Nuevas directrices reflejan el creciente uso de la IA en la investigación sobre atención sanitaria

Notas de los editores

El uso generalizado de la inteligencia artificial (IA) en las herramientas de toma de decisiones médicas ha llevado a una actualización de las directrices TRIPOD para informar sobre modelos de predicción clínica. Las nuevas directrices TRIPOD+AI se lanzan en el BMJ hoy.

Las directrices TRIPOD (que significa Informe transparente de un modelo de predicción multivariable para pronóstico o diagnóstico individual) se desarrollaron en 2015 para mejorar las herramientas de ayuda al diagnóstico y pronóstico que utilizan los médicos. Ampliamente utilizados, su adopción por parte de los médicos para estimar la probabilidad de que una afección específica esté presente o pueda ocurrir en el futuro ha ayudado a mejorar la transparencia y la precisión en la toma de decisiones y mejorar significativamente la atención al paciente.

Pero Métodos de búsqueda han avanzado desde 2015 y estamos siendo testigos de una aceleración de los estudios que están desarrollando modelos de predicción utilizando IA, específicamente métodos de aprendizaje automático. La transparencia es uno de los seis principios básicos que sustentan el Orientación de la OMS sobre ética y gobernanza de la inteligencia artificial para la salud. Por lo tanto, TRIPOD+AI se ha desarrollado para proporcionar un marco y un conjunto de estándares de presentación de informes para impulsar la presentación de informes de estudios que desarrollan y evalúan modelos de predicción de IA, independientemente del enfoque de modelado.

Las directrices TRIPOD+AI fueron desarrolladas por un consorcio de investigadores internacionales, dirigido por investigadores de la Universidad de Oxford junto con investigadores de otras instituciones líderes de todo el mundo. profesionales de la salud, industria, reguladores y editores de revistas. El desarrollo de la nueva guía se basó en investigaciones que destacaron informes deficientes e incompletos de estudios de IA, una encuesta Delphi y una reunión de consenso en línea.

Gary Collins, profesor de estadística médica en el Departamento de Ortopedia, Reumatología y Ciencias Musculoesqueléticas de Nuffield (NDORMS) de la Universidad de Oxford e investigador principal de TRIPOD, afirma: «Existe un enorme potencial para Inteligencia artificial para mejorar la atención sanitaria. desde el diagnóstico más temprano de pacientes con cáncer de pulmón hasta la identificación de personas con mayor riesgo de sufrir ataques cardíacos. Apenas estamos comenzando a ver cómo se puede utilizar esta tecnología para mejorar los resultados de los pacientes.

«La decisión de adoptar estas herramientas se basa en la presentación de informes transparentes. La transparencia permite identificar errores, facilita la evaluación de los métodos y garantiza una supervisión y regulación efectivas. La transparencia también puede crear más confianza e influir en la aceptabilidad del paciente y del público del uso de modelos de predicción en cuidado de la salud.»

La declaración TRIPOD+AI consta de una lista de verificación de 27 elementos que reemplaza a TRIPOD 2015. La lista de verificación detalla recomendaciones de informes para cada elemento y está diseñada para ayudar a los investigadores, revisores pares, editores, formuladores de políticas y pacientes a comprender y evaluar la calidad de los métodos de estudio y Hallazgos de la investigación impulsada por la IA.

Un cambio clave en TRIPOD+AI ha sido un mayor énfasis en la confiabilidad y la justicia. El profesor Carl Moons, UMC Utrecht, dijo: «Si bien estos no son conceptos nuevos en el modelado de predicción, la IA ha llamado más la atención sobre ellos como problemas de informes. Una razón para esto es que muchos algoritmos de IA se desarrollan en conjuntos de datos muy específicos que a veces son ni siquiera de estudios o simplemente podrían extraerse de Internet.

«Tampoco sabemos qué grupos o subgrupos se incluyeron. Entonces, para garantizar que los estudios no discriminen a ningún grupo en particular ni creen desigualdades en la prestación de atención médica, y para garantizar que los tomadores de decisiones puedan confiar en la fuente de los datos, estos factores volverse más importante.»

El Dr. Xiaoxuan Liu y el profesor Alastair Denniston, directores de la Incubadora de Ciencias Regulatorias en IA y Atención Médica Digital del NIHR, son coautores de TRIPOD+AI y explicaron: «Muchas de las aplicaciones más importantes de la IA en medicina se basan en modelos de predicción. Estamos encantados de apoyar el desarrollo de TRIPOD+AI, que está diseñado para mejorar la calidad de la evidencia en esta importante área de investigación de la IA».

TRIPOD 2015 ayudó a cambiar el panorama de los informes de investigación clínica al incorporar estándares mínimos de presentación de informes a los modelos de predicción. Las directrices originales han sido citadas más de 7500 veces, aparecen en múltiples instrucciones de revistas para los autores y se han incluido en documentos informativos de la OMS y NICE.

«Espero que TRIPOD+AI conduzca a una mejora notable en la presentación de informes, reduzca el desperdicio de investigaciones informadas de forma incompleta y permita a las partes interesadas llegar a un juicio informado basado en todos los detalles sobre el potencial de la tecnología de IA para mejorar atencion al paciente y resultados que superan el revuelo sobre las innovaciones en el cuidado de la salud impulsadas por la IA», concluyó Gary.