Esta página se ha traducido automáticamente del turco. Leer el original

Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

EV0470

Llevar la inteligencia artificial a la psiquiatría: desarrollo e implementación de una herramienta de predicción y alerta basada en inteligencia artificial para eventos adversos en salud mental

BRINGING AI TO PSYCHIATRY: DEVELOPING AND IMPLEMENTING AN AI PREDICTION AND ALERTING TOOL FOR MENTAL HEALTH ADVERSE EVENTS.

Se ha desarrollado una herramienta de alerta basada en aprendizaje automático que predice el deterioro de los pacientes psiquiátricos hospitalizados a partir de datos de historias clínicas electrónicas recopilados de forma rutinaria y que ha mostrado una capacidad de discriminación superior a la de las herramientas actuariales existentes.

El objetivo del estudio es determinar si es posible construir un modelo de aprendizaje automático (machine learning, ML) con suficiente exactitud para predecir el deterioro de los pacientes en entornos de atención aguda en salud mental y evaluar este sistema de alerta mediante una prueba piloto. En cuanto a la metodología, las variables se identificaron mediante reuniones de equipo, revisiones exhaustivas y entrevistas con profesionales sanitarios; se obtuvo retrospectivamente una muestra de datos de las historias clínicas electrónicas (electronic medical record, EMR) de pacientes atendidos en el centro Waypoint entre enero de 2020 y agosto de 2024, y se desarrolló la herramienta PRIME (Predictive Risk Identification for Mental Health Events), basada en un modelo de memoria a largo y corto plazo (Long Short-Term Memory, LSTM), destinando el 80 % del conjunto de datos al entrenamiento y la validación y el 20 % a las pruebas. La muestra estuvo compuesta por 4.651 pacientes y 80 elementos de datos extraídos de las EMR; el conjunto de desarrollo abarcó de 2020 a 2023 y el de evaluación correspondió a 2024. El rendimiento de la herramienta en una ventana de predicción de 24 horas fue de un 83 % de área bajo la curva ROC (AUC ROC) y un 32 % de precisión (precision); el póster la describe como una herramienta de evaluación clínica de alta sensibilidad. En la comparación, PRIME obtuvo un AUC superior al de dos herramientas actuariales existentes: la versión para pacientes hospitalizados de la Evaluación Dinámica de la Agresión Situacional (Dynamic Appraisal of Situational Aggression, DASA-IV) y la Escala de Riesgo Agudo de Violencia (Acute Risk for Violence Scale, ARVS). La herramienta se introdujo en una fase piloto preliminar en 8 unidades de psiquiatría forense y 2 unidades de agudos, con la participación de 2 psiquiatras; la intervención consistió en alertas diarias de PRIME enviadas cada mañana a las 08:00 y encuestas diarias para recabar comentarios. En la tabla sobre las percepciones de los médicos, para la utilidad percibida, las respuestas «totalmente en desacuerdo» y «en desacuerdo» representaron el 56 %, «indeciso» el 6 %, y «de acuerdo» y «totalmente de acuerdo» el 38 %; para la exactitud percibida, los porcentajes fueron del 66 %, el 1 % y el 33 %, respectivamente. En conclusión, se señala que es posible predecir con exactitud el deterioro de los pacientes en entornos psiquiátricos utilizando datos de EMR recopilados de forma rutinaria; como siguiente paso, se prevé evaluar el impacto de PRIME en un ensayo clínico cruzado aleatorizado por conglomerados (cluster-randomized crossover).

Tüm WCP 2026 özetleri