La IA en la atención pediátrica plantea desafíos y nuevas eficiencias.

Riesgos y desafíos del uso de la IA en pediatría

Los modelos de lenguaje grandes son propensos a la “ adulación ”, o el deseo de satisfacer al usuario que los solicita, así como a las alucinaciones, que implican hallazgos fabricados, explica Desai.

Señala que el uso de la IA en pediatría también presenta desafíos porque muchas enfermedades infantiles son raras y, por lo tanto, más difíciles de predecir para los algoritmos.

“Esta es una limitación puramente bioestadística: el rendimiento de un algoritmo en la vida real depende en gran medida de la prevalencia de la afección. Cuanto más común sea la afección, más preciso será el algoritmo”, explica Desai. “Por el contrario, cuanto más rara sea la afección, peor será el rendimiento del algoritmo”.

Aunque los científicos utilizan algoritmos de aprendizaje automático para identificar afecciones pediátricas raras, como las inmunodeficiencias primarias, siguen generando una gran cantidad de resultados falsos positivos, según Desai. En consecuencia, los niños se someten a numerosas pruebas innecesarias y costosas, afirma.

LEER MÁS: La IA se está utilizando hoy en día en la atención médica de diversas maneras.

“Eso hace que estos algoritmos sean muy difíciles de implementar en el punto de atención”, dice Desai.

Además, los sesgos en la formación conllevan riesgos en pediatría.

“Es posible que algunos grupos de pacientes estuvieran subrepresentados en los datos de entrenamiento , por lo que las predicciones del modelo sobre esos pacientes son inexactas”, afirma Desai.

Para gestionar los riesgos de la IA, Texas Children's ha establecido un comité directivo y de gobernanza de la IA , afirma Teresa Tonthat, vicepresidenta y directora de informática adjunta del hospital.

El comité de gobernanza garantiza que todos los resultados de los modelos de IA requieran la intervención humana para verificar la información antes de tomar decisiones sobre los pacientes, afirma Tonthat. El comité también aborda las preocupaciones relacionadas con los requisitos regulatorios, los sesgos y las alucinaciones causadas por la IA , añade.

Dado que el sistema de salud trabaja con datos sobre niños, Texas Children's ofrece capacitación a los equipos de atención sobre las autorizaciones a través de MyChart de Epic y trabaja con proveedores como Microsoft para analizar cómo aprovechan y protegen los datos de los pacientes, afirma Tonthat.

“Nuestra tolerancia al riesgo es muy baja cuando se trata de información sobre nuestros pacientes pediátricos”, afirma Tonthat.

A pesar de los riesgos, la IA ofrece oportunidades para resolver problemas clínicos y mejorar la eficiencia en los flujos de trabajo.

Inteligencia artificial para radiología y diagnóstico en pediatría

El Hospital Infantil de Texas lleva más de una década utilizando IA y ha recurrido al modelado predictivo, la automatización, el aprendizaje profundo y el aprendizaje automático para resolver problemas clínicos, afirma Tonthat. El hospital ha estado explorando la IA generativa durante los últimos dos años, en particular con modelos que mejoran los flujos de trabajo de los equipos de atención. El interés tardó en surgir entre los equipos clínicos del Hospital Infantil de Texas, pero ahora el personal está listo para ampliar su uso, añade.

El Hospital Infantil de Texas creó un modelo de IA para que los radiólogos predijeran la edad ósea. El modelo se entrenó con millones de radiografías de manos pediátricas.

“Como tenemos millones de radiografías de imágenes de manos, hemos entrenado al modelo para que sepa en segundos cuál es la edad de la mano de ese niño desde la perspectiva de la densidad ósea”, dice Tonthat.

Según Tonthat, gracias a su modelo predictivo de edad ósea basado en IA, el Texas Children's Hospital logró reducir el tiempo de respuesta en un 50 % al integrar la IA en los flujos de trabajo clínicos de los radiólogos. El modelo de IA es fruto de la colaboración entre los departamentos de radiología y servicios de información del hospital y su comité de gobernanza y orientación de IA .

Según Desai, CHOP también está utilizando IA en radiología .

“En el ámbito de la investigación, los investigadores del CHOP están estudiando la IA para mejorar los diagnósticos radiológicos, detectar errores de laboratorio, acelerar el diagnóstico a partir de muestras patológicas y mucho más”, afirma.

Si un médico atiende a un paciente con asma mal controlada, una herramienta de IA ambiental podría recuperar automáticamente el historial de asma del paciente, resumir las consultas previas relacionadas con el asma y notificar al médico si el paciente tiene un mayor riesgo de contraer influenza, explica Desai. A continuación, verificaría qué medicamentos cubre el seguro médico del paciente y podría comenzar a generar la receta para el tratamiento del asma, añade Desai.