Vol. 26 - Num. 104
Originales
¿Puede la inteligencia artificial discriminar urgencias?
Raquel Bernal Calmarzaa, Ana Valer Martínezb, María Celada Suárezc, Sara Calmarza Delgadod, Elena Calmarza Delgadod
aPediatra. CS Quince de Mayo. Madrid. España.
bMédico de familia. CS Tarazona. Tarazona. Zaragoza. España.
cMIR-Medicina de Familia. Hospital Universitario Miguel Servet. Zaragoza. España.
dEnfermera. Hospital Ernest Lluch Martin. Calatayud. Zaragoza. España.
Correspondencia: R Bernal. Correo electrónico: raquel3433@gmail.com
Cómo citar este artículo: Bernal Calmarza R, Valer Martínez A, Celada Suárez M, Calmarza Delgado S, Calmarza Delgado E. ¿Puede la inteligencia artificial discriminar urgencias? . Rev Pediatr Aten Primaria. 2024;26:[en prensa].
Publicado en Internet: 31-10-2024 - Número de visitas: 405
Resumen
Introducción: la hiperfrecuentación en Pediatría se define como la asistencia repetida a urgencias por motivos que no requieren atención urgente o podrían ser tratados en otro nivel asistencial. Los factores que contribuyen son diversos, y pueden incluir factores socioeconómicos, culturales y psicológicos. El impacto en el sistema de salud es significativo. La inteligencia artificial (IA) tiene el potencial de ser una herramienta eficaz para reducir la hiperfrecuentación.
Metodología: se analiza la concordancia entre la información aportada por la inteligencia artificial Gemini, de acceso libre y gratuito, para 101 enfermedades frecuentes en la infancia, en comparación con la evidencia disponible. Se analiza con el coeficiente kappa ajustado.
Resultados: de las 101 patologías analizadas, la IA dio una respuesta en todas ellas. Se obtuvo un reconocimiento de la patología con un coeficiente kappa de 0,857 +/- 0,002, un reconocimiento de los signos de alarma de 0,888 +/- 0,003, una adecuación de la necesidad de acudir a urgencias de 0,876 +/- 0,005 y una adecuación de las medidas a tomar de 0,915 +/- 0,003.
Conclusiones: la inteligencia artificial basada en texto tiene una concordancia muy buena respecto a los protocolos para reconocer patologías a partir de síntomas, y muy buena para valorar la necesidad de visita a un servicio de urgencias, la valoración de los signos de alarma y las recomendaciones terapéuticas. Esta concordancia es mayor en niños mayores de tres meses de edad y para patologías comunes.
Palabras clave
● Diagnóstico ● Inteligencia artificial ● UrgenciasINTRODUCCIÓN
La hiperfrecuentación en Pediatría es un problema creciente, que puede tener un impacto negativo en la calidad de la atención y en los recursos disponibles. Se define como la asistencia repetida a urgencias por motivos que no requieren atención urgente o podrían ser tratados en otro nivel asistencial.
Los factores que pueden contribuir a la hiperfrecuentación en urgencias de Pediatría son diversos, y pueden incluir factores socioeconómicos, culturales y psicológicos1. Entre los factores socioeconómicos se incluyen la falta de acceso a la Atención Primaria, la pobreza y la inmigración. Entre los factores culturales destacan las creencias y las prácticas culturales que pueden llevar a la sobreutilización de los servicios de urgencias. Entre los factores psicológicos se incluyen la ansiedad, el estrés y la falta de confianza en la Atención Primaria.
El impacto de la hiperfrecuentación en el sistema de salud es significativo. Los hiperfrecuentadores representan una pequeña proporción de la población pediátrica, pero generan una gran cantidad de consultas2. Esto puede sobrecargar los servicios de Atención Primaria y de urgencias, y aumentar los costes sanitarios.
La hiperfrecuentación en Pediatría es un problema complejo que requiere un enfoque multidisciplinario. Las estrategias para abordar este problema incluyen: la educación de los pacientes y los padres, la mejora del acceso a la Atención Primaria y el desarrollo de programas de atención a la hiperfrecuentación.
