Noticia Anterior
ARTÍCULO: La Inteligencia Artificial mejora reconocimiento de accidentes cerebrovasculares
Escrito el 01 abr 2024
Comment: 0
El modelo de IA identificó correctamente a más pacientes que realmente estaban teniendo un accidente cerebrovascular que los operadores de llamadas humanas y también tenía un valor predictivo positivo más alto, una medida de la proporción de casos positivos previstos que son realmente positivos.
Los investigadores, pertenecientes al Hospital Universitario de Copenhague-Herlev y Gentofte & Copenhagen Emergency Medical Services, Dinamarca, indicaron que el modelo hizo un mejor trabajo en ambas medidas. Marcó menos pacientes con un accidente cerebrovascular sospechoso, pero identificó correctamente a más pacientes que realmente estaban teniendo un accidente cerebrovascular que el despachador humano.
Para el estudio, los investigadores vincularon el registro danés de accidentes cerebrovasculares, que contiene información sobre cada paciente ingresado en el hospital con un accidente cerebrovascular, incluido el momento de inicio de los síntomas, con el registro de llamadas de emergencia, que tiene grabaciones de todas las llamadas telefónicas a la línea de ayuda médica en los servicios de emergencia de Copenhague. Las llamadas fueron etiquetadas como aquellas de pacientes que posteriormente resultaron estar teniendo un derrame cerebral y aquellos que se determinó que no estaban teniendo un derrame cerebral.
El modelo de IA fue entrenado para transcribir las grabaciones de audio de las llamadas de emergencia como texto y buscar diferencias entre las llamadas de accidente cerebrovascular y las llamadas sin accidente cerebrovascular.
El modelo se entrenó utilizando datos de 1,5 millones de llamadas a los servicios de emergencia entre 2015 y 2020, de las cuales 7370 resultaron ser casos reales de accidente cerebrovascular. Luego se probó en datos de 2021 en 344,000 llamadas, de las cuales 750 fueron casos de accidente cerebrovascular.
Los resultados mostraron que el modelo de IA identificó correctamente al 63% de los pacientes que estaban teniendo un accidente cerebrovascular, un mejor resultado que los despachadores de llamadas de emergencia humanos que reconocieron solo el 52,7% de los casos de accidente cerebrovascular.
El modelo también tuvo un mejor valor predictivo positivo: 24.9% frente a 17.1% para el despachador humano.
La combinación de las dos medidas da una puntuación general F1 (una medida general de la precisión de una prueba) de 35,7 para el modelo de IA en comparación con 25,8 para los manejadores de llamadas humanas.
El modelo de IA reconoció mejor el accidente cerebrovascular y tiene una tasa más baja de falsos positivos que los despachadores reales de los servicios de emergencia-
Los investigadores señalan que el accidente cerebrovascular era una condición difícil de identificar a partir de las llamadas a los servicios de emergencia. Muchos casos no se detectan en esta etapa, lo que lleva a retrasos en el tratamiento que pueden tener consecuencias potencialmente mortales para los pacientes.
Una limitación de este estudio es que tenía un diseño retrospectivo.
El modelo aún no se ha probado en un entorno en vivo, los autores indican que es necesario hacer un estudio para ver cómo funciona cuando se implemente en la vida real. Ellos creen que esta herramienta de IA podría convertirse en una ayuda para los operadores telefónicos de emergencia para reconocer a los pacientes que tienen un accidente cerebrovascular.
Cuando están hablando con todo tipo de personas diferentes que llaman, este modelo podría estar funcionando en segundo plano y señalaría una advertencia de que un paciente en particular tiene una alta probabilidad de sufrir un accidente cerebrovascular y debe priorizarse para la atención urgente.
Si el modelo funciona igualmente bien en un entorno de la vida real, entonces podría mejorar el reconocimiento del accidente cerebrovascular por parte de los manejadores de llamadas de emergencia, permitiendo que más pacientes de accidente cerebrovascular obtengan el tratamiento avanzado rápido que mejora los resultados.
En el futuro, puede ser posible entrenar el marco directamente desde el audio de la llamada, evitando el paso de transcripción, así como incorporar audio que no sea de palabras, como una voz arrastrada, en los datos de entrenamiento. Sin embargo, dados los resultados prometedores de este estudio, ya está claro que tecnologías como esta tienen la capacidad de transformar por completo el diagnóstico y la atención del accidente cerebrovascular.
Referencia
Conferencia Europea de Organización del Ictus (ESOC) 2023.
