“Inteligencia Artificial y prospectiva del ejercicio profesional”

Inteligencia Artificial y la Toma de Decisiones Clínicas: Una Práctica Progresiva

Actualmente, basamos nuestras decisiones en las experiencias cotidianas y en los recursos que tenemos a nuestro alcance. Poseemos tanta información de forma masiva e inmediata que nos resulta compleja la revisión de cada fuente, y recurrimos al trabajo colectivo para tomar decisiones conjuntamente. Esta situación no es ajena al paradigma clínico, pues la toma de decisiones en este ámbito requiere de la mejor evidencia disponible (Akobeng, 2005). Un proceso metodológico desarrollado en este ámbito es la estandarización, la cual se basa en las decisiones tomadas por los expertos clínicos para compilar estrategias que disminuyan la variabilidad en el diagnóstico, tratamiento y seguimiento del paciente (Lefèbvre, 2008). A raíz de la falta de recursos tanto económicos como humanos en el contexto hospitalario de un país de medianos ingresos, se recurre a ejercicios de priorización de temas que sean objeto de la estandarización (Buitrago et al., 2021; Jaeschke et al., 2008). Dentro de las opciones implementadas para desarrollar ejercicios de priorización, encontramos una que consiste en la utilización de métodos estadísticos y computacionales de inteligencia artificial (IA), que permitan el cálculo de medidas objetivas para generar un ordenamiento descendente de los temas a priorizar (Topff et al., 2023; van der Sanden et al., 2002).

En el transcurso de mi labor en el Hospital Universitario Nacional de Colombia (HUN), he podido implementar herramientas de IA como el Análisis de Componentes Principales (ACP), una técnica de aprendizaje no supervisado que sintetiza la multidimensionalidad presente en las bases de datos institucionales (Pardo, 2019). Los coeficientes obtenidos del ACP se implementan como pesos en el cálculo del Índice de Carga de Utilización de Servicios de Salud (ICUSS), una medida que permite generar un ordenamiento de los grupos de enfermedades y/o condiciones clínicas definidos por los tres primeros dígitos del código diagnóstico de Clasificación Internacional de Enfermedades, décima revisión (CIE-10).

Después de obtenido el ICUSS para cada CIE-10, estos se ordenaron de manera descendente con base en el valor obtenido, considerando que, a mayor valor, mayor es el grado de prioridad para su estandarización.

Figura 1

Quince primeros grupos de enfermedades y/o condiciones resultantes del ordenamiento descendente con base en el ICUSS (Herrera Villamizar, 2021)

El ICUSS es una medida ponderada que tiene en cuenta la heterogeneidad en la práctica clínica (Buitrago & Amaya, 2021). Fue desarrollado como parte de la fase de priorización del proceso de generación de Estándares Clínicos Basados en la Evidencia (ECBE), una iniciativa del HUN para la adaptación de Guías de Práctica Clínica que busca disminuir la variabilidad en la atención de los pacientes con una enfermedad y/o condición específica. De esta manera, se puede determinar que el ICUSS demuestra la importancia de complementar la investigación clínica con herramientas de IA para la toma de decisiones de manera objetiva.

Figura 2

Tres de los diecisiete ECBE desarrollados para el año 2022