La inteligencia artificial (IA) está revolucionando el campo de la medicina, con aplicaciones en una amplia gama de áreas, desde el diagnóstico y el tratamiento de enfermedades hasta la investigación y el desarrollo de nuevos fármacos3. Según varios estudios, la IA tiene el potencial de ser una herramienta eficaz para reducir la hiperfrecuentación4. La IA puede utilizarse para clasificar a los pacientes en función de su nivel de urgencia, así como para proporcionar información y apoyo a los pacientes y sus padres5.
Pese a que se ha demostrado la utilidad de la IA para triar pacientes en urgencias pediátricas, no existe evidencia científica acerca de la utilidad de esta herramienta como asistente en la decisión de los padres de acudir o no a urgencias6.
El objetivo de este estudio es la medición del nivel de concordancia entre el resultado mostrado por la inteligencia artificial Gemini (antes Bard) y la mejor bibliografía disponible en 101 patologías frecuentes y relevantes en cuatro variables: reconocimiento de la patología, corrección de los signos de alarma, necesidad de acudir a urgencias y medidas a tomar en el domicilio.
Como objetivos secundarios se establecen estudiar la concordancia entre el resultado mostrado por la inteligencia artificial Gemini y la mejor bibliografía disponible en 101 patologías frecuentes y relevantes en cuatro variables: reconocimiento de la patología, corrección de los signos de alarma, necesidad de acudir a urgencias y medidas a tomar en el domicilio, distribuidas por grupos de patología. Asimismo, se intentan determinar los factores que pueden influir en la inteligencia artificial Gemini a la hora de diagnosticar con mayor o menor precisión y exactitud.
MATERIAL Y MÉTODOS
Se trata de un estudio observacional que compara los resultados obtenidos de preguntar al sistema Gemini con la mejor evidencia científica disponible, entendiéndose como tal los protocolos de la Sociedad Española de Urgencias Pediátricas (SEUP)7 y los algoritmos de la Asociación Española de Pediatría de Atención Primaria (AEPap)8.
Se utiliza el sistema de inteligencia artificial Gemini, un modelo de aprendizaje automático entrenado en un conjunto de datos masivo de texto y código, que tiene la capacidad de generar texto y responder preguntas de manera informativa en castellano.
Gemini es uno de los modelos de lenguaje más grandes del mundo, con 137 billones de parámetros. Esto le permite aprender patrones y relaciones complejas en el lenguaje. Por otra parte, tiene acceso a un conjunto de datos masivo de texto y código, lo que le permite aprender sobre un amplio espectro de temas. Puede generar texto de alta calidad, que es gramaticalmente correcto y coherente, y responder preguntas de manera informativa, incluso si son abiertas. Se trata de un modelo de lenguaje libre y de uso gratuito, lo que facilita que pueda ser utilizado por cualquier persona con acceso a Internet. Se trata de una herramienta con gran potencial para llegar a una parte importante de la población.
En cuanto al análisis de resultados, si la respuesta que aporta la IA coincide totalmente con la observada en los protocolos, se codifica como “acierto”, si falla o no es completa, se codifica como “fallo”. Se mide el nivel de concordancia, entendido como proporción de aciertos frente al total de preguntas realizadas a la IA.
La respuesta de la inteligencia artificial “es necesario que acuda a urgencias inmediatamente” o “necesita una valoración médica inmediata” se valora como necesidad de urgencia, mientras que la respuesta “debe acudir al médico” o “lleve a su hijo al médico” se valora como ausencia de necesidad de acudir a urgencias.
Se pregunta a la IA por 101 patologías, seleccionadas por gravedad y frecuencia entre los meses de diciembre de 2023 y enero de 2024. Se realiza el estudio partiendo de un paciente sano que no precisa medicación crónica.
