NEJM AI. 2025 Aug; 2(8): DOI: 10.1056/AIoa2400804.
La calidad de la espirometría y la confianza en su interpretación son muy variables en atención primaria, lo que contribuye al infradiagnóstico, sobrediagnóstico y diagnóstico erróneo de enfermedades respiratorias crónicas en todo el mundo. Se ha demostrado que el software de apoyo a la toma de decisiones con inteligencia artificial (IA) mejora la precisión de la interpretación de la función pulmonar en la atención especializada, pero su aplicabilidad a la atención primaria sigue siendo desconocida.
Se realizó un ensayo de superioridad controlado, aleatorizado y de grupos paralelos para evaluar si el software de apoyo a la toma de decisiones con IA mejora el rendimiento de la interpretación de la espirometría por parte de los médicos de atención primaria. Médicos de atención primaria que derivan, realizan o interpretan espirometrías evaluaron 50 registros de espirometrías de pacientes del mundo real, proporcionando el diagnóstico más probable ("diagnóstico preferido") a través de una plataforma en línea con (intervención) o sin (control) software de apoyo a la toma de decisiones de IA. El criterio principal de valoración fue el rendimiento de la predicción del diagnóstico preferido, medido como el porcentaje de casos en los que el diagnóstico preferido coincidía con el diagnóstico de referencia predeterminado por neumólogos expertos. Un análisis de subgrupos planificado se centró en los casos con diagnóstico de enfermedad pulmonar obstructiva crónica (EPOC). Los criterios secundarios fueron el rendimiento en la predicción de diagnósticos diferenciales, la evaluación de la calidad técnica, la interpretación de patrones y la confianza autoevaluada en la interpretación.
De 400 clínicos evaluados para la elegibilidad, 234 fueron asignados aleatoriamente, y 133 (57 %) completaron la evaluación (intervención, n=67; control, n=66), de los cuales el 73 % eran mujeres, 42 % médicos generales y 50 % enfermeras. En comparación con el grupo control, la adición del software de apoyo a la toma de decisiones con IA produjo mejoras en el rendimiento de la predicción del diagnóstico preferido en todos los casos (diferencia media, 9,0; IC 95 % 4,5 a 13,3%; p=0,001) y en los casos de EPOC (15,9; IC 95 % 9,0 a 22,7 %; p<0,001). La predicción del diagnóstico diferencial y el rendimiento de la evaluación de la calidad técnica también mejoraron con la intervención, pero no la interpretación de patrones ni los niveles de confianza del clínico.
Se concluye que, entre los médicos de atención primaria, el uso complementario de software de apoyo a la toma de decisiones de espirometría AI mejoró el rendimiento de predicción del diagnóstico, lo que puede optimizar la interpretación de la espirometría en la atención primaria.
Se realizó un ensayo de superioridad controlado, aleatorizado y de grupos paralelos para evaluar si el software de apoyo a la toma de decisiones con IA mejora el rendimiento de la interpretación de la espirometría por parte de los médicos de atención primaria. Médicos de atención primaria que derivan, realizan o interpretan espirometrías evaluaron 50 registros de espirometrías de pacientes del mundo real, proporcionando el diagnóstico más probable ("diagnóstico preferido") a través de una plataforma en línea con (intervención) o sin (control) software de apoyo a la toma de decisiones de IA. El criterio principal de valoración fue el rendimiento de la predicción del diagnóstico preferido, medido como el porcentaje de casos en los que el diagnóstico preferido coincidía con el diagnóstico de referencia predeterminado por neumólogos expertos. Un análisis de subgrupos planificado se centró en los casos con diagnóstico de enfermedad pulmonar obstructiva crónica (EPOC). Los criterios secundarios fueron el rendimiento en la predicción de diagnósticos diferenciales, la evaluación de la calidad técnica, la interpretación de patrones y la confianza autoevaluada en la interpretación.
De 400 clínicos evaluados para la elegibilidad, 234 fueron asignados aleatoriamente, y 133 (57 %) completaron la evaluación (intervención, n=67; control, n=66), de los cuales el 73 % eran mujeres, 42 % médicos generales y 50 % enfermeras. En comparación con el grupo control, la adición del software de apoyo a la toma de decisiones con IA produjo mejoras en el rendimiento de la predicción del diagnóstico preferido en todos los casos (diferencia media, 9,0; IC 95 % 4,5 a 13,3%; p=0,001) y en los casos de EPOC (15,9; IC 95 % 9,0 a 22,7 %; p<0,001). La predicción del diagnóstico diferencial y el rendimiento de la evaluación de la calidad técnica también mejoraron con la intervención, pero no la interpretación de patrones ni los niveles de confianza del clínico.
Se concluye que, entre los médicos de atención primaria, el uso complementario de software de apoyo a la toma de decisiones de espirometría AI mejoró el rendimiento de predicción del diagnóstico, lo que puede optimizar la interpretación de la espirometría en la atención primaria.
No hay comentarios:
Publicar un comentario