Uso de inteligencia artificial para la vigilancia de infecciones asociadas a la atención sanitaria Aspectos destacados
|
Antecedentes
La vigilancia de las infecciones asociadas a la atención sanitaria (IAAS) es vital para la seguridad en los entornos sanitarios. Ayudar a identificar factores de riesgo de infección, mejora la seguridad del paciente y la calidad de la atención. Sin embargo, la vigilancia de HAI es compleja y exige conocimientos y recursos especializados. Este estudio investiga el uso de inteligencia artificial (IA), particularmente modelos generativos de lenguaje grande, para mejorar la vigilancia de HAI.
Métodos
Evaluamos 2 agentes de IA, chatGPT plus (GPT-4) de OpenAI y un modelo local basado en Mixtral 8×7b, por su capacidad para identificar infecciones del torrente sanguíneo asociadas a la vía central (CLABSI) e infecciones del tracto urinario asociadas a catéteres (CAUTI) de 6 escenarios de formación de la Red Nacional de Seguridad Sanitaria. Se analizó la complejidad de estos escenarios y se compararon las respuestas con las opiniones de expertos.
Resultados
Ambos modelos de IA identificaron con precisión CLABSI y CAUTI en todos los escenarios cuando se les dieron indicaciones claras. Aparecieron desafíos con indicaciones ambiguas que incluían fechas en números arábigos, abreviaturas y caracteres especiales, lo que provocaba imprecisiones ocasionales en pruebas repetidas.
Discusión
El estudio demuestra el potencial de la IA para identificar con precisión HAI como CLABSI y CAUTI. Las indicaciones claras y específicas son cruciales para respuestas confiables de IA, lo que resalta la necesidad de supervisión humana en la vigilancia de HAI asistida por IA.
Conclusiones
La IA se muestra prometedora a la hora de mejorar la vigilancia de HAI, potencialmente simplificar las tareas y liberar al personal de atención médica para actividades centradas en los pacientes. El uso eficaz de la IA requiere educación del usuario y un perfeccionamiento continuo del modelo de IA.
Comentarios
Herramientas como ChatGPT pueden mejorar la vigilancia de infecciones y mantener a los pacientes más seguros en los centros de atención médica
Un nuevo estudio de prueba de concepto publicado en el American Journal of Infection Control (AJIC) informa que las tecnologías de inteligencia artificial (IA) pueden identificar con precisión casos de infecciones asociadas a la atención médica (HAI) incluso en escenarios clínicos complejos. El estudio, que destaca la necesidad de un lenguaje claro y coherente al utilizar herramientas de IA para este propósito, ilustra el potencial de incorporar la tecnología de IA como un componente rentable de los programas de vigilancia de infecciones de rutina.
Según la Encuesta de prevalencia hospitalaria de HAI más reciente realizada por los Centros para el Control y la Prevención de Enfermedades, en 2015 hubo aproximadamente 687.000 infecciones asociadas a la atención médica (HAI) en hospitales de cuidados intensivos de EE. UU. y 72 000 muertes relacionadas con ellas entre pacientes hospitalizados. Aproximadamente el 3 % de todos los pacientes hospitalizados tener al menos una infecciones asociadas a la atención médica (HAI) en un momento dado. La implementación de programas de vigilancia de infecciones y otros protocolos de prevención de infecciones ha reducido la incidencia de HAI, pero siguen siendo un riesgo, particularmente para pacientes hospitalizados en estado crítico con dispositivos insertados como vías centrales, catéteres o tubos de respiración.
Muchos hospitales y otros centros de atención médica cuentan con programas de vigilancia de infecciones asociadas a la atención médica (HAI) para detectar un mayor riesgo de infección, pero su mantenimiento requiere amplios recursos, capacitación y experiencia. En entornos con recursos limitados, una alternativa rentable podría ayudar a mejorar los programas de vigilancia y permitir una mejor protección de los pacientes de alto riesgo.
Comentarios
Para ver los comentarios de sus colegas o para expresar su opinión debe ingresar con su cuenta de IntraMed.