Los síntomas por los que se pregunta a la inteligencia artificial para cada patología se encuentran en la Tabla 1. Para cada síntoma, salvo que solo sea aplicable a un determinado grupo de edad (en cuyo caso se muestra), se pregunta por dos edades: 3 meses para un lactante y 4 años para un preescolar/escolar. En el caso de patologías en las que se especifica la edad (cojera en el escolar de 6-8 años, cojera en el adolescente) se pregunta por la edad especificada.
| Tabla 1. Síntomas aportados a la inteligencia artificial | |
|---|---|
| Patología | Síntoma (s) |
| Abuso sexual | Heridas en vulva |
| Abuso sexual | Herida alrededor del ano |
| Adenopatía | Bulto en el cuello o en la ingle |
| Alergia | Ronchas rojas tras la ingesta |
| Alergia | Vómitos tras la ingesta |
| Alergia | Dificultad para respirar tras la ingesta |
| Alergia respiratoria | Rinitis |
| Alergia respiratoria | Conjuntivitis |
| Ansiedad | Nerviosismo |
| APLV | Vómitos al introducir la leche |
| APLV | Cacas con sangre al introducir la leche |
| APLV | Irritabilidad al introducir la leche |
| Artritis monoarticular | Dolor e hinchazón de rodilla |
| Artritis poliarticular | Dolor en manos, muñeca y rodilla con hinchazón |
| Asma | Dificultad respiratoria |
| Asma | Tos |
| Asma | Opresión torácica |
| Bradiarritmias | El corazón va muy lento |
| Bronquiolitis aguda | Dificultad para respirar |
| Catarro | Tos, mocos y febrícula |
| Cefalea | Dolor de cabeza |
| Celulitis | Placa roja alrededor de una herida |
| Cianosis | Color azulado alrededor de la boca |
| Cojera en 6-8 años | Cojera |
| Cojera en adolescente | Cojera |
| Cojera en preescolar | Cojera |
| Coma/disminución de conciencia | Pérdida de conciencia con ausencia de respiración |
| Conjuntivitis | Ojo rojo |
| Crisis afebril | Convulsión sin fiebre |
| Crisis febriles | Convulsión y fiebre |
| Crisis parciales | Mioclonías, movimientos de un brazo |
| Cuerpo extraño digestivo | Tragar una moneda |
| Cuerpo extraño digestivo | Tragar una pila |
| Cuerpo extraño faringe | Clavarse una espina de pescado |
| Cuerpo extraño nariz | Meterse una moneda/un garbanzo por la nariz |
| Cuerpo extraño ocular | Meterse arena en el ojo |
| Cuerpo extraño en oído | Meterse una moneda/un garbanzo en el oído |
| Cuerpo extraño respiratorio | Tragar una moneda con dificultad para respirar |
| Diabetes tipo 1 | Orina mucho |
| Diabetes tipo 1 | Come mucho y adelgaza |
| Diarrea | 6 deposiciones desde ayer |
| Diplopia | Ver doble |
| Disfagia súbita | No puede tragar desde hace unas horas |
| Dolor abdominal | Dolor de tripa |
| Dolor dental | Dolor en un diente |
| Dolor torácico | Dolor en el pecho |
| Epistaxis | Sangrar por la nariz |
| Errores del metabolismo | Vómitos en lactante |
| Errores del metabolismo | Convulsiones en lactante |
| Errores del metabolismo | Disminución del nivel de conciencia o del tono en lactante |
| Escroto agudo | Dolor de testículo |
| Espasmo del sollozo | Ponerse azul y desmayarse con el llanto en un lactante |
| Estreñimiento en el lactante | 4 días sin hacer caca |
| Estreñimiento en preescolar/escolar | 4 días sin hacer caca |
| Exantema ampolloso | Ampollas en la piel |
| Exantema maculopapular febril | Ronchas rojas con fiebre |
| Exantema purpúrico | Manchas rojas en la piel |
| Exantema vesicular | Vesículas en la piel |
| Faringoamigdalitis | Fiebre y dolor de garganta |
| Fiebre | Fiebre |
| Flemón dental | Dolor de diente con hinchazón de la cara |
| GEA | 4 vómitos y 4 diarreas |
| Hematemesis | Vómito con sangre |
