🤖 machine learning

A Neurosymbolic Approach for Constructing Planning Domain Models from Clinical Narratives

Este artículo presenta NSPIN, un marco neurosimbólico que combina modelos de lenguaje extensos con validación empírica para construir automáticamente modelos de dominios de planificación probabilística a partir de narrativas clínicas no estructuradas, abordando eficazmente los desafíos de las acciones implícitas y la escasez de datos en flujos de trabajo quirúrgicos complejos.

Autores originales: Ranveer Singh, Saurabh Mathur, Michael Skinner, Prasad Tadepalli, Kristian Kersting, Sriraam Natarajan

Publicado 2026-08-24

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ranveer Singh, Saurabh Mathur, Michael Skinner, Prasad Tadepalli, Kristian Kersting, Sriraam Natarajan

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Los hospitales están llenos de historias escritas en los márgenes de la atención al paciente. Los cirujanos registran su trabajo en notas detalladas, describiendo cómo manejaron las complicaciones únicas de un paciente específico, desde un órgano perforado hasta una infección inesperada. Durante décadas, este conocimiento ha permanecido atrapado dentro de expedientes individuales, útil solo para la persona que lo escribió o el equipo que atiende a ese paciente específico. Nunca se ha recopilado en una imagen única y clara de cómo funcionan realmente estos procedimientos a través de miles de casos. Los científicos han deseado durante mucho tiempo convertir estas historias desordenadas y manuscritas en un conjunto formal de reglas: un mapa lógico que muestre exactamente qué debe suceder antes de que un cirujano pueda dar el siguiente paso, y qué podría suceder como resultado. Este tipo de mapa es esencial para construir inteligencia artificial que pueda ayudar a entrenar a nuevos médicos, revisar notas quirúrgicas automáticamente o incluso guiar futuros sistemas robóticos. El desafío es que el lenguaje humano está lleno de atajos y suposiciones. Un cirujano podría escribir que "colocó un puerto" sin mencionar que primero tuvo que realizar una incisión, porque para él, ese paso es tan obvio que no necesita ser mencionado. Sin embargo, las computadoras no pueden adivinar lo que es obvio; necesitan que cada paso esté dinyatakan explícitamente para comprender la lógica de la operación.

Un equipo de investigadores ha desarrollado un nuevo método para resolver este problema, convirtiendo miles de notas quirúrgicas no estructuradas en un modelo lógico preciso de una cirugía pediátrica común llamada apendicectomía laparoscópica. Este procedimiento, que consiste en extraer un apéndice inflamado a través de pequeñas incisiones, se realiza con frecuencia en hospitales pediátricos, proporcionando un rico conjunto de datos de más de 2,600 notas del mundo real escritas por nueve cirujanos diferentes. Los investigadores crearon un sistema que actúa como un puente entre la naturaleza fluida del lenguaje humano y los requisitos rígidos de la lógica computacional. Lo llaman NSPIN. Funciona utilizando primero un modelo de lenguaje potente, un tipo de inteligencia artificial entrenada en vastas cantidades de texto, para leer las notas brutas y extraer las acciones y observaciones específicas mencionadas. Debido a que las notas suelen estar incompletas, el sistema utiliza el mismo modelo de lenguaje para llenar los vacíos faltantes, infiriendo los pasos ocultos que un cirujano habría realizado pero que no escribió. Finalmente, utiliza otro tipo de lógica matemática para organizar estos pasos en un plan coherente, verificando el trabajo contra los datos para asegurar que las reglas tengan sentido.

El proceso comienza con la lectura del texto bruto de una nota quirúrgica por parte del sistema. Identifica los eventos clave, como realizar una incisión o colocar un instrumento quirúrgico, y los organiza en el orden en que ocurrieron. Sin embargo, los investigadores descubrieron que simplemente leer el texto no era suficiente. Los cirujanos a menudo omiten la escritura de protocolos universales o pasos intermedios obvios, dejando a la computadora con una cadena de eventos interrumpida. Para solucionar esto, el sistema le pide al modelo de lenguaje que actúe como un experto clínico, sugiriendo los pasos faltantes que conectan lógicamente los eventos registrados. Por ejemplo, si una nota menciona que se extrajo un apéndice, el sistema infiere que primero se debió asegurar la base del apéndice, incluso si el cirujano no lo escribió explícitamente. Este paso es crucial porque recupera el conocimiento silencioso que los expertos llevan en sus cabezas pero que rara vez plasman en papel. El sistema genera múltiples versiones posibles de estos pasos faltantes y luego las combina, manteniendo solo aquellas en las que la mayoría de las versiones generadas están de acuerdo, asegurando que la secuencia final sea robusta y confiable.

