Intermountain Health, el mayor proveedor de servicios de salud sin fines de lucro en la región del Intermountain West, ha establecido una colaboración plurianual con una joven startup de IA generativa este mes.
El sistema de salud se está asociando con Layer Health, una empresa de IA médica con sede en Boston que utiliza modelos de lenguaje amplio (LLMs) para mejorar la extracción de datos clínicos sin aumentar la carga administrativa. La división de capital de riesgo de Intermountain está realizando una inversión estratégica en la startup, y la organización está implementando esta tecnología en varios de sus registros clínicos.
La extracción de datos clínicos consiste en revisar manualmente y extraer información clave de los historiales médicos de los pacientes, transformando datos no estructurados en información estandarizada y utilizable. Layer emplea LLMs y otras técnicas de aprendizaje automático para automatizar este proceso, explicó el CEO David Sontag.
"Para el caso de uso en registros clínicos, hemos ajustado una serie de modelos de IA capaces de analizar el historial del paciente y responder preguntas como ‘¿Se administró Trombolisis para este accidente cerebrovascular?’ o ‘¿Cuál fue la contraindicación?’. Este motor de revisión impulsado por IA ayuda al equipo de Intermountain, proporcionando respuestas sugeridas con evidencias extraídas del historial", declaró.
Esta alianza abarca registros en áreas como cardiología, neurología y cirugía bariátrica. En cada caso, es necesario analizar todo el historial del paciente, incluidos datos estructurados (laboratorios, signos vitales) y no estructurados (notas clínicas, informes radiológicos), señaló Sontag.
Destacó que Intermountain participa en numerosos registros clínicos, lo que requiere un esfuerzo manual considerable. "Con el software de Layer, nuestro personal puede enfocarse en mejorar la calidad asistencial en lugar de recopilar datos", añadió.
Phillip Wood, director ejecutivo de alianzas de Intermountain Ventures, afirmó que buscaban soluciones para optimizar la extracción de datos y que Layer demostró ser la opción ideal tras evaluar su tecnología con equipos clínicos.
"Mediremos la eficiencia y precisión de la plataforma comparándola con nuestros estándares previos. Si logramos mejoras, nuestros profesionales podrán dedicar más tiempo a iniciativas de calidad", concluyó Wood.
Foto: ra2studio, Getty Images