Los médicos que utilizan la búsqueda conversacional de MedSearch AI responden preguntas un 79 % más rápido y realizan un 34 % menos de búsquedas.

Leer el artículo →

MedSearch: Acelerando la toma de decisiones médicas basada en la evidencia con búsqueda de IA en tiempo real: un estudio preliminar muestra respuestas un 79% más rápidas y una menor carga de búsqueda

En el acelerado mundo de la medicina clínica, el acceso oportuno y confiable a la evidencia actualizada es fundamental para una atención óptima al paciente. Sin embargo, los profesionales sanitarios a menudo se enfrentan a métodos ineficientes de recuperación de información, recurriendo a búsquedas bibliográficas tradicionales que pueden ser lentas y fragmentadas. Para abordar esta deficiencia, MedSearch presenta un agente conversacional basado en IA, diseñado para realizar búsquedas en internet en tiempo real, basadas en evidencia y adaptadas a consultas médicas. Los resultados preliminares revelan que los profesionales sanitarios que utilizan MedSearch respondieron a preguntas clínicas un 79 % más rápido y con un 34 % menos de búsquedas en comparación con quienes utilizan métodos tradicionales, lo que supone un avance prometedor en el acceso a la información clínica.

Esta innovadora herramienta integra las ventajas de los grandes modelos lingüísticos con la conectividad a internet en tiempo real, lo que le permite obtener y referenciar dinámicamente la literatura médica validada más reciente. Esta adaptabilidad ofrece un potente complemento al flujo de trabajo clínico, transformando potencialmente la forma en que se accede al conocimiento médico en el punto de atención. En esta entrada de blog, exploramos el estudio que evalúa el rendimiento de MedSearch entre los profesionales de la salud, su rigor metodológico y las implicaciones para la práctica clínica y su implementación futura.

Colaboración y contexto del estudio

El estudio fue realizado por investigadores de Arkangel AI en Bogotá, Colombia, motivados por la necesidad reconocida de mejorar el acceso en tiempo real al conocimiento médico validado en entornos clínicos y académicos. El entorno sanitario colombiano, caracterizado por la diversidad de pacientes y la variabilidad de recursos, ofrece un contexto propicio para probar herramientas digitales destinadas a mejorar el apoyo a la toma de decisiones clínicas. Esta colaboración refleja el creciente interés internacional en aprovechar la IA para optimizar la recuperación de evidencia e integrar el conocimiento clínico de forma más fluida en los flujos de trabajo de la atención médica.

El estudio involucró específicamente a una cohorte de estudiantes de medicina, médicos generales y especialistas, lo que refleja un amplio espectro de experiencia clínica y necesidades de información. Al comparar MedSearch con técnicas de búsqueda convencionales, los investigadores buscaron evaluar no solo la velocidad y la eficiencia, sino también la aceptabilidad de este enfoque asistido por IA en escenarios de razonamiento clínico del mundo real.

Diseño y metodología del estudio

El estudio empleó un diseño aleatorio con 25 participantes preliminares, divididos en dos grupos:

• Grupo A (usuarios de MedSearch): 13 participantes utilizaron el agente conversacional de MedSearch para responder preguntas de casos clínicos.
• Grupo B (métodos tradicionales): 12 participantes utilizaron estrategias de búsqueda convencionales, excluyendo cualquier plataforma basada en IA.

Los participantes abordaron cuatro escenarios de casos clínicos, cada uno acompañado de cuatro preguntas cuidadosamente diseñadas que abarcaban diagnóstico general, diagnóstico diferencial, investigación de vanguardia y conocimientos médicos generales. Las métricas clave registradas incluyeron el tiempo promedio para responder cada pregunta y el número de búsquedas realizadas por pregunta. Además, los participantes del Grupo A completaron una breve encuesta que evaluó la utilidad percibida, la confianza en las respuestas, la probabilidad de uso diario y la disposición a recomendar MedSearch a sus colegas, utilizando una escala de puntuación simple del 1 al 3. MedSearch funciona combinando técnicas avanzadas de modelos de lenguaje extenso (LLM) con conectividad a internet en tiempo real, lo que permite la recuperación dinámica de información actualizada y con respaldo empírico, con acceso directo a las referencias de las fuentes. Esto contrasta con los LLM típicos implementados sin conexión o entrenados con conjuntos de datos estáticos, lo que aborda una limitación crucial de las herramientas de IA médica.

Resultados Clave

• Tiempo de Respuesta: La mediana del tiempo de respuesta por pregunta fue de 46 segundos para los usuarios de MedSearch, frente a los 1,75 minutos de los usuarios tradicionales, lo que representa una asombrosa reducción del 79,8 %.
• Número de Búsquedas: Los usuarios de MedSearch realizaron un promedio de 3,81 búsquedas por pregunta, en comparación con las 5,38 del grupo tradicional, lo que representa una disminución del 34,1 %.
• Puntuaciones de Aceptabilidad del Usuario (escala del 1 al 3):
  • Utilidad Percibida: 3,0 (útil para responder preguntas)
  • Confianza en la Precisión: 2,7 (generalmente seguro)
  • Probabilidad de uso diario: 2,8 (uso probable)
  • Recomendación a colegas: 3,0 (lo recomendaría)

Estos resultados preliminares subrayan la eficiencia obtenida al integrar una herramienta de búsqueda conversacional con IA en la resolución de problemas clínicos, sin comprometer la confianza ni la satisfacción del usuario.