Una vez que el sistema tiene una secuencia completa y ordenada de eventos para cada cirugía, construye un modelo formal que describe las reglas de la operación. Este modelo define qué condiciones deben cumplirse antes de que se pueda realizar una acción específica y cuáles son los resultados probables de dicha acción. Por ejemplo, aprende que un cirujano no puede colocar un puerto quirúrgico hasta que se haya realizado una incisión, y que colocar el puerto podría llevar al descubrimiento de adherencias, o tejido cicatricial, lo que requiere entonces un procedimiento específico para eliminarlas. Los investigadores probaron este enfoque comparándolo con métodos que dependían únicamente del modelo de lenguaje sin el paso de verificación lógica. Encontraron que el enfoque combinado era muy superior. El sistema que utilizó las reglas lógicas para refinar las sugerencias del modelo de lenguaje produjo un modelo que era mucho mejor para predecir qué sucedería después en una cirugía y para identificar qué acciones eran realmente posibles en cualquier momento dado.

Los resultados mostraron que el sistema podía aprender de las notas de nueve cirujanos diferentes y crear un conjunto general de reglas que funcionaba para todos ellos, incluso cuando se probaba con notas de un cirujano que no había visto antes. Cuando los investigadores pidieron a expertos médicos que revisaran los pasos que el sistema había inferido, los expertos confirmaron que los pasos faltantes eran clínicamente correctos y necesarios. En un caso, el sistema recuperó correctamente la información de que un cirujano había cerrado la pared abdominal con un tipo específico de sutura, a pesar de que el extractor de información inicialmente no logró extraerla de una nota que declaraba explícitamente: "La fascia umbilical fue cerrada con sutura Vicryl 0". En otro caso, dedujo que asegurar la base del apéndice era un prerrequisito para cortarlo, una necesidad lógica que no estaba establecida explícitamente en el texto. Estos hallazgos demuestran que el sistema puede traducir con éxito el conocimiento implícito y no escrito de los expertos humanos en un formato formal y utilizable.

El estudio también reveló que confiar únicamente en el modelo de lenguaje, sin la refinación lógica, conducía a errores. El modelo de lenguaje por sí solo tendía a crear reglas que eran demasiado laxas o demasiado restrictivas, omitiendo a menudo las verdaderas relaciones de causa y efecto que gobiernan un procedimiento quirúrgico. Al combinar la capacidad del modelo de lenguaje para comprender el texto con la capacidad de un sistema simbólico para imponer la consistencia lógica, los investigadores crearon un modelo que era lo suficientemente flexible para manejar la variedad de la escritura humana y lo suficientemente estricto como para ser confiable por las máquinas. Este enfoque sugiere un camino a seguir para la construcción de inteligencia artificial en campos de alto riesgo como la medicina, donde entender el "por qué" detrás de una acción es tan importante como saber el "qué". El trabajo no pretende haber resuelto todos los problemas de la automatización quirúrgica, pero proporciona un método probado para convertir la vasta historia no estructurada de la atención al paciente en una base estructurada para futuras herramientas que podrían mejorar la seguridad del paciente y el entrenamiento quirúrgico.

Planteamiento del Problema
La formalización de flujos de trabajo quirúrgicos complejos, como la apendicectomía laparoscópica, en modelos de dominio de planificación interpretables sigue siendo un desafío significativo. Si bien tales modelos son esenciales para sistemas de IA en el bucle (AI-in-the-loop), simuladores de entrenamiento quirúrgico y mejora de la calidad, los enfoques existentes luchan contra la naturaleza de los datos clínicos. Las narrativas clínicas son no estructuradas, lingüísticamente diversas y frecuentemente omiten pasos intermedios "obvios" que son implícitos para los cirujanos pero esenciales para la consistencia lógica. Los métodos simbólicos puramente empíricos fallan porque requieren trayectorias de estado-acción estructuradas, las cuales rara vez están disponibles. Por el contrario, los Modelos de Lenguaje de Gran Escala (LLMs), aunque capaces de la extracción e imputación lingüística, tienen dificultades con el razonamiento lógico inductivo y a menudo producen modelos excesivamente simplistas o lógicamente inconsistentes, particularmente cuando carecen de soporte externo como entornos ejecutables o descripciones de dominio limpias. Además, los dominios clínicos requieren el modelado probabilístico para capturar resultados estocásticos, una capacidad que suele faltar en los formalizadores basados en LLM que son deterministas.

