La inteligencia artificial acelera la selección de pacientes para ensayos clínicos
La selección e identificación de pacientes continúan siendo un reto en el reclutamiento para ensayos clínicos, lo que con frecuencia provoca inscripciones tardías e incompletas, aseguran algunos expertos. Esta situación agrava el elevado coste de los ensayos de resultados cardiovasculares, que puede alcanzar cientos de millones de dólares, tal y como expone una reciente publicación de la revista JAMA Network que analiza esta situación.
El análisis denominado “Preselección manual o asistida por IA para la elegibilidad de ensayos utilizando modelos de lenguaje grandes: un ensayo clínico aleatorizado”, comparó una herramienta de detección de ensayos clínicos basada en inteligencia artificial (IA) generativa con el método de selección manual, y los resultados demostraron que la IA era significativamente más eficiente en la identificación e inscripción de pacientes elegibles para un ensayo clínico sobre insuficiencia cardíaca.
De acuerdo con los expertos, los métodos convencionales de selección manual demandan una gran cantidad de trabajo y pueden representar hasta un tercio del coste total de los ensayos clínicos. Aunque el uso de consultas estructuradas en registros médicos electrónicos optimiza la eficiencia del proceso de selección, sigue siendo necesario revisar manualmente los datos no estructurados.
La inteligencia artificial (IA) permite evaluar de manera rápida la elegibilidad de los pacientes para su participación en ensayos clínicos. En comparación con la evaluación manual, la innovadora herramienta de selección asistida por IA mejoró considerablemente la velocidad de identificación e inscripción en un ensayo clínico sobre insuficiencia cardíaca. Estos resultados indican que el uso de IA no solo puede reducir costes en relación con los métodos tradicionales, sino también agilizar la investigación, facilitando así un acceso más temprano de los pacientes a tratamientos comprobados y efectivos.
Elegir a los pacientes mediante IA
El estudio asignó aleatoriamente a 4.476 pacientes para ser evaluados mediante selección manual o a través de inteligencia artificial generativa, con el objetivo de determinar su elegibilidad para el ensayo del Programa Cooperativo para la Implementación de una Terapia Óptima en Insuficiencia Cardíaca (COPILOT-HF).
En el grupo evaluado por IA, se utilizó una herramienta generativa denominada RAG-Enabled Clinical Trial Infrastructure for Inclusion Exclusion Review (RECTIFIER), la cual analizaba notas clínicas y otros datos de los registros médicos electrónicos para identificar si los pacientes cumplían con los criterios clave de elegibilidad. Estos criterios incluían la presencia de síntomas, enfermedades crónicas y el historial de medicación, entre otros factores. Posteriormente, el personal del estudio realizaba una revisión breve de los casos seleccionados por la IA para resolver posibles dudas que no pudieran ser evaluadas automáticamente.
En la otra rama del estudio, el equipo de investigación llevó a cabo una revisión manual de las historias clínicas para determinar la elegibilidad de los pacientes.
Durante un período determinado, los registros fueron analizados tanto por RECTIFIER como por el personal del estudio. Sin embargo, el proceso de selección asistido por IA resultó significativamente más eficiente, logrando evaluar a 458 pacientes elegibles, frente a los 284 revisados manualmente.
Tras esta fase, los asesores de pacientes contactaron a los participantes considerados aptos para confirmar su disposición a formar parte del estudio. Para evitar sesgos, los asesores desconocían si la evaluación había sido realizada por la herramienta de IA o mediante revisión humana. Finalmente, 35 pacientes del grupo de IA se inscribieron en el ensayo, en comparación con 19 del grupo evaluado manualmente.
“La tasa de inscripción en el grupo con IA fue casi el doble de la tasa de inscripción en el grupo manual, lo que significa que la IA podría reducir casi a la mitad el tiempo que lleva completar la inscripción en un ensayo”, explicó el autor principal, Ozan Unlu, miembro de Informática Clínica en Mass General Brigham y miembro de Medicina Cardiovascular en Brigham and Women’s Hospital.
Conocimiento previo
Dado que estudios previos han demostrado que la inteligencia artificial puede introducir sesgos, los investigadores llevaron a cabo un análisis comparativo de raza, género y etnia entre los pacientes seleccionados manualmente y aquellos evaluados mediante IA. Los resultados no mostraron diferencias significativas entre ambos grupos.
Este estudio es una continuación de una investigación previa de “prueba de concepto” publicada en junio en NEJM AI. En este trabajo anterior, una revisión retrospectiva de los registros médicos reveló que la herramienta RECTIFIER era ligeramente más precisa que la selección manual en la identificación de pacientes que cumplían los criterios de elegibilidad para el ensayo sobre insuficiencia cardíaca. La nueva investigación refuerza estos hallazgos, validando la herramienta como una alternativa altamente efectiva en un entorno clínico real.
(gacetamedica.com)
Les estaremos informando con mucho más detalle, en el marco del informe especial: “Soluciones de infraestructura de Data centers y edge computing, componentes activos (UPS, AAC, generadores, tableros eléctricos, PDU) y pasivos (cables, gabinetes, pisos, accesorios, conectores), ciberseguridad, seguridad (perimétrica y de data) y controles (cámaras, extinguidores de gas, tableros de acceso). Energía limpia: generadores solares de energía para Data centers. Equipamiento integral para y hacia la nube. Cableado y gestión de cableado estructurado. Buenas prácticas ambientales», que estamos preparando para nuestra edición 212 y publicaremos en el mes de febrero.
Mantente conectado a nuestra revista Channel News Perú, haciendo clic aquí y suscribiéndote a nuestro newsletter para contenido de valor diario.
