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

Esta página es un resumen en turco, elaborado con ayuda de inteligencia artificial, del trabajo presentado en el 26.º Congreso Mundial de Psiquiatría. El trabajo pertenece a los autores que lo presentan; para citarlo, consulte la fuente original.

EV0477

Flujo de procesamiento de inteligencia artificial para reconocer y estructurar registros retrospectivos de alta psiquiátrica procedentes de archivos digitalizados

ARTIFICIAL INTELLIGENCE PIPELINE FOR RECOGNIZING AND STRUCTURING RETROSPECTIVE PSYCHIATRIC DISCHARGE RECORDS FROM DIGITIZED ARCHIVES

Un flujo de procesamiento de cinco etapas que combina OCR y un modelo de lenguaje de gran tamaño ha transformado informes de alta psiquiátrica en papel en una base de datos de investigación estructurada de 14.554 registros, con un alto grado de completitud en los principales campos clínicos.

El objetivo es desarrollar y evaluar un flujo de procesamiento (pipeline) de inteligencia artificial de extremo a extremo que convierta registros de alta psiquiátrica digitalizados de forma heterogénea en una base de datos relacional de investigación validada y apta para el análisis epidemiológico. El material consiste en informes de alta en papel procedentes de dos unidades de hospitalización de un centro federal de investigación en salud mental de Moscú: 112 archivos PDF con múltiples registros correspondientes al período 2011-2023 y fotografías de páginas en formatos JPG y HEIC, con un total de 429 archivos fuente únicos e ingresos que abarcan los años 2003-2023; se aplicó una inclusión consecutiva, sin muestreo probabilístico. El flujo consta de cinco etapas: conversión de las páginas en imágenes; reconocimiento óptico de caracteres (OCR) mediante Yandex Vision, con Tesseract como alternativa local; estructuración en JSON mediante YandexGPT conforme a una instrucción de sistema definida por campos (temperatura de 0,2, maxTokens de 6.000, límite de entrada de 45.000 caracteres y división de los documentos de más de 50.000 caracteres por los encabezados institucionales, seguida de su recombinación); validación (normalización de fechas, comprobación obligatoria del nombre del paciente y eliminación de registros duplicados mediante file_hash; las respuestas que completan menos del 30 % de los campos se ponen en cuarentena en lugar de incorporarse a la base de datos); y almacenamiento en SQLite. El flujo produjo 14.554 registros y extrajo más de 40 campos estructurados por ingreso. La completitud de los campos (field completeness) en los registros extraídos fue la siguiente: nombre del paciente, 100,0 %; fecha de ingreso, 98,5 %; fecha de alta, 97,9 %; código CIE-10, 94,5 %; texto del diagnóstico, 93,9 %; estado mental, 90,0 %; tratamiento administrado, 89,3 %; historia biográfica, 85,8 %; edad al ingreso, 83,1 %; fecha de nacimiento, 79,0 %; resultado del tratamiento, 67,1 %; y antecedentes familiares, 56,6 %. Mediante ingeniería de instrucciones (prompt engineering), la instrucción de sistema se redujo de aproximadamente 43 KB a unos 12 KB, y maxTokens pasó de un intervalo de 6.000-8.000 a 4.000; esto permitió reducir aproximadamente un 70 % el número de tokens por documento sin una pérdida medible de completitud de los campos. Los autores señalan que la misma configuración puede trasladarse a otros centros y otros idiomas, y que la eliminación de registros duplicados es imprescindible, ya que, de lo contrario, los PDF que contienen información de varios pacientes generan registros duplicados sin que se detecte. La limitación señalada es que la completitud no equivale a una exactitud verificada y que todavía no se ha cuantificado la concordancia de cada campo con el documento fuente.

Todos los resúmenes del WCP 2026