Metodología: El Marco NSPIN
Los autores presentan NSPIN, un marco neurosimbólico diseñado para inducir modelos de dominio de planificación probabilística (específicamente en el Lenguaje de Definición de Dominios de Planificación Probabilística, o PPDDL) a partir de narrativas clínicas no estructuradas. El marco cierra la brecha entre la flexibilidad lingüística de los LLMs y el rigor lógico de la inducción simbólica a través de cuatro etapas distintas:

Creación de Esquemas: Un LLM preentrenado genera un esquema de dominio formal ( $P_0$ ) basado en una descripción en lenguaje natural del dominio. Este esquema define categorías de objetos tipificados (por ejemplo, instrumentos, estructuras anatómicas), predicados de observación (propiedades de estado) y predicados de acción (pasos quirúrgicos). En esta etapa, los esquemas de acción son sintácticamente válidos pero contienen precondiciones y efectos vacíos, sirviendo como un vocabulario fijo para restringir el espacio de búsqueda subsiguiente.
Generación de Secuencias: Esta etapa convierte las notas quirúrgicas brutas en secuencias de predicados estructuradas y fundamentadas a través de dos subfases:
- Extracción de Información: El LLM extrae una secuencia de predicados fundamentados a partir del texto. Para manejar la estocasticidad, se generan $K$ secuencias candidatas y se agregan utilizando filtrado por mayoría para la retención de predicados, votación por consenso para la fundamentación de argumentos y agregación de rango de Kemeny ponderada para el ordenamiento temporal.
- Imputación de Secuencias: Reconociendo que los cirujanos omiten pasos implícitos, el marco utiliza el modelo de mundo interno del LLM para inferir acciones o observaciones intermedias faltantes que sean necesarias para la continuidad lógica. De manera similar a la extracción, se generan y agregan $K$ imputaciones candidatas para producir una secuencia final enriquecida ( $S$ ) que representa el flujo de trabajo completo.
Construcción del Modelo de Planificación:
- Inducción Basada en Datos: Un inductor codicioso (greedy) basado en cobertura construye esquemas de acción PPDDL iniciales a partir de las secuencias enriquecidas. Estima las precondiciones basándose en contextos de observación y los efectos probabilísticos basándose en las frecuencias de resultados de máxima verosimilitud, filtrando los efectos de baja probabilidad.
- Refinamiento por LLM: Para abordar las correlaciones espurias donde la inducción basada en datos podría incluir precondiciones no esenciales, un LLM refina las precondiciones inducidas. El LLM propone revisiones basadas en contextos satisfechos y fallidos, aceptando cambios solo si estos no degradan el rendimiento de la validación. Esto asegura que las precondiciones estén semánticamente fundamentadas en lugar de ser meramente asociativas.
Evaluación: El modelo resultante se evalúa en un conjunto de notas quirúrgicas no utilizado para medir su capacidad de predecir conjuntos de observaciones y acciones subsecuentes.

Contribuciones Clave
El artículo realiza tres contribuciones técnicas primarias:

Marco NSPIN: Un enfoque neurosimbólico novedoso que transforma notas quirúrgicas no estructuradas en dominios PPDDL probabilísticos formales combinando la extracción/imputación basada en LLM con la inducción y el refinamiento simbólico.
Imputación de Conocimiento Implícito: La explotación de los LLMs preentrenados para llenar los vacíos en las notas quirúrgicas, infiriendo acciones clínicas latentes y precondiciones que son esenciales para la consistencia lógica del plan, pero que suelen ser omitidas por los escritores humanos.
Validación Empírica: Una evaluación exhaustiva en un conjunto de datos de 2,660 notas de apendicectomía laparoscópica del mundo real de nueve cirujanos, demostrando que el enfoque neurosimbólico supera a las líneas base de solo LLM en la generalización a flujos de trabajo no vistos.

Resultados
Los autores evaluaron NSPIN frente a dos líneas base de solo LLM (una de disparo cero y otra con ejemplos de contexto) y una variante de NSPIN sin el paso final de refinamiento por LLM. Los hallazgos clave incluyen:

Eficacia de la Imputación: Los modelos entrenados con datos imputados superaron significativamente a los entrenados con extracciones brutas en todas las métricas (precisión Top-1/Top-3 y Log-Likelihood Negativo), confirmando que la recuperación de información implícita es crítica para un modelado preciso.
Impacto del Refinamiento: El paso de refinamiento por LLM mejoró sustancialmente las métricas de predicción de la siguiente acción. Específicamente, redujo la Tasa de Acción Desautorizada Verdadera (TADR), indicando que las precondiciones refinadas eran menos restrictivas y más compatibles con los flujos de trabajo observados que las versiones puramente basadas en datos.
Superioridad Neurosimbólica: NSPