Um estudo piloto liderado por investigadores da Escola de Medicina da Universidade da Califórnia em San Diego descobriu que a inteligência artificial (IA) avançada poderia potencialmente levar a relatórios de qualidade hospitalar mais fáceis, rápidos e eficientes, mantendo ao mesmo tempo uma elevada precisão, o que poderia levar a uma melhor prestação de cuidados de saúde.
Os resultados do estudo, publicados na edição online de 21 de outubro de 2024 do New England Journal of Medicine (NEJM) IAdescobriram que um sistema de IA que utiliza grandes modelos de linguagem (LLMs) pode processar com precisão medidas de qualidade hospitalar, alcançando 90% de concordância com relatórios manuais, o que poderia levar a abordagens mais eficientes e confiáveis para relatórios de cuidados de saúde.
Os pesquisadores do estudo, em parceria com o Centro Joan e Irwin Jacobs para Inovação em Saúde da UC San Diego Health (JCHI), descobriram que os LLMs podem realizar abstrações precisas para medidas de qualidade complexas, particularmente no contexto desafiador dos Centros de Medicare e Medicaid Serviços (CMS) Medida SEP-1 para sepse grave e choque séptico.
“A integração dos LLMs nos fluxos de trabalho hospitalares mantém a promessa de transformar a prestação de cuidados de saúde, tornando o processo mais em tempo real, o que pode melhorar o atendimento personalizado e melhorar o acesso dos pacientes a dados de qualidade”, disse Aaron Boussina, pesquisador de pós-doutorado e autor principal do estudo na Escola de Medicina da UC San Diego. “À medida que avançamos nesta pesquisa, imaginamos um futuro onde os relatórios de qualidade não serão apenas eficientes, mas também melhorarão a experiência geral do paciente”.
Tradicionalmente, o processo de abstração para o SEP-1 envolve uma avaliação meticulosa de 63 etapas de extensos prontuários de pacientes, exigindo semanas de esforço de vários revisores. Este estudo descobriu que os LLMs podem reduzir drasticamente o tempo e os recursos necessários para esse processo, digitalizando com precisão os prontuários dos pacientes e gerando insights contextuais cruciais em segundos.
Ao abordar as complexas exigências da medição da qualidade, os investigadores acreditam que as descobertas abrem caminho para um sistema de saúde mais eficiente e responsivo.
“Continuamos diligentes em nosso caminho para alavancar tecnologias para ajudar a reduzir a carga administrativa dos cuidados de saúde e, por sua vez, permitir que nossos especialistas em melhoria de qualidade passem mais tempo apoiando os cuidados excepcionais que nossas equipes médicas fornecem”, disse Chad VanDenBerg, co-professor do estudo. autor e diretor de qualidade e segurança do paciente da UC San Diego Health.
Outras conclusões importantes do estudo revelaram que os LLMs podem melhorar a eficiência corrigindo erros e acelerando o tempo de processamento; redução de custos administrativos através da automatização de tarefas; permitindo avaliações de qualidade quase em tempo real; e são escaláveis em vários ambientes de cuidados de saúde.
As etapas futuras incluem a validação dessas descobertas pela equipe de pesquisa e sua implementação para melhorar dados confiáveis e métodos de relatório.
Os co-autores deste estudo incluem Shamim Nemati, Rishivardhan Krishnamoorthy, Kimberly Quintero, Shreyansh Joshi, Gabriel Wardi, Hayden Pour, Nicholas Hilbert, Atul Malhotra, Michael Hogarth, Amy Sitapati, Karandeep Singh e Christopher Longhurst, todos da UC San Diego.
Este estudo foi financiado, em parte, pelo Instituto Nacional de Alergia e Doenças Infecciosas (1R42AI177108-1), pela Biblioteca Nacional de Medicina (2T15LM011271-11 e R01LM013998) e pelo Instituto Nacional de Ciências Médicas Gerais (R35GM143121 e K23GM146092) e JCHI .
