La IA podría aliviar el hacinamiento en las salas de emergencias

Los programas de inteligencia artificial (IA) podrían ayudar a médicos y enfermeras a anticipar con varias horas de antelación qué pacientes en urgencias probablemente necesitarán ser admitidos en el hospital, según un estudio reciente.

Un sistema de IA, entrenado con casi 2 millones de registros de visitas de pacientes, demostró ser un poco más preciso que las enfermeras de urgencias al predecir qué pacientes requerirían hospitalización, según los resultados publicados en la edición del 11 de agosto de la revista Mayo Clinic Proceedings: Digital Health.

Si este método resulta efectivo, podría contribuir a disminuir el hacinamiento en las salas de emergencia de los hospitales, señalaron los investigadores.

Jonathan Nover, investigador principal y vicepresidente de servicios de enfermería y emergencias del Sistema de Salud Mount Sinai en Nueva York, comentó que "el hacinamiento y el internado en urgencias se han convertido en una crisis nacional que afecta desde los resultados de los pacientes hasta la rentabilidad".

Explicó que, a diferencia de industrias como las aerolíneas o la hotelería, que usan reservas para anticipar la demanda y planificar, en urgencias no existen reservas. “Imagina aerolíneas y hoteles sin reservas, solo pronósticos basados en tendencias históricas. Eso es lo que sucede en la atención médica”, añadió.

Según un estudio reciente publicado en Health Affairs, hasta el 35 % de los pacientes que requieren admisión en urgencias pasan cuatro horas o más esperando una cama libre, ya sea en habitaciones o en pasillos, situación conocida como "internado". Además, casi un 5 % esperan hasta un día completo durante los meses de mayor afluencia en invierno.

El objetivo de los investigadores fue determinar si la combinación de IA con la experiencia de las enfermeras podía agilizar la planificación de admisiones, funcionando como una especie de sistema de reservas. "Creamos una herramienta para prever las necesidades de ingreso antes de que se realice el pedido, brindando información que podría transformar la gestión del flujo de pacientes en los hospitales y mejorar los resultados", dijo Nover.

Para desarrollar la IA, el equipo utilizó datos de más de 1.8 millones de visitas a urgencias registradas entre 2019 y 2023. El Dr. Eyal Klang, coinvestigador principal y jefe de IA generativa en la Escuela de Medicina Icahn de Mount Sinai, explicó que el objetivo era identificar patrones significativos para anticipar las admisiones mejor que los métodos tradicionales.

Posteriormente, compararon las predicciones del sistema con las de más de 500 enfermeras que evaluaron cerca de 47,000 visitas ocurridas en septiembre y octubre de 2024 en seis salas de emergencia del mismo sistema de salud.

Después de un triaje rápido, las enfermeras debían estimar si un paciente necesitaría hospitalización. Al mismo tiempo, la IA recibió los datos del triaje para realizar sus propias predicciones.

Los resultados mostraron que las enfermeras lograron una precisión aproximada del 81 % en sus predicciones, mientras que la IA alcanzó un 85 %.

Robert Freeman, coinvestigador y director de transformación digital de Mount Sinai, destacó que fue alentador ver que la IA podía hacer predicciones complejas por sí sola, pero también resaltó el papel fundamental de las enfermeras, quienes participaron activamente, demostrando cómo la experiencia humana y el aprendizaje automático pueden colaborar para transformar la atención médica.

Los investigadores planean integrar esta IA en los procesos de trabajo en tiempo real y evaluar su impacto en los tiempos de ingreso y en la gestión de pacientes en urgencias.

Freeman concluyó que esta herramienta no busca sustituir a los médicos, sino apoyarlos. "Al predecir las admisiones con anticipación, podemos brindar a los equipos de salud el tiempo necesario para planificar, coordinar y ofrecer una atención mejor y más humana. Es emocionante ver que la IA se convierte en una solución práctica y tangible, desarrollada junto a quienes cuidan a los pacientes cada día".