Un modelo de inteligencia artificial (IA) mejoró los resultados en pacientes ingresados en el hospital al cuadrar la tasa de detección y tratamiento de Dialectorium. Este modelo indica pacientes y alerta a un equipo especialmente capacitado para evaluar al paciente y planificar el tratamiento si es necesario.
El modelo, desarrollado por los investigadores de la Escuela de Medicina de la Icahn Mount Sinai, se ha integrado en los trabajos del hospital, lo que ayuda a los asistentes al salud a identificar y administrar el dialora, una condición que afecta a un tercio de los pacientes ingresados en el hospital.
En este estudio, el primer estudio que demuestra que el modelo de asignación de riesgo delativo de impotencia a IA no solo puede funcionar bien en el entorno de laboratorio, sino que también proporciona beneficios del mundo real en la práctica clínica, publicado en la edición en línea del 7 de mayo de 2025. La red abierta.
El retraso es una confusión repentina y severa que causa riesgos que amenazan la vida y a menudo no se descubre en pacientes hospitalizados. Sin tratamiento, puede aumentar el hospital, aumentar el riesgo de muerte y empeorar los resultados a largo plazo. Los investigadores dicen que hasta ahora, los modelos de profecía audaces de AI están luchando por mostrar una mejora sólida en el cuidado de los pacientes.
“ماؤنٹ سینا میں ہمارے مطالعے کے پیچھے محرک وellos لئے حقیقی دنیا کے فوائد نہیں دکھائے ہیں ، ، “ایم ڈی ، ماؤنٹ سینا ہیلتھ س tel کے بانی اور ڈریکٹر ، ی ڈی ڈی ی ی ڈی ی ی ی ، ، ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی ڈی نفسیاablemente کے پروفیسر ، اور نیورو سائنس ، اور نیورو سائنس ، اور نیورو سائنس ، ، نیورور NOT. اے آئی اے iiaia dije. “Queríamos cambiar eso al crear un modelo que calcule con precisión el riesgo de retraso en tiempo real e integre fácilmente los flujos de trabajo clínicos, lo que ayuda al personal del hospital a atrapar y tratar a más pacientes con marcado que de otro modo se puede ignorar”.
En lugar de crear un modelo de IA de forma aislada y luego examinarlo en hospitales, el equipo de investigación trabajó con los médicos de Mount Sina y el personal del hospital desde el principio. El enfoque de esta “integración vertical” les permitió mejorar el modelo en tiempo real, asegurando que fuera efectivo y práctico para el uso médico.
Cuando se despliega en Mount Sinai, el modelo AI mejoró la detección dramáticamente de audacia, lo que resulta en:
Aumento del 400 % en los casos identificados sin gastar en la detección de pacientes
ADERS Prescripción segura al reducir el uso de medicamentos potencialmente inapropiados en adultos mayores
Real Un hospital real del mundo real y rendimiento confiable
En su estudio, que incluyó a más de 32,000 pacientes que ingresaron al Hospital Mount Sina en la ciudad de Nueva York, los investigadores utilizaron un modelo de IA para analizar la combinación de datos de registros de salud electrónicos y notas terapéuticas. Utilizó el aprendizaje automático para identificar el alto riesgo de la nota de los gráficos de procesamiento del personal del hospital para identificar muestras del idioma de la nota del gráfico. Desde este punto de vista, las observaciones del personal reciben observaciones de cambios en estos pacientes que son horribles o de alto riesgo. El escritor de un personal individual puede desconocer que sus observaciones médicas están ayudando a mejorar la precisión del modelo de IA.
En particular, este modelo se probó en la población de pacientes altamente diversos, que tiene una amplia gama de médicos y quirúrgicos, que generalmente es mucho más amplio que los grupos estrechos involucrados en el estudio de los modelos de profecía del riesgo de delirio basado en el aprendizaje automático.
Este dispositivo ha mejorado significativamente las tasas mensuales de detección delativa, de 4.4 a 17.2 por ciento, lo que permite la primera intervención. Los pacientes identificados también recibieron dosis bajas de drogas ridículas, se mejoró potencialmente los efectos secundarios y la atención general.
“Nuestro modelo no está a punto de reemplazar a los médicos, se trata de darles una herramienta poderosa para suavizar su trabajo”, dice el Dr. Fredman. “Al levantar la vida de una amplia gama de datos de pacientes, nuestro enfoque de aprendizaje automático permite a los proveedores de atención médica enfocar sus habilidades de manera más eficiente y más precisión, diagnóstico y tratamiento de precisión”.
Aunque el modelo AI ha presentado fuertes resultados en el Hospital Mount Sinai, y se examina el otro Monte Siena, los otros sistemas hospitalarios deberán validarse para que su rendimiento pueda evaluarse en diferentes entornos y ajustar si es necesario.
“Esta investigación muestra que estamos saltando cuántico en apoyo de la decisión clínica con poder de IA en las operaciones hospitalarias. Estamos mejorando la seguridad y los resultados de los pacientes al llevar al equipo adecuado al paciente correcto en el momento correcto para que los pacientes obtengan atención especial”. “Necesitamos convertirnos en un sistema de salud de aprendizaje, debemos continuar esta ruta para desarrollar, probar, desplegar y tonificar fino sin interrupción en la gripe de atención médica.
