Una colaboración entre East Alabama Medical Center, Inflo Health y la American College of Radiology Learning Network comenzó a utilizar modelos de lenguaje de máquina y procesiones avanzadas de lenguaje natural para extraer datos de informes de radiología para mejorar su seguimiento de pacientes pulmonares, mientras que Stamford Health en Connecticut pudo ampliar las medidas radiológicas adicionales a todos los pacientes cardiovasculares mediante la automatización.
También es de destacar que esta semana Lunit, un proveedor de diagnóstico y terapia del cáncer, anunció que dos estudios recientes que evaluaron su mamografía de detección impulsada por inteligencia artificial encontraron que la tecnología también podría estimar el desarrollo del cáncer de mama hasta seis años antes de un diagnóstico positivo.
“Si las puntuaciones de los algoritmos comerciales de IA desarrollados para la detección inmediata del cáncer también pueden estimar el riesgo futuro de cáncer, entonces una estimación del riesgo a corto plazo más precisa y confiable podría conducir a medidas preventivas personalizadas y adaptadas, lo que posiblemente resulte en una detección más temprana del cáncer de mama y menos agresiva”. tratamiento”, dijeron investigadores europeos en un comunicado el miércoles.
EAMC mejora los resultados de los pacientes a través de la colaboración
La organización de salud de Alabama anunció el jueves que a través de una asociación que rastrea el seguimiento radiológico con IA, y al involucrar a los médicos de atención primaria en las comunicaciones de atención aguda, transformó su tasa de seguimiento de recomendaciones en un 74%.
EAMC se asoció con Inflo Health, que aprovecha modelos de lenguaje específicos de radiología y PNL avanzada, y el Colegio Americano de Radiología para impulsar la participación de los pacientes y la productividad de los médicos.
El software impulsado por IA se ejecuta según las especificaciones de medición descritas por el programa ImPower de ACR, que ayuda a las organizaciones a desarrollar habilidades y métodos de liderazgo de mejora para lograr mejores resultados, ayudando a los radiólogos de EAMC a identificar recomendaciones de imágenes adicionales y hallazgos procesables, así como a automatizar los flujos de trabajo del departamento. .
El objetivo de la colaboración con EAMC era mejorar la inclusión consistente de recomendaciones posteriores a la exploración para nódulos pulmonares detectados incidentalmente y también aumentar el porcentaje de exámenes que recibieron un seguimiento oportuno, dijeron las organizaciones en un comunicado.
EAMC también implementó las medidas de idoneidad del software de IA, automatizando el proceso de identificación de nódulos pulmonares incidentales que cumplían con los criterios de inclusión.
El esfuerzo simplificó significativamente los procesos de EAMC, redujo el esfuerzo manual y aumentó la eficiencia del personal, según Melinda Johnson, directora de radiología de la organización.
“Esto también nos ha permitido ampliar las funciones de navegador de atención a otras áreas clínicas”, dijo en un comunicado. “Esta asociación ejemplifica cómo la integración de tecnología avanzada con colaboración estratégica puede establecer nuevos estándares en prácticas de radiología y excelencia operativa”.
El resultado fue una reducción de las tareas manuales de cinco horas semanales a sólo 15 minutos, lo que representa una mejora de la eficiencia del 95%, dijeron los colaboradores.
Para mejorar la finalización de los pacientes y transmitir los seguimientos de imágenes recomendados, EAMC abordó las barreras operativas, incluida la comunicación inconsistente entre la atención aguda y la atención primaria. Como beneficio adicional, ese esfuerzo generó aproximadamente $9,000 por mes en ingresos adicionales.
“Aprovechar la tecnología para estandarizar y optimizar los flujos de trabajo clínicos requiere esfuerzos concertados de las organizaciones y sus proveedores de software trabajando en conjunto para que la solución se construya entendiendo el problema”, agregó Judy Burleson, vicepresidenta de programas de gestión de calidad de ACR.
“La educación sobre mejora de la calidad y el apoyo brindado por el programa ImPower, junto con el compromiso de EAMC de mejorar los resultados de los pacientes y la voluntad de Inflo Health de adaptar su producto, hicieron posibles estos avances”, afirmó.
Stamford Health mejora el acceso con exámenes automatizados
Stamford Health, una organización sin fines de lucro que presta servicios en el condado de Fairfield, Connecticut, anunció a principios de este mes un nuevo examen cardiovascular automatizado que permite una atención de seguimiento más oportuna y personalizada para los pacientes en riesgo.
