Humanos todavía superan a la IA en la codificación de enfermedades

Un estudio reciente revela que la inteligencia artificial aún no alcanza la precisión de los codificadores clínicos humanos, aunque muestra avances en estabilidad y eficiencia.

---

La codificación de enfermedades es un proceso fundamental en la gestión de información médica, ya que permite traducir los registros clínicos en códigos estandarizados utilizados para la planificación de servicios de salud, informes gubernamentales y modelos de financiación hospitalaria.

Sin embargo, un reciente estudio realizado por la Universidad James Cook y publicado en el International Journal of Medical Informatics ha revelado que, a pesar del avance de la inteligencia artificial (IA), los humanos siguen superando a los modelos de IA en la clasificación de documentos médicos complejos.

Desempeño de humanos vs. IA en la codificación clínica

Para evaluar la capacidad de la IA en la codificación de enfermedades, los investigadores compararon el desempeño de cinco codificadores clínicos con modelos avanzados de inteligencia artificial basados en ChatGPT. Se analizaron 100 resúmenes clínicos de pacientes con diversas condiciones de salud.

Los resultados mostraron que el mejor codificador humano alcanzó una precisión del 47%, mientras que ChatGPT solo logró un 22%. Esto confirma que, en términos de interpretación de información médica compleja, los humanos aún tienen una ventaja significativa.

Sin embargo, los investigadores resaltaron que la IA tiene un gran potencial para mejorar la eficiencia en la gestión de datos médicos y apoyar a los profesionales en su labor diaria.

Te recomendamos: La ciberseguridad en dispositivos médicos: una amenaza latente para la seguridad del paciente

La estabilidad de ChatGPT 4 frente a versiones anteriores

Uno de los hallazgos más relevantes del estudio fue la mejora en la estabilidad de ChatGPT 4 en comparación con versiones anteriores. Según el profesor Mostafa Rahimi Azghadi, coautor del estudio y experto en Ingeniería Electrónica e Informática, la última versión del modelo mostró una mayor consistencia en sus respuestas.

“ChatGPT 4 fue mucho más estable. Entre el 86% y el 89% de las veces, dio exactamente la misma predicción de enfermedad cuando se le presentó el mismo historial clínico en diferentes ocasiones”, explicó Azghadi.

Este comportamiento es crucial en aplicaciones médicas, ya que la coherencia en la interpretación de datos es clave para la confiabilidad del sistema de salud.

Hacia un modelo híbrido: inteligencia artificial y supervisión humana

A pesar de sus limitaciones actuales, la inteligencia artificial tiene el potencial de optimizar el proceso de codificación médica. Actualmente, los codificadores humanos deben analizar grandes volúmenes de información sobre evaluaciones clínicas, tratamientos y evolución del paciente, lo que puede llevar a inconsistencias y errores.

El profesor Azghadi sugiere que un modelo híbrido, en el que la IA trabaje en conjunto con los codificadores humanos, podría mejorar la precisión y agilizar el proceso de clasificación.

“La velocidad de la IA y su capacidad para identificar casos difíciles podrían combinarse con la supervisión humana en escenarios más complejos. Esto permitiría reducir errores, mejorar la precisión y optimizar la gestión de información médica”, explicó.

Este enfoque no solo aceleraría la codificación de enfermedades, sino que también aseguraría una mayor coherencia en los registros clínicos, beneficiando la planificación sanitaria y la calidad de la atención a los pacientes.

Otros temas de interés: Aprobación de la FDA de la infusión de apomorfina: Un avance en el tratamiento del Parkinson

El futuro de la inteligencia artificial en la codificación médica

El próximo reto en la integración de la inteligencia artificial en la codificación médica es mejorar la “explicabilidad” de los modelos, es decir, su capacidad para justificar de manera detallada por qué clasifican un caso bajo una condición específica.

“Actualmente, la IA puede clasificar registros médicos, pero su proceso de razonamiento sigue siendo una caja negra. Si logramos que estos modelos expliquen sus decisiones con mayor claridad, los codificadores humanos podrán utilizarlos como una herramienta confiable para mejorar su trabajo”, concluyó Azghadi.

Si bien los resultados del estudio indican que la inteligencia artificial aún no supera a los humanos en la codificación médica, su integración en el sistema de salud podría representar una revolución en términos de eficiencia y precisión. El desafío ahora radica en seguir desarrollando modelos que combinen la velocidad de la IA con el juicio y la experiencia de los profesionales de la salud para optimizar la gestión de datos médicos y mejorar la atención a los pacientes.