Inteligența artificială îmbunătățește precizia și completitudinea rezumatelor de externare din spitale
Utilizarea inteligenței artificiale (IA) ar putea ajuta medicii să elaboreze mai eficient rezumatele de externare pentru pacienții spitalizați, sporind astfel acuratețea și completitudinea acestora.
Aceasta este concluzia unui studiu realizat de Universitatea Stony Brook, publicat online în revista Digital Medicine, un jurnal partener al Nature.
Rezumatele de externare oferă informații esențiale pacienților la părăsirea spitalului, incluzând detalii despre tratamente, necesitățile de medicație, modificările în medicație, problemele medicale nerezolvate și nevoile de urmărire în ambulatoriu. Medicii de familie se bazează pe aceste rezumate pentru a continua îngrijirea pacienților și pentru a oferi o direcție clară în ceea ce privește îngrijirea ulterioară.
Studiul s-a concentrat pe cazuri spitalicești mai lungi și complexe, unde volumul de informații medicale de rezumat este mai mare. Astfel de situații pot reprezenta o povară semnificativă pentru furnizori și pot duce la creșterea timpului dedicat documentației de externare.
Metoda a fost bazată pe utilizarea unui model de limbaj de mari dimensiuni (LLM) – un tip de IA capabil să proceseze și să genereze text – pentru a dezvolta rezumate de externare pentru cazuri complexe. Clinicienii au contribuit la proiectarea acestei metode, având în vedere informațiile necesare medicilor după externarea pacienților. Procesul LLM a organizat dosarele medicale ale pacienților și alte informații pentru a crea un rezumat care să conțină informațiile esențiale pentru un rezumat de externare, totul în doar câteva minute.
Equipa de cercetare a comparat rezumatele generate de LLM cu cele redactate de medici pentru 60 de spitalizări în cadrul Medicinii Interne la Spitalul Universității Stony Brook, fiecare având o durată de 7 până la 21 de zile, evaluarea fiind realizată de medici spitalieri și medici de familie.
Rezultatul principal al studiului a arătat că evaluatorii medicali au preferat rezumatele generate de IA în 95% din spitalizările evaluate. În plus, rezumatele au primit scoruri mai mari în ceea ce privește calitatea generală, lizibilitatea, acuratețea și completitudinea. De asemenea, evaluatorii au identificat mai puține detalii clinice lipsă în comparație cu rezumatele redactate de medici.
Potrivit autorilor, medicii de familie au considerat că rezumatele generate de IA (LLM) sunt mai ușor de înțeles, mai ușor de explicat pacienților și îngrijitorilor și mai utile pentru îngrijirea ulterioară.
Aceste rezultate demonstrează că inteligența artificială poate sprijini documentarea externării pentru spitalizările complexe.
Cercetătorii au descoperit că ambele tipuri de rezumate de externare conțin erori. Totuși, evaluatorii medicali nu au găsit nicio diferență semnificativă din punct de vedere statistic în ceea ce privește severitatea estimată sau probabilitatea de prejudiciu asociată acestor erori. Autorii subliniază că revizuirea și verificarea de către medici rămân esențiale înainte ca orice schiță generată de LLM să fie utilizată în dosarele pacienților.
Fusheng Wang afirmă că următorii pași în cercetare includ continuarea dezvoltării LLM pentru rezumatele de externare a pacienților cu cazuri complexe, punând accent pe evaluarea acurateței, siguranței, economiilor de timp reale pentru medici și integrarea acestuia în fluxurile de lucru clinice. De asemenea, se ia în considerare un studiu pilot pentru a evalua instrumentul în practica clinică de zi cu zi la Stony Brook Medicine.
Proiectul implică o echipă interdisciplinară de cercetători de la RSOM și Universitatea Stony Brook, incluzând informaticieni, specialiști în informatică biomedicală, medici și un expert în comunicare.
Echipa, care l-a inclus pe autorul principal Tyler Osborne, a adunat cantități mari de date din dosarele electronice de sănătate pentru a finaliza studiul.