El Heart & Vascular Institute de Stamford Health dijo en un comunicado que la herramienta de detección cardiovascular impulsada por IA mejora significativamente la detección temprana y el manejo de enfermedades cardiovasculares en su población de pacientes.
El instituto utiliza el algoritmo avanzado de Bunkerhill Health para identificar la presencia de calcio coronario calculando el calcio total de la arteria coronaria o la puntuación de Agatston, un indicador del riesgo futuro de enfermedad de la arteria coronaria en una población de pacientes predefinida.
La prueba CAC normalmente requeriría una orden especial de un médico, pero el algoritmo automatizado ahora se ejecuta en segundo plano en todas las tomografías computarizadas de tórax no controladas del instituto, como las que se usan en las pruebas de detección de cáncer de pulmón.
“Estamos enfocados en brindar la atención más sofisticada y de vanguardia a nuestros pacientes”, dijo el Dr. Ronald Lee, presidente del departamento de radiología de Stamford Health.
Los pacientes recibirán automáticamente una puntuación CAC durante cualquier tomografía computarizada de tórax sin contraste y cuando se identifica una CAC elevada, se notifica al proveedor de atención primaria o al cardiólogo del paciente sobre su puntuación y riesgo.
“Esta herramienta mejora nuestra capacidad para detectar signos tempranos de enfermedad cardiovascular y garantiza que los pacientes reciban la atención de seguimiento que necesitan para prevenir resultados de salud graves”, añadió el Dr. David Hsi, jefe de cardiología y codirector del instituto.
Prueba del valor predictivo de la IA en el cribado de mamografías
La precisión de la mamografía ha sido durante mucho tiempo un desafío, ya que los protocolos de radiología a menudo exigen lecturas dobles. Los algoritmos de IA pueden marcar áreas de preocupación y proporcionar puntuaciones de neoplasias malignas a nivel de mama y de examen para ayudar a los radiólogos en la lectura de imágenes.
Lunit dijo el miércoles que los investigadores del Registro de Cáncer de Noruega y del Hospital Universitario de Odense en Dinamarca que ya utilizan sus herramientas INSIGHT MMG demostraron el potencial de mejorar también el valor predictivo de sus programas nacionales de detección del cáncer de mama, lo que en última instancia conduce a un diagnóstico y tratamiento más tempranos para las mujeres.
La retrospectiva noruega estudiarAlgoritmo de inteligencia artificial para la detección subclínica del cáncer de mama, completado en agosto y publicado a principios de este mes en JAMA Network, analizó datos de imágenes de una cohorte de 116.495 mujeres de 50 a 69 años sin antecedentes de cáncer de mama.
El registro de cáncer de Noruega, que tiene un contrato con Lunit para el uso de software de inteligencia artificial en investigación, ofrece mamografías digitales cada dos años. Las pacientes del estudio de cohorte retrospectivo se sometieron al menos a tres exámenes de detección bienales consecutivos realizados entre el 13 de septiembre de 2004 y el 21 de diciembre de 2018 en nueve de los centros de detección de mama del país.
Los investigadores dividieron la cohorte en tres grupos: mujeres con cáncer de mama detectado en la tercera ronda de detección del estudio, mujeres con cáncer de intervalo diagnosticado después de la tercera ronda de detección del estudio y mujeres sin cáncer de mama diagnosticado después de tres exámenes consecutivos y seis años sin diagnóstico de cáncer. – encontrar 1265 cánceres detectados mediante pruebas de detección y 342 cánceres de intervalo.
Para aquellos identificados con cáncer de mama (definido como carcinoma ductal in situ o carcinoma de mama invasivo), las puntuaciones medias absolutas de IA fueron más altas para los senos que desarrollaron cáncer en comparación con aquellos que no desarrollaron cáncer de cuatro a seis años antes de su eventual detección. Las puntuaciones de IA también fueron más altas y aumentaron más rápidamente durante las tres rondas sucesivas de detección para mujeres con un diagnóstico de cáncer detectado mediante detección versus un cáncer de intervalo.
“Estos hallazgos sugieren que los algoritmos comerciales de IA desarrollados para la detección del cáncer de mama pueden identificar a las mujeres con alto riesgo de sufrir un cáncer de mama en el futuro, ofreciendo una vía para enfoques de detección personalizados que pueden conducir a un diagnóstico más temprano del cáncer”, según los investigadores.
Andrea Fox es editora senior de Healthcare IT News.
Correo electrónico: afox@himss.org
Healthcare IT News es una publicación de HIMSS Media.