La IA evalúa de forma más rápida y eficaz a los pacientes para ensayos clínicos

Un nuevo estudio dirigido por investigadores del Mass General Brigham (una red de médicos y hospitales sin fines de lucro con sede en Boston), y publicado en "JAMA", señala que la inteligencia artificial (IA) puede evaluar rápidamente a los pacientes para su inclusión en ensayos clínicos; en concreto, una novedosa herramienta de evaluación de pacientes asistida por IA mejoró significativamente la velocidad de determinación de la elegibilidad y la inscripción en un ensayo clínico sobre insuficiencia cardíaca en comparación con la evaluación manual.

Estos hallazgos sugieren que el uso de la IA puede ser más económico que los métodos convencionales y acelerar el proceso de investigación. De esta forma, esto podría significar que los pacientes obtengan un acceso más temprano a tratamientos probados y efectivos, informa Ep.

"Es emocionante ver que la IA acelera la selección y la inscripción en los ensayos de forma tan sustancial en el contexto de un ensayo prospectivo aleatorizado del mundo real", comenta el coautor principal Samuel (Sandy) Aronson director ejecutivo de Soluciones de TI e IA para Mass General Brigham Personalized Medicine y director sénior de Soluciones de TI e IA para Accelerator for Clinical Transformation . "Esperamos utilizar esta capacidad para ayudar a tantos ensayos como sea posible".

El estudio asignó al azar a 4.476 pacientes para que fueran evaluados manualmente o usando IA generativa para ver si eran elegibles para el ensayo del Programa Cooperativo para la Implementación de una Terapia Óptima en Insuficiencia Cardíaca (Copilot-HF).

En la rama de IA del estudio, una herramienta de IA generativa evaluó las notas clínicas y otros datos de los registros médicos electrónicos de los pacientes para determinar si cumplían con los criterios de elegibilidad clave para el estudio de insuficiencia cardíaca. Los criterios incluían síntomas, enfermedades crónicas y medicamentos actuales y anteriores, entre otros. Luego, el personal del estudio realizó una revisión breve y rápida de los registros de los pacientes que la herramienta generada por IA evaluó como elegibles para cualquier problema pendiente que no se pudiera considerar.

En la otra rama del estudio, el personal de investigación revisó manualmente las historias clínicas de los pacientes para determinar si cumplían con los criterios de elegibilidad. Los registros fueron examinados por la herramienta de IA o por el personal del estudio durante un período de tiempo determinado. El proceso de selección asistido por IA fue mucho más eficiente, ya que se examinó a 458 pacientes elegibles en comparación con los 284 pacientes examinados por el personal del estudio.

Tras este proceso, los asesores de pacientes llamaron a los pacientes considerados aptos para ver si estarían dispuestos a participar en el estudio. Los asesores no sabían si los pacientes habían sido evaluados por la herramienta de IA o por un humano, para no introducir sesgos. En el grupo de IA, se inscribieron en el ensayo 35 pacientes, en comparación con 19 pacientes en el grupo manual. "La tasa de inscripción en el grupo con IA fue casi el doble de la tasa de inscripción en el grupo manual. Esto significa que la IA podría reducir casi a la mitad el tiempo que lleva completar la inscripción en un ensayo", destaca el autor principal Ozan Unlu, miembro de Informática Clínica en Mass General Brigham y miembro de Medicina Cardiovascular en Brigham and Women's Hospital.

Dado que investigaciones anteriores han demostrado que la IA puede introducir sesgos, los investigadores realizaron análisis de raza, género y etnia en pacientes que fueron incluidos mediante el proceso de selección manual y en aquellos incluidos mediante selección asistida por IA. No encontraron diferencias significativas.

El estudio es la continuación de un estudio de "prueba de concepto" anterior. El mismo mostró en una revisión retrospectiva de los registros médicos que la herramienta de IA era ligeramente más precisa a la hora de identificar los registros de pacientes que cumplían los criterios de elegibilidad del ensayo sobre insuficiencia cardíaca, en comparación con la detección manual. Esta nueva investigación valida la herramienta como altamente efectiva en un entorno clínico activo.

"Nuestro próximo objetivo es ampliar el uso de la herramienta de detección con inteligencia artificial fuera del Mass General Brigham", comenta el coautor principal Alexander Blood, cardiólogo del Brigham and Women's Hospital y director asociado del Acelerador para la Transformación Clínica en Mass General Brigham. "Al ajustar las preguntas de elegibilidad que la herramienta Rectifier formula en las notas de la historia clínica, la detección con inteligencia artificial se puede aplicar a los ensayos que evalúan tratamientos contra el cáncer, intervenciones para la diabetes y muchos otros".