Evaluación del impacto en la implementación de modelos predictivos de inteligencia artificial (IA) en la práctica clínica y su influencia en los resultados de los pacientes.

Importancia: Comprender cómo la implementación de estos modelos afecta su capacidad predictiva en la atención de salud.

Diseño: Simulación de la implementación y uso de modelos en entornos de cuidados críticos, con diferentes niveles de efectividad de intervención y adherencia clínica.
Ubicación: Unidades de cuidados intensivos (UCI) en el Sistema de Salud Mount Sinai (Nueva York) y el Centro Médico Beth Israel Deaconess (Boston).
Pacientes: 130,000 admisiones en cuidados críticos en ambos sistemas de salud.
Intervención: Simulación de intervenciones en 3 escenarios, con variados niveles de adherencia y efectividad clínica.

Resultados de Escenario 1: Un modelo de predicción de mortalidad perdió del 9% al 39% de su especificidad después de ser reentrenado una vez.
Resultados de Escenario 2: Un modelo de predicción de mortalidad perdió del 8% al 15% de su especificidad cuando se creó después de la implementación de un modelo de lesión renal aguda (AKI).
Resultados de Escenario 3: La implementación simultánea de modelos de AKI y predicción de mortalidad redujo la precisión efectiva de cada uno en un 1% a 28%.

En la práctica real, la efectividad y adherencia a las recomendaciones basadas en modelos raramente se conocen de antemano.
Solo se simularon clasificadores binarios para datos de admisión en UCI.

Actualización de Modelos: No parece existir un enfoque universalmente efectivo para mantener el rendimiento de los modelos con el tiempo.
Necesidad de Registro: Puede ser necesario registrar el uso del modelo para mantener la viabilidad de la modelización predictiva en entornos de cuidados críticos.