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.

En este nuevo estudio , investigadores de la Universidad de Saint Louis y la Facultad de Medicina de la Universidad de Louisville evaluaron el rendimiento de dos herramientas impulsadas por IA para la identificación precisa de infecciones asociadas a la atención médica (HAI). Las herramientas se probaron en dos tipos de HAI: infección del torrente sanguíneo asociada a una vía central (CLABSI) e infección del tracto urinario asociada a un catéter (CAUTI). Se presentaron descripciones de seis escenarios ficticios de pacientes con diferentes niveles de complejidad a las herramientas de IA, a las que luego se les preguntó si las descripciones representaban una CLABSI o una CAUTI. Las descripciones incluían información como la edad del paciente, los síntomas, la fecha de ingreso y las fechas en que se insertaron y retiraron vías centrales o catéteres. Las respuestas de la IA se compararon con las respuestas de los expertos para determinar la precisión.

En los seis casos, ambas herramientas de IA identificaron con precisión las infecciones asociadas a la atención médica (HAI) cuando se les dieron indicaciones claras. Es importante destacar que los investigadores descubrieron que la información faltante o ambigua en las descripciones podría impedir que las herramientas de inteligencia artificial produzcan resultados precisos. Por ejemplo, una descripción no incluía la fecha en que se insertó el catéter; sin ese detalle la herramienta de IA no podría dar una respuesta correcta. Las abreviaturas, la falta de especificidad, el uso de caracteres especiales y las fechas informadas en formato numérico en lugar de con el mes detallado dieron lugar a respuestas inconsistentes.

"Nuestros resultados son los primeros en demostrar el poder de la vigilancia de infecciones asociadas a la atención médica (HAI) asistida por IA en el entorno sanitario, pero también subrayan la necesidad de una supervisión humana de esta tecnología", dijo Timothy L. Wiemken, PhD, MPH, profesor asociado en el división de enfermedades infecciosas, alergias e inmunología de la Universidad de Saint Louis y autor principal del artículo. "Con la rápida evolución del papel de la IA en la medicina, nuestro estudio de prueba de concepto valida la necesidad de un desarrollo continuo de herramientas de IA con datos de pacientes del mundo real para apoyar a los especialistas en prevención de infecciones".

Detalles adicionales sobre el estudio incluyen:

• Ambas herramientas de IA se utilizaron con generación aumentada de recuperación, un enfoque que mejora la calidad de las indicaciones a través de un depósito de conocimientos que brinda contexto adicional a la herramienta de IA. En este caso, el repositorio incluía material de la Red Nacional de Seguridad de la Atención Médica de los CDC, un sistema de seguimiento de HAI.
   
• La herramienta ChatGPT Plus desarrollada para este estudio, HAI Assist, está disponible en OpenAI GPT Store para personas con una suscripción ChatGPT Plus.

“La vigilancia de HAI es una responsabilidad fundamental para los especialistas en prevención de infecciones, y nuestra comunidad necesita todas las herramientas posibles para ayudarnos a garantizar la seguridad de nuestros pacientes”, dijo Tania Bubb, PhD, RN, CIC, FAPIC, presidenta de APIC 2024. "Este estudio sugiere que las herramientas impulsadas por IA pueden ofrecer un medio rentable para mejorar nuestros programas de vigilancia al ayudar a los especialistas en prevención de infecciones en las funciones laborales diarias".

Acerca de APIC

Fundada en 1972, la Asociación de Profesionales en Epidemiología y Control de Infecciones (APIC) es la asociación líder de epidemiólogos y  especialistas en prevención de infecciones. Con más de 15.000 miembros, APIC avanza la ciencia y la práctica de la prevención y el control de infecciones. APIC lleva a cabo su misión a través de la investigación, la promoción y la seguridad del paciente; educación, acreditación y certificación; y fomentar el desarrollo de la fuerza laboral de prevención y control de infecciones del futuro. Junto con nuestros miembros y socios, estamos trabajando por un mundo más seguro mediante la prevención de infecciones. Únase a nosotros y obtenga más información en apic.org.