| Hematuria macroscópica | Sangre en la orina |
| Heridas | Herida por caída |
| Hipertensión intracraneal | Dolor de cabeza fuerte |
| Hipertensión intracraneal | Ver doble/parálisis de un lado de la cara |
| Ictericia neonatal | Color amarillento de la piel en el lactante |
| Ictericia no neonatal | Ojos amarillos en el niño |
| Ideación suicida | Dice que se quiere suicidar |
| Impétigo | Costras amarillas en la piel |
| Infección respiratoria febril | Tos, mocos y fiebre de hasta 39 ºC |
| Intoxicaciones | Ingesta accidental |
| Irritabilidad | Llanto inconsolable |
| ITU | Picor al hacer pis |
| ITU febril en el niño mayor | Picor al hacer pis y fiebre |
| Laringitis | Tos ronca |
| Laringitis | Silbido al respirar |
| Leucemia | Cansancio |
| Leucemia | Moratones frecuentes |
| Leucemia | Le cuesta mucho dejar de sangrar |
| Leucocoria | No se ve el reflejo rojo con el flash |
| Maltrato físico | Hematomas en muslos |
| Maltrato físico | Disminución del nivel de conciencia en el lactante (no reacciona) |
| Maltrato físico | Quemadura de cigarrillos |
| Micosis cutánea | Placa roja en un pie |
| Miositis aguda | Dolor en las pantorrillas y no poder andar |
| Mordedura | Mordedura de perro/gato |
| OMA supurativa | Supuración en el oído |
| Orzuelo | Bulto en el párpado |
| Otalgia | Dolor de oído |
| Palpitaciones | Pinchazos en el pecho |
| Parada Cardiorrespiratoria | Pérdida de conciencia con ausencia de respiración |
| Paroniquia | Uñero |
| Parotiditis | Hinchazón de la cara |
| Picadura de insecto | Picadura de insecto |
| Quemadura | Quemadura con agua hirviendo |
| Quemadura | Quemadura con una sartén |
| RGE en el lactante | Echa leche en todas las tomas |
| RGE en el niño mayor | Dolor torácico |
| RGE en el niño mayor | Sensación de que le sube la comida |
| Sangrado digestivo bajo | Cacas con sangre |
| Sarna | Picor |
| Sarna | Picor y manchas en la piel |
| Shock | Taquicardia (el corazón va muy rápido) y palidez |
| Síncope | Pérdida de conciencia |
| Síndrome nefrótico | Hinchazón de párpados |
| Sinusitis aguda | Mocos y dolor de cabeza con o sin fiebre |
| SMSL | Pérdida de conciencia con ausencia de respiración |
| Taquiarritmias | El corazón va muy rápido |
| TCE en el lactante | Caída desde el cambiador |
| Tics | Movimientos no voluntarios en manos o cara |
| Tortícolis | Dolor de cuello con dificultad para moverlo |
| Tortícolis con fiebre | Dolor/dificultad para mover el cuello y fiebre |
| Traumatismo abdominal | Dolor abdominal tras caída de una bicicleta |
| Traumatismo alta energía | Caída desde altura/accidente de coche |
| Traumatismo de antebrazo | Dolor de muñeca tras caída |
| Traumatismo de tobillo | Dolor de tobillo después de una caída |
| Traumatismo dental | Dolor de diente tras caída |
| Urticaria | Habones en la piel |
| Vértigo | Mareo y le dan vueltas los objetos |
| Vómitos | Vómitos |
| APLV: alergia a proteínas de la leche de vaca; GEA: gastroenteritis aguda; ITU: infección del tracto urinario; OMA: otitis media aguda; RGE: reflujo gastroesofágico; SMSL: síndrome de muerte súbita del lactante; TCE: traumatismo craneoencefálico. | |
Se pregunta a la IA en cinco de las patologías para los supuestos de todas las edades (por meses, entre 1 y 24 meses, y por años, de los 2 a los 14 años), sin objetivarse diferencias en lo que la inteligencia artificial contesta en función de la edad. Por ese motivo, se decide tomar solo la referencia de 3 meses para el lactante y de 4 años para el preescolar/escolar.
Se utiliza el coeficiente de correlación kappa de Cohen para medir el nivel de concordancia, ajustando el efecto del azar sobre las mediciones dicotómicas (acudir o no a urgencias). En las mediciones no dicotómicas (reconocimiento de la patología, corrección de los signos de alarma y medidas a tomar), por ausencia de datos previos, se calcula el coeficiente de correlación sin ajustar por azar, considerando una probabilidad de acierto por azar de 0,10 para calcular los intervalos de confianza, aunque probablemente esta concordancia por azar sea menor. Para las patologías en que no existen medidas a tomar en el domicilio, por precisar siempre atención médica urgente, no se han valorado las variables “corrección de los signos de alarma” y “medidas a tomar”. Se calculan los coeficientes de correlación y los intervalos de confianza utilizando el programa SPSS versión 28.
Se considera correlación muy buena si es mayor de 0,8, buena si está entre 0,6 y 0,8, moderada si está entre 0,4 y 0,6, débil si está entre 0,2 y 0,4 y pobre si es menor de 0,2. En caso de encontrarse el intervalo de confianza entre dos rangos de correlación, se incluyen los dos en resultados.
RESULTADOS
Se analizaron 101 patologías, seleccionadas por frecuencia y gravedad. Para cada patología se analizaron las variables: reconocimiento de la patología por los síntomas dados (Tabla 1), corrección de los signos de alarma aportados por la inteligencia artificial, valoración (correcta o incorrecta) de la necesidad de acudir a un servicio de urgencias y medidas a tomar en el domicilio.
Para todos los síntomas aportados, la IA determinó la necesidad de acudir a una consulta médica.
Los resultados globales se muestran en la Tabla 2, los signos de alarma por grupos de edad, en la Tabla 3, y los resultados por grupos de patología, en la Tabla 4.
| Tabla 2. Resultados globales | ||
|---|---|---|
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,857 +/- 0,002 | Muy buena |
| Corrección de los signos de alarma | 0,888 +/- 0,003 | Muy buena |
| Necesidad de acudir a urgencias | 0,876 +/- 0,005 | Muy buena |
| Medidas a tomar | 0,915 +/- 0,003 | Muy buena |
| Tabla 3. Signos de alarma ajustados por edad | ||
|---|---|---|
| Edad | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Menores de 3 meses | 0,667 +/- 0,053 | Buena |
| Mayores de 3 meses | 0,938 +/- 0,004 | Muy buena |
| Tabla 4. Resultados por grupos de patología | ||
|---|---|---|
| Patología respiratoria: asma, bronquiolitis, infección respiratoria de vías altas con y sin fiebre, cianosis | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 1 +/- 0,045 | Muy buena |
| Corrección de los signos de alarma | 1 +/- 0,053 | Muy buena |
| Necesidad de acudir a urgencias | 0,733 +/- 0,102 | Buena |
| Medidas a tomar | 0,778 +/- 0,064 | Buena |
| Patología digestiva: ictericia neonatal, ictericia no neonatal, disfagia súbita, reflujo gastroesofágico en el lactante, reflujo gastroesofágico en el niño mayor, hematemesis, sangrado digestivo bajo, diarrea, vómitos, estreñimiento en el lactante y estreñimiento en el niño mayor | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,933 +/- 0,021 | Muy buena |
| Corrección de los signos de alarma | 0,909 +/- 0,024 | Muy buena |
| Necesidad de acudir a urgencias | 1 +/- 0,04 | Muy buena |
| Medidas a tomar | 0,909 +/- 0,026 | Muy buena |
| Patología dermatológica y exantemas: exantema maculopapular con fiebre, exantema vesiculoso, exantema ampolloso, exantema purpúrico, impétigo, celulitis, paroniquia, escabiosis y micosis cutánea | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,636 +/- 0,029 | Buena/Muy buena |
| Corrección de los signos de alarma | 0,8 +/- 0,032 | Buena |
| Necesidad de acudir a urgencias | 0,733 +/- 0,051 | Buena |
| Medidas a tomar | 0,8 +/- 0,032 | Buena/Muy buena |
| Cirugía y Traumatología: traumatismo de alta energía, traumatismo abdominal, traumatismo de tobillo y pie, traumatismo de antebrazo, quemadura, mordedura, picadura de insecto, herida, cuerpo extraño digestivo, cuerpo extraño respiratorio, tortícolis, dolor dental | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 1 +/- 0,019 | Muy buena |
| Corrección de los signos de alarma | 1 +/- 0,026 | Muy buena |
| Necesidad de acudir a urgencias | 1 +/- 0,031 | Muy buena |
| Medidas a tomar | 1 +/- 0,019 | Muy buena |
| Patología neurológica: irritabilidad, coma, síncope, diplopía, SMSL, hipertensión intracraneal, cefalea, tics, convulsión febril, convulsión afebril, crisis parciales, espasmo del sollozo, miositis aguda | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,928 +/- 0,023 | Muy buena |
| Corrección de los signos de alarma | 1 +/- 0,035 | Muy buena |
| Necesidad de acudir a urgencias | 1 +/- 0,042 | Muy buena |
| Medidas a tomar | 1 +/- 0,032 | Muy buena |
| Patología oncológica: leucocoria, leucemia | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,25 +/- 0,032 | Débil |
| Necesidad de acudir a urgencias | 1 +/- 0,267 | Buena/Muy buena |
| Patología alérgica: APLV; alergia alimentaria, alergia respiratoria | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,25 +/- 0,040 | Débil |
| Corrección de los signos de alarma | 1 +/- 0,162 | Muy buena |
| Necesidad de acudir a urgencias | 1 +/- 0,174 | Muy buena |
| Medidas a tomar | 0,667 +/- 0,107 | Débil/Buena |
| Patología cardiológica: dolor torácico, palpitaciones, bradiarritmia, taquiarritmia | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 1 +/- 0,080 | Muy buena |
| Necesidad de acudir a urgencias | 0,333 +/- 0,129 | Débil/Moderada |
| Medidas a tomar | 1 +/- 0,107 | Muy buena |
| Patología infecciosa: adenopatía, tortícolis con fiebre, flemón dentario, parotiditis aguda, fiebre sin foco, cojera en el preescolar, cojera en el escolar, cojera en el adolescente | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,75 +/- 0,040 | Buena |
| Corrección de los signos de alarma | 0,583 +/- 0,026 | Moderada |
| Necesidad de acudir a urgencias | 0,428 +/- 0,073 | Débil/Moderada |
| Medidas a tomar | 0,833 +/- 0,053 | Buena/Muy buena |
| Patología oftalmológica y otorrinolaringológica: cuerpo extraño ocular, conjuntivitis, orzuelo, cuerpo extraño en nariz, cuerpo extraño en oído, otalgia, otitis supurativa, faringitis aguda, laringitis aguda, sinusitis aguda, cuerpo extraño en faringe, vértigo | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 1 +/- 0,023 | Muy buena |
| Corrección de los signos de alarma | 1 +/- 0,024 | Muy buena |
| Necesidad de acudir a urgencias | 0,795 +/- 0,039 | Buena/Muy buena |
| Medidas a tomar | 0,923 +/- 0,023 | Muy buena |
| Patología metabólica y endocrinológica: errores congénitos del metabolismo y diabetes mellitus tipo 1 | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,8 +/- 0,064 | Buena/Muy buena |
| Necesidad de acudir a urgencias | 1 +/- 0,080 | Muy buena |
| Patología nefrourológica: ITU afebril, ITU febril en el niño mayor, síndrome nefrótico, hematuria macroscópica | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,75 +/- 0,080 | Buena/Muy buena |
| Corrección de los signos de alarma | 1 +/- 0,080 | Muy buena |
| Necesidad de acudir a urgencias | 1 +/- 0,129 | Muy buena |
| Medidas a tomar | 1 +/- 0,080 | Muy buena |
| Patología reumatológica: artritis monoarticular y artritis poliarticular | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,5 +/- 0,162 | Débil/Buena |
| Corrección de los signos de alarma | 1 +/- 0,162 | Muy buena |
| Necesidad de acudir a urgencias | 1 +/- 0,267 | Buena/Muy buena |
| Medidas a tomar | 1 +/- 0,162 | Muy buena |
| Patología psiquiátrica, por maltrato e intoxicaciones: abuso físico, abuso sexual, intoxicaciones accidentales, ansiedad e ideación suicida | ||
| Variable | Coeficiente kappa (con intervalo de confianza 95%) | Correlación |
| Reconocimiento de la patología | 0,7 +/- 0,035 | Buena |
| Corrección de los signos de alarma | 1 +/- 0,045 | Muy buena |
| Necesidad de acudir a urgencias | 0,8788 +/- 0,030 | Muy buena |
| Medidas a tomar | 1 +/- 0,040 | Muy buena |
| APLV: alergia a proteínas de la leche de vaca; GEA: gastroenteritis aguda; ITU: infección del tracto urinario; OMA: otitis media aguda; RGE: reflujo gastroesofágico; SMSL: síndrome de muerte súbita del lactante; TCE: traumatismo craneoencefálico. | ||
DISCUSIÓN
Pese a que la correlación entre la IA en el reconocimiento de patologías es de 0,86, la IA ha demostrado su mayor eficacia a la hora de aportar signos de alarma, con un coeficiente de correlación de 0,89, y de determinar la necesidad o no de acudir a un servicio de urgencias, con un coeficiente de correlación kappa de Cohen de 0,88 a nivel global, así como su utilidad a la hora de dar consejos a los padres, con un coeficiente de correlación de 0,91.
Aunque la correlación global es buena, existen grandes diferencias en los análisis de los subgrupos. Mientras que a la hora de diagnosticar y determinar el grado de urgencia de patologías comunes (patología respiratoria, patología digestiva, patología oftalmológica y otorrinolaringológica y traumatismos) la correlación es muy buena, en las patologías menos prevalentes o con síntomas más inespecíficos (patología endocrinológica y metabolopatías, patología cardiológica, patología oncológica, patología reumatológica, patología psiquiátrica y sospecha de maltrato) se obtienen coeficientes de correlación que, sin ser bajos, son peores que los de enfermedades más frecuentes.
Mención aparte merece la patología dermatológica que, por su propia naturaleza, es difícil de describir con palabras. Pese a todo, la IA logra un coeficiente de correlación bueno a la hora de valorar los signos de alarma y la necesidad de acudir a un servicio de urgencias. Se podría valorar la posibilidad de aportar fotografías a la IA como forma de aumentar su rentabilidad diagnóstica.
En cuanto a los signos de alarma, la IA presenta una correlación muy buena en niños mayores de 3 meses. En menores de 3 meses la correlación con la clínica baja notablemente (de 0,94 a 0,67) por lo inespecífico de los síntomas en los lactantes y por el hecho de que son pacientes que, por su edad, presentan más riesgo de complicaciones. Por tanto, en lactantes menores de 3 meses, no se puede considerar que la IA sea una herramienta lo suficientemente fiable como para recomendar su utilización generalizada.
No se han encontrado más artículos publicados que analicen la eficacia de la inteligencia artificial para detectar signos de alarma en comparación con los protocolos y la evidencia clínica, por lo que no se puede hacer una comparación con otros estudios existentes.
