Diseño y arquitectura de un modelo generativo apoyado por IA y no entregado por médicos para la optimización de GDMT...

Área de la Ciencia:

• Cardiología Cardiología.
• La inteligencia artificial en la medicina.
• Servicios de salud Servicios de salud Investigación Investigación.

Sus antecedentes:

• El inicio y la titulación de la terapia médica dirigida por directrices (GDMT) para la insuficiencia cardíaca con fracción de eyección reducida (HFrEF) es crucial pero requiere muchos recursos.
• La optimización de la GDMT es esencial para mejorar los resultados de los pacientes y reducir las cargas sanitarias.

Objetivo del estudio:

• Evaluar la viabilidad, aceptabilidad y seguridad de un asistente virtual (VA) generativo impulsado por inteligencia artificial para optimizar la GDMT en pacientes con HFrEF.
• Comparar la atención guiada por VA con el tratamiento estándar de atención en términos de optimización de GDMT y resultados clínicos.

Principales métodos:

• Un ensayo piloto prospectivo y abierto aleatorizó a 60 nuevos pacientes con HFrEF para recibir atención guiada por VA o atención estándar.
• La atención guiada por VA fue brindada por personal no médico a intervalos de 2 semanas.
• El estándar de atención fue entregado por médicos o enfermeras.

Principales resultados:

• Los pacientes en el brazo de VA mostraron una optimización superior de GDMT en todas las clases de medicamentos a las 12 semanas.
• El brazo de VA experimentó niveles más bajos de péptido natriurético pro-B tipo N-terminal y menos hospitalizaciones.
• Las puntuaciones reportadas por los pacientes para la aceptabilidad, adecuación y factibilidad fueron altas, sin preocupaciones de seguridad.

Conclusiones:

• El VA impulsado por IA, administrado por personal no médico con una supervisión mínima, puede optimizar de manera segura y efectiva el GDMT para HFrEF.
• Este enfoque es aceptable para los pacientes y representa una estrategia escalable para mejorar el tratamiento y la utilización de los recursos sanitarios.