Aplicaciones de la Inteligencia Artificial Generativa en Registros Médicos Electrónicos: Una Revisión de Alcance
Autores: Morjaria, Leo; Gandhi, Bhavya; Haider, Nabil; Mellon, Matthew; Sibbald, Matthew
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Aplicaciones de la Inteligencia Artificial Generativa en Registros Médicos Electrónicos: Una Revisión de Alcance
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Registros médicos electrónicos
Inteligencia artificial
Inteligencia artificial generativa
Atención médica
Manipulación de datos
Comunicación con los pacientes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los Registros Médicos Electrónicos (RME) son centrales en el sistema de salud moderno. Los recientes avances en inteligencia artificial (IA), particularmente en inteligencia artificial generativa (IAG), han abierto nuevas oportunidades para el avance de los RME. Esta revisión de alcance tiene como objetivo explorar las aplicaciones actuales de la IAG en el mundo real dentro de los RME para apoyar la comprensión de las aplicaciones de IA en la atención médica. Se realizó una búsqueda de literatura siguiendo las pautas de PRISMA-ScR. La búsqueda se llevó a cabo utilizando Ovid MEDLINE, hasta el 28 de octubre de 2024, utilizando una estrategia de búsqueda revisada por pares. En total, se incluyeron 55 estudios. Se generó una lista de cinco temas por revisores humanos basada en la revisión de literatura: manipulación de datos (24), comunicación con pacientes (9), toma de decisiones clínicas (8), predicción clínica (8), resumen (4) y otros (2). La mayoría de los estudios se originaron en los Estados Unidos (35). Se probaron tanto modelos propietarios como disponibles comercialmente, siendo ChatGPT el LLM más comúnmente referenciado. A medida que estos modelos continúan desarrollándose, sus diversos casos de uso dentro de los RME tienen el potencial de mejorar los resultados de los pacientes, aumentar el acceso a datos médicos, optimizar los flujos de trabajo hospitalarios y reducir la carga de trabajo de los médicos. Sin embargo, persisten problemas relacionados con la privacidad de los datos, la confianza, el sesgo, las alucinaciones del modelo y la necesidad de una evaluación robusta. Es esencial realizar más investigaciones que consideren las implicaciones éticas, médicas y sociales de las aplicaciones de IAG en los RME para validar estos hallazgos y abordar las limitaciones existentes para apoyar el avance de la atención médica.
Descripción
Los Registros Médicos Electrónicos (RME) son centrales en el sistema de salud moderno. Los recientes avances en inteligencia artificial (IA), particularmente en inteligencia artificial generativa (IAG), han abierto nuevas oportunidades para el avance de los RME. Esta revisión de alcance tiene como objetivo explorar las aplicaciones actuales de la IAG en el mundo real dentro de los RME para apoyar la comprensión de las aplicaciones de IA en la atención médica. Se realizó una búsqueda de literatura siguiendo las pautas de PRISMA-ScR. La búsqueda se llevó a cabo utilizando Ovid MEDLINE, hasta el 28 de octubre de 2024, utilizando una estrategia de búsqueda revisada por pares. En total, se incluyeron 55 estudios. Se generó una lista de cinco temas por revisores humanos basada en la revisión de literatura: manipulación de datos (24), comunicación con pacientes (9), toma de decisiones clínicas (8), predicción clínica (8), resumen (4) y otros (2). La mayoría de los estudios se originaron en los Estados Unidos (35). Se probaron tanto modelos propietarios como disponibles comercialmente, siendo ChatGPT el LLM más comúnmente referenciado. A medida que estos modelos continúan desarrollándose, sus diversos casos de uso dentro de los RME tienen el potencial de mejorar los resultados de los pacientes, aumentar el acceso a datos médicos, optimizar los flujos de trabajo hospitalarios y reducir la carga de trabajo de los médicos. Sin embargo, persisten problemas relacionados con la privacidad de los datos, la confianza, el sesgo, las alucinaciones del modelo y la necesidad de una evaluación robusta. Es esencial realizar más investigaciones que consideren las implicaciones éticas, médicas y sociales de las aplicaciones de IAG en los RME para validar estos hallazgos y abordar las limitaciones existentes para apoyar el avance de la atención médica.