Alineación de los objetivos de predicción de inteligencia artificial con los flujos de trabajo clínicos mediante...

Área de la Ciencia:

• Informática de la atención médica
• Sistemas de apoyo a la decisión clínica
• Interacción humano-computadora

Sus antecedentes:

• Los modelos de inteligencia artificial (IA) en la atención médica a menudo muestran una gran precisión predictiva, pero no mejoran los resultados de los pacientes debido a una mala integración con los flujos de trabajo clínicos.
• Existe una brecha entre el rendimiento técnico de los modelos de IA y su utilidad clínica en el mundo real.

Objetivo del estudio:

• Demostrar un enfoque de diseño centrado en el ser humano para desarrollar modelos de IA en la atención médica.
• Garantizar que los objetivos de predicción de la IA se alineen con las intervenciones clínicas procesables y mejoren los resultados de los pacientes.

Principales métodos:

• Se utilizó un estudio de caso de lesión renal aguda pediátrica.
• Un grupo de trabajo multidisciplinario empleó historias de usuarios, People, Environment, Technology, and Tasks (PETT) Scan y mapeo de procesos.
• Se analizaron factores sociotécnicos y puntos de apalancamiento del flujo de trabajo antes del desarrollo del modelo de IA.

Principales resultados:

• Se identificaron objetivos de predicción distintos para diferentes roles clínicos (médicos de hospital, nefrólogos, intensivistas).
• Las barreras clave incluyeron una monitorización inadecuada, una mala visibilidad de los pacientes en riesgo y una progresión poco clara de la lesión.
• Se definieron objetivos de predicción de alto impacto para respaldar intervenciones procesables.

Conclusiones:

• La integración del contexto clínico y el diseño centrado en el ser humano antes del desarrollo de la IA es crucial.
• Este enfoque cierra la brecha entre el rendimiento del modelo de IA y la utilidad clínica.
• La metodología puede mejorar la eficacia de la IA para mejorar la atención al paciente.