Podemos concluir que la IA es una herramienta útil para clasificar síntomas en urgentes y menos urgentes en niños mayores de 3 meses, pero no debe sustituir la consulta médica, ya que, de hacerlo, se dejarían de detectar patologías que, pese a no precisar una valoración médica inmediata, pueden ser graves y difíciles de detectar, como la patología oncológica o el maltrato infantil.
CONCLUSIONES
La inteligencia artificial basada en texto presenta una buena concordancia respecto a los manuales de Pediatría y a los protocolos comúnmente utilizados para reconocer patologías a partir de síntomas, y muy buena respecto a los protocolos de Pediatría para valorar la necesidad de visita a un servicio de urgencias, la valoración de los signos de alarma y las recomendaciones terapéuticas. Los mayores niveles de concordancia globales se obtienen para patología respiratoria, digestiva, traumatológica y quirúrgica, nefrourológica, neurológica, oftalmológica y otorrinolaringológica. Dichos grupos obtienen una correlación superior a 0,7 en todas las categorías analizadas.
Por otra parte, los menores niveles de concordancia se observan en el reconocimiento de la patología oncológica, alérgica y reumatológica, a pesar de que sí es eficaz para reconocer los signos de alarma para los que acudir a urgencias en todas esas patologías. Asimismo, la edad menor de 3 meses reduce significativamente la concordancia de la IA con las guías y protocolos habituales. Se precisan más estudios para evaluar la eficacia de la inteligencia artificial comparada con la opinión de un profesional sanitario.
CONFLICTO DE INTERESES
Los autores declaran no presentar conflictos de intereses en relación con la preparación y publicación de este artículo.
RESPONSABILIDAD DE LOS AUTORES
Todos los autores han contribuido de forma equivalente en la elaboración del manuscrito publicado.
ABREVIATURAS
AEPap: Asociación Española de Pediatría de Atención Primaria · IA: inteligencia artificial · SEUP: Sociedad Española de Urgencias Pediátricas.
BIBLIOGRAFÍA
- Martín R, Sánchez M, Teruel C. Aspectos psicosociales relacionados con la hiperfrecuentación en las consultas pediátricas de atención primaria. An Pediatr (Barc). 2019;90(1):26-31. https://doi.org/10.1016/j.anpedi.2018.03.008
- Mata D, Fernández M, Cobo MV. Hiperfrecuentación en Pediatría: ¿Se trata de una verdadera necesidad? Bol Pediatr. 2015;55(234):243-6.
- Mancera J, Muñoz F, Paniagua F, Gómez F, Fernández ML, Blanca FJ. Problemas de salud y factores determinantes del número de visitas a demanda en pacientes hiperutilizadores de un centro de salud. Aten Primaria. 2001;27(9):658-62. https://doi.org/10.1016/S0212-6567(01)78876-2
- Liang H, Tsui BY, Ni H, Valentim CCS, Baxter SL, Liu G, et al. Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence. Nat Med. 2019;25(3):433-8. https://doi.org/10.1038/s41591-018-0335-9
- Ramgopal S, Sanchez-Pinto LN, Horvat CM, Carroll MS, Luo Y, Florin TA. Artificial intelligence-based clinical decision support in pediatrics. Pediatr Res. 2023;93(2):334-41. https://doi.org/10.1038/s41390-022-02226-1
- Jiménez Alés R. Inteligencia artificial. Desafíos y preocupaciones. Rev Pediatr Aten Primaria. 2023;25:205-10.
- Sociedad Española de Urgencias de Pediatría (SEUP). Protocolos diagnósticos y terapéuticos en urgencias de pediatría. (4ª ed.); 2019 [en línea] [consultado el 29/10/2024]. Disponible en https://seup.org/wp-content/uploads/2024/04/0_Primeras_4ed.pdf
- Asociación Española de Pediatría de Atención Primaria. Algoritmos AEPap [en línea] [consultado el 29/10/2024]. Disponible en https://algoritmos.aepap.org/
Comentarios
Este artículo aún no tiene comentarios.