Una IA logra encontrar pacientes para ensayos clínicos en solo una semana y supera a los métodos tradicionales
MADRID, 31 Mar. Agencias –
Una investigación recientemente publicada por Cleveland Clinic y Dyania Health (Estados Unidos) demuestra cómo un sistema de modelo de lenguaje grande entrenado médicamente puede examinar de manera precisa y eficiente los registros médicos electrónicos (EMR) para identificar a los pacientes que son elegibles para un ensayo clínico de una enfermedad rara.
El estudio, publicado en ‘The Journal of Cardiac Failure’, la revista oficial de la Heart Failure Society of America, ofrece evidencia del mundo real de que la revisión de historias clínicas habilitada por inteligencia artificial (IA) puede mejorar la velocidad, la precisión y la equidad de la inscripción en los ensayos.
EL CUELLO DE BOTELLA INVISIBLE EN LOS ENSAYOS CLÍNICOS
El estudio evaluó el desempeño de un sistema de IA, desarrollado por Dyania Health e implementado en la Clínica Cleveland, encargado de realizar una evaluación previa de los participantes para DepleTTR-CM, un ensayo de fase 3 para la miocardiopatía amiloide por transtiretina (ATTR-CM), un tipo de insuficiencia cardíaca que se observa principalmente en adultos mayores.
En una semana, el sistema revisó a 1.476 pacientes e identificó a 46 como posibles candidatos. Entre los hallazgos, se detectó que de los 30 pacientes identificados como candidatos para el ensayo a través del sistema de IA y la revisión por parte de un médico no habían sido identificados mediante el reclutamiento tradicional. Así, el sistema de IA logró una precisión del 96,2% al responder 7.700 preguntas específicas del ensayo en 9 dominios.
Finalmente, siete pacientes se inscribieron a través de la evaluación asistida por IA antes de finalizar la inscripción debido a que alcanzaron el objetivo de inscripción del sitio, en comparación con 10 a través de la evaluación tradicional durante 90 días.
Los revisores médicos consideraron que las justificaciones de la IA para las conclusiones de los criterios eran 100% precisas e interpretables. El sistema excluyó correctamente a 198 de 200 pacientes no elegibles, logrando un valor predictivo negativo (VPN) del 99%. Cabe destacar que el proceso basado en IA resultó en una población de pacientes más diversa. De los 30 pacientes identificados mediante IA, el 36,6% eran de raza negra, en comparación con solo el 7,1% identificados mediante pruebas de detección sistemáticas.
Además, solo el 60% de los pacientes identificados mediante IA habían sido previamente conectados a un especialista en insuficiencia cardíaca, en comparación con el 92,8% de los identificados mediante métodos tradicionales, lo que sugiere que la IA puede ampliar el acceso a los ensayos clínicos entre poblaciones tradicionalmente poco inscritas.
«Este estudio demuestra cómo la IA con entrenamiento médico puede facilitar la revisión de historias clínicas a gran escala, transformando lo que tradicionalmente ha sido un proceso laborioso», informa Trejeeve Martyn, investigador principal del estudio y director de Salud Poblacional con Insuficiencia Cardíaca en la Clínica Cleveland.
«Al identificar rápidamente candidatos de alta calidad para ensayos clínicos en un amplio sistema de salud, podemos aumentar la eficiencia del reclutamiento y la inclusión de pacientes de diferentes orígenes y de una zona geográfica más amplia. Confiamos en que esta tecnología se pueda utilizar en todo nuestro sistema de salud y estamos estudiando cómo la plataforma puede ayudar a acelerar la investigación observacional, los registros de enfermedades y la implementación basada en la evidencia de terapias aprobadas que están infrautilizadas».
El sistema de IA utilizó una combinación de datos estructurados de la HCE y procesamiento del lenguaje natural para analizar notas clínicas complejas e informes de laboratorio. Además, proporcionó justificaciones detalladas y auditables para cada decisión de inclusión o exclusión, lo que permitió a los coordinadores de investigación verificar la elegibilidad con confianza.
MÁS PRECISIÓN, MÁS RAPIDEZ Y MÁS PACIENTES NO DETECTADOS
«La investigación clínica suele verse limitada por la eficiencia y equidad con la que podemos asignar pacientes a los ensayos», reflexiona Eirini Schlosser, directora ejecutiva y cofundadora de Dyania Health. «Este estudio proporciona evidencia convincente de que la IA puede ayudar a resolver ese obstáculo, no solo mejorando la eficiencia del flujo de trabajo, sino también ayudando a identificar pacientes elegibles que, de otro modo, podrían pasar desapercibidos, especialmente aquellos de grupos históricamente subrepresentados».
El modelo de IA, Synapsis AI, se integró en el sistema de Historia Clínica Electrónica (HCE) de Cleveland Clinic y analizó datos de 25 hospitales y 250 centros ambulatorios en Ohio, Florida y Nevada. La validación por parte del equipo clínico fue un componente esencial del flujo de trabajo para garantizar la seguridad y la precisión.
La implementación real de la IA en un ensayo clínico presencial, así como las métricas de rendimiento y los hallazgos sobre diversidad, sugieren una oportunidad para ampliar las herramientas basadas en IA para la correspondencia de ensayos clínicos, los registros de salud poblacional y la generación de informes de calidad en tiempo real.
CL11