Interpretación e implicaciones

La drástica reducción del tiempo de búsqueda y del volumen de consultas sugiere que MedSearch puede optimizar los flujos de trabajo clínicos al proporcionar rápidamente respuestas relevantes y basadas en la evidencia. Esta capacidad puede reducir la carga cognitiva de los profesionales sanitarios, agilizar la toma de decisiones y, en última instancia, contribuir a una mejor evolución de los pacientes mediante la incorporación oportuna de la mejor evidencia disponible. Los altos índices de aceptabilidad y confianza indican además que los profesionales clínicos consideran la herramienta fiable y práctica, factores importantes para su adopción y uso continuado.

En cambio, los métodos de búsqueda tradicionales, que a menudo requieren múltiples plataformas, libros de texto o bases de datos, presentan barreras logísticas para una recuperación eficiente de la información. La interfaz conversacional de MedSearch ofrece una forma más intuitiva e interactiva de navegar por bases de conocimiento médico complejas, lo que reduce las barreras para la práctica basada en la evidencia en entornos clínicos con mucha actividad.

Sin embargo, dado el carácter preliminar de estos hallazgos, es esencial una validación adicional con cohortes más amplias y diversas. Además, el estudio aún no ha evaluado la precisión diagnóstica ni los resultados de los pacientes relacionados directamente con el uso de MedSearch, áreas propicias para futuras investigaciones. Los posibles sesgos en la dificultad de las preguntas o la familiaridad de los participantes con las herramientas digitales también merecen un análisis minucioso.

Implementación y Escalabilidad

La arquitectura de MedSearch permite una integración fluida en entornos clínicos donde se requiere un apoyo rápido a la toma de decisiones, como servicios de urgencias, consultas externas y hospitales universitarios. Su conexión a internet en tiempo real lo diferencia de los sistemas LLM cerrados y permite la actualización continua de la evidencia con mínima intervención manual.

Los desafíos para una implementación generalizada incluyen garantizar la privacidad de los datos, asegurar un acceso fiable a internet y proporcionar formación a los usuarios para optimizar su uso eficaz. Abordar estos obstáculos será fundamental en entornos con una infraestructura de TI limitada. Sin embargo, la flexibilidad del diseño de MedSearch permite su adaptabilidad a múltiples idiomas, especialidades y sistemas de salud a nivel mundial, lo que sugiere un amplio potencial más allá del contexto colombiano inicial.

Además, la tecnología subyacente podría extenderse para apoyar a las profesiones de la salud afines, la educación del paciente y la difusión de información de salud pública, acelerando así la transferencia de conocimiento en todo el ecosistema médico.

Conclusión y próximos pasos

El estudio piloto de MedSearch presenta evidencia preliminar convincente de que la recuperación de evidencia en tiempo real mediante IA puede mejorar significativamente el acceso a la información clínica. Al reducir significativamente el tiempo y el esfuerzo de búsqueda, a la vez que mantiene la confianza del usuario y la utilidad percibida, MedSearch ofrece una vía prometedora para integrar el conocimiento médico actualizado en la práctica clínica habitual.

En el futuro, serán cruciales los ensayos a mayor escala que evalúen la precisión clínica, el impacto en las decisiones y los resultados de los pacientes. Los esfuerzos paralelos deben centrarse en la integración de MedSearch con las historias clínicas electrónicas y en el perfeccionamiento de su interfaz para diversos grupos de usuarios. Con un desarrollo y validación continuos, herramientas como MedSearch podrían convertirse en activos indispensables en la búsqueda de una atención basada en evidencia, eficiente y centrada en el paciente.

Referencias

• Castaño-Villegas N, Villa MC, Llano I, Zea J. Validación preliminar de MedSearch: un agente conversacional para responder preguntas médicas en tiempo real basado en evidencia. Arkangel AI, Bogotá, Colombia, 2024.
• Liu N, Chen L, Tian X, Zou W, Chen K, Cui M. De LLM a agente conversacional: una arquitectura mejorada con memoria con ajuste fino de modelos de lenguaje grandes. arXiv 2024. http://arxiv.org/abs/2401.02777
• Gilson A, Safranek CW, Huang T, Socrates V, Chi L, Taylor RA, Chartash D. ¿Cuál es el rendimiento de ChatGPT en el Examen de Licencia Médica de los Estados Unidos (USMLE)? JMIR Med Educ. 2023;9:e45312.
• Thirunavukarasu AJ, Ting DSJ, Elangovan K, et al. Modelos de lenguaje extenso en medicina. Nat Med. 2023;29:1930–1940.