de atención: Evaluación del rendimiento de ChatGPT-5 para la codificación...

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en la Atención Médica
• Optimización del Flujo de Trabajo en Radiología

Sus antecedentes:

• Los radiólogos se enfrentan a una alta carga administrativa, y la codificación CIE-10 contribuye a errores de facturación y retrasos.
• Estudios previos sobre IA para la codificación médica arrojaron resultados mixtos, con evidencia limitada específica para informes de radiología.
• La necesidad de soluciones de codificación eficientes y precisas es fundamental para el reembolso de la atención médica y la eficiencia operativa.

Objetivo del estudio:

• Evaluar la efectividad de ChatGPT-5 en la asignación de códigos de la Clasificación Internacional de Enfermedades, Décima Revisión (CIE-10) a informes de radiología.
• Determinar si el uso de ChatGPT-5 para la codificación CIE-10 resulta en una ventaja de tiempo medible para los radiólogos.
• Evaluar la precisión y eficiencia de ChatGPT-5 en un escenario de codificación clínica del mundo real.

Principales métodos:

• Se analizaron 2.738 informes de radiología ficticios de la base de datos PARROT y 100 informes de PET/CT.
• ChatGPT-5 asignó un único código CIE-10 más relevante a cada informe.
• Se compararon los códigos derivados de ChatGPT con las etiquetas de referencia (PARROT) y los codificadores manuales (PET/CT), midiendo la concordancia y el tiempo de codificación.

Principales resultados:

• La concordancia exacta del código para los informes PARROT fue del 58,1%. La adjudicación ciega favoreció los códigos derivados de ChatGPT en el 61,5% de las discordancias (p=0,0015).
• La codificación de informes no ingleses mostró una concordancia significativamente menor y tiempos de codificación más largos en comparación con los informes en inglés.
• Para los informes PET/CT, el tiempo medio de codificación fue de 8 segundos con ChatGPT frente a 135 segundos sin él, lo que supuso un ahorro medio de tiempo de 127 segundos por informe.

Conclusiones:

• ChatGPT-5 demuestra potencial para mejorar la precisión de la codificación CIE-10, reduciendo potencialmente los errores de facturación en la práctica clínica.
• El ahorro de tiempo significativo observado sugiere que las herramientas de IA como ChatGPT-5 pueden liberar tiempo de los radiólogos para la atención al paciente.
• La colaboración entre radiólogos y desarrolladores de IA es esencial para crear soluciones de IA seguras y efectivas para entornos clínicos.