Un estudio usa IA para clasificar los mensajes de los pacientes por complejidad
Crédito: CC0 Public Domain
Interesándose en los hilos de mensajes electrónicos entre los pacientes quirúrgicos y sus equipos de atención médica, un grupo de investigación del Centro Médico de la Universidad de Vanderbilt probó qué tan bien ciertos Los algoritmos de aprendizaje automático utilizados pueden clasificar dichos intercambios de acuerdo con su complejidad de toma de decisiones clínicas. Su informe está en línea antes de la publicación impresa en el Journal of Surgical Research.
Los autores señalan que los pagadores de atención médica como Medicare incluyen la consideración de la complejidad de la toma de decisiones médicas al determinar el pago de los servicios.
«Si es efectivo, el análisis automatizado de mensajes podría cuantificar la atención brindada en línea o apoyar la facturación de la atención en línea», escriben los autores. Podría ayudar en las decisiones de personal y «puede ayudar con la selección de [mensajes]».
Dos cirujanos-investigadores etiquetaron de forma independiente 500 subprocesos de acuerdo con la complejidad de la toma de decisiones médicas y, discutiendo cualquier desacuerdo, lograron un consenso sobre etiquetas para cada subproceso: sencillo, bajo, moderado y sin decisión. (Resultó que no había subprocesos muy complejos en el conjunto).
El equipo probó qué tan cerca dos algoritmos estándar de aprendizaje automático multiclase podían coincidir con esta clasificación experta, uno un clasificador de bosque aleatorio y el otro un clasificador bayesiano de nave multinomial. Cada uno se entrenó y validó en 450 de los subprocesos etiquetados, luego se probó en los 50 restantes. La precisión se midió en términos de precisión, o la proporción de verdaderos positivos recuperados a la suma de verdaderos y falsos positivos recuperados, y recuperación, o la proporción de verdaderos positivos recuperados a todos los positivos en el conjunto.
En las cuatro etiquetas de su conjunto de complejidad de toma de decisiones clínicas directa, baja, moderada o nula, con una puntuación de 1.0 que significa perfección, el mejor desempeño del Los dos modelos de aprendizaje automático del equipo fueron 0,58 en precisión y 0,63 en recuperación.
«Aunque superaron con creces a un tercer programa que calificó la complejidad simplemente sumando la cantidad de términos médicos en cada cadena de mensajes, ninguno de los dos algoritmos de aprendizaje automático entrenados actualmente podrían considerarse adecuados para uso clínico sin más datos y análisis», dijo la autora principal del estudio, Lina Sulieman, Ph.D., investigadora del Departamento de Informática Biomédica. «Entre los detalles de este estudio hay varios hallazgos que pueden ayudarnos a mejorar este tipo de análisis automatizado en el futuro».
Estudios anteriores de Sulieman y otros han utilizado el aprendizaje automático para clasificar los mensajes entrantes de los pacientes de acuerdo con el estado general. tipos de necesidades expresadas en ellos médicas, logísticas, informativas, etc. Según los autores, este parece ser el primer intento de clasificar automáticamente los hilos de mensajes de acuerdo con la complejidad de la decisión clínica.
Según el estudio, el paciente de VUMC El portal, My Health at Vanderbilt (la fuente de los hilos utilizados en el estudio), recibe alrededor de 30 000 mensajes de pacientes y familiares en un mes típico.
«La mensajería segura es una de las características más populares de portales de pacientes, con hospitales experimentando un crecimiento exponencial en el volumen de mensajes», dijo Sulieman. «Cuantificar la complejidad de la toma de decisiones en los mensajes de los pacientes puede facilitar la identificación de la persona adecuada para administrar el hilo y responder a los mensajes en función del nivel de complejidad médica. Actualmente, este es un proceso manual y encontrar una manera de automatizar realizar el triaje puede ahorrar tiempo dedicado a leer el mensaje y delegar la tarea a la persona adecuada del equipo».
Explore más
Clasificación automática de mensajes de pacientes Más información: Lina Sulieman et al. Automatización de la clasificación de la complejidad de la toma de decisiones médicas en la mensajería entre pacientes y proveedores en un portal para pacientes, Journal of Surgical Research (2020). DOI: 10.1016/j.jss.2020.05.039 Información de la revista: Journal of Surgical Research
Proporcionado por la Universidad de Vanderbilt Cita: El estudio usa IA para clasificar los mensajes de los pacientes por complejidad (2020, 28 de agosto) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-08-ai-patient-messages-complexity.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.