Año 2023 / Volumen 115 / Número 3
Carta
¿Puede la inteligencia artificial mejorar la eficiencia en las derivaciones desde Atención Primaria a atención especializada?

141-142

DOI: 10.17235/reed.2022.9020/2022

Marta Tejedor, Antonio Herrero, Carlos Castresana, Raúl Mesón, Juan Carlos Taracido, Marta Sánchez, María Delgado,

Resumen
La sobrecarga del modelo asistencial actual hace que la búsqueda de estrategias que logren mejorar la eficiencia de los procesos sea esencial. Se empleó un algoritmo de inteligencia artificial (IA) basado en “pipelines” de Procesamiento del Lenguaje Natural (1-5). Dicho algoritmo analizaba los partes de derivación desde Atención Primaria de nuestro área de salud para identificar los motivos de consulta más frecuentes y asignarles un protocolo para la realización de pruebas complementarias antes de ser vistos por primera vez en atención especializada. Hemos comparado todas las derivaciones recibidas en el primer semestre de 2018, previo a la implantación del algoritmo en Julio de 2018, con las recibidas en el primer semestre de 2019. El objetivo fue evaluar la eficiencia de dicha medida en el Servicio de Aparato Digestivo, en términos de número de altas, necesidad de pruebas complementarias ulteriores y el número de consultas sucesivas generadas (índice sucesivas/primeras, ISP). En 2018, se recibieron 1799 derivaciones, 1309 de nuestro área de salud y 490 de fuera del área. En 2019, fueron 2261, 1392 de área y 869 de fuera de área. El algoritmo de IA se aplicó a 437 de los 1392 pacientes derivados de área (31.4%). Globalmente, en 2019 se redujeron el número de analíticas y tomografías solicitadas en la primera visita (55.3 vs 61.4% y 4.4 vs 7.4% respectivamente, p<0.05 para ambas comparaciones). El ISP en 2019 fue de 1.9 ± 0.04 vs 2.26 ± 0.07 en 2018 (p<0.05). Entre los pacientes de nuestro área de salud, se observó un mayor número de altas en la primera consulta en 2019. Disminuyó el número de pruebas complementarias solicitadas a pacientes derivados usando el algoritmo de IA comparado con 2018. El ISP en pacientes derivados usando el algoritmo de IA fue de 1.72 ± 0.08, frente a 2.25 ± 0.08 en 2018 (p<0.05) y 1.93 ± 0.07 entre los derivados por vía normal en 2019 (p=0.07). Entre los pacientes de fuera del área, el número de endoscopias solicitadas en 2019 fue mayor. El ISP mejoró en 2019 (1.95 ± 0.06 vs 2.29 ± 0.13, p<0.05). El número de pacientes derivados empleando el algoritmo de IA sigue siendo bajo, lo que podría explicar la ausencia de diferencias observada en el número de altas o pruebas solicitadas comparado con los pacientes derivados por vía normal. Sin embargo, sí se logra reducir el número de exploraciones endoscópicas y de revisiones solicitadas para estos pacientes.
Share Button
Nuevo comentario
Comentarios
No hay comentarios para este artículo.
Bibliografía
Pérez A, Weegar R, Casillas A, Gojenola K, Oronoz M, Dalianis H. Semi-supervised medical entity recognition: A study on Spanish and Swedish clinical corpora. J Biomed Inform. 2017 Jul;71:16-30. doi: 10.1016/j.jbi.2017.05.009. Epub 2017 May 16. PMID: 28526460.
Nguyen AN, Truran D, Kemp M, et al. Computer-Assisted Diagnostic Coding: Effectiveness of an NLP-based approach using SNOMED CT to ICD-10 mappings. AMIA Annu Symp Proc. 2018;2018:807-816. Published 2018 Dec 5. PMID: 30815123
Spasic I, Nenadic G. Clinical Text Data in Machine Learning: Systematic Review. JMIR Med Inform. 2020 Mar 31;8(3):e17984. doi: 10.2196/17984. PMID: 32229465; PMCID: PMC7157505.
Industrial-Strength Natural Language Processing. https://spacy.io/ [Acceso 19/6/2022].
Natural Language Processing Library. https://www.johnsnowlabs.com/ [Acceso 19/6/2022].
Instrucciones para citar
Tejedor M, Herrero A, Castresana C, Mesón R, Taracido J, Sánchez M, et all. ¿Puede la inteligencia artificial mejorar la eficiencia en las derivaciones desde Atención Primaria a atención especializada? . 9020/2022


Descargar en un gestor de citas

Descargue la cita de este artículo haciendo clic en uno de los siguientes gestores de citas:

Métrica
Este artículo ha sido visitado 864 veces.
Este artículo ha sido descargado 106 veces.

Estadísticas de Dimensions


Estadísticas de Plum Analytics

Ficha Técnica

Recibido: 20/06/2022

Aceptado: 23/06/2022

Prepublicado: 30/06/2022

Publicado: 07/03/2023

Tiempo de prepublicación: 10 días

Tiempo de edición del artículo: 260 días


Compartir
Este artículo aun no tiene valoraciones.
Valoración del lector:
Valora este artículo:




Asociación Española de Ecografía Digestiva Sociedad Española de Endoscopia Digestiva Sociedad Española de Patología Digestiva
La REED es el órgano oficial de la Sociedad Española de Patología Digestiva, la SociedadEspañola de Endoscopia Digestiva y la Asociación Española de Ecografía Digestiva
Política de cookies Política de Privacidad Aviso Legal © Copyright 2023 y Creative Commons. Revista Española de Enfermedades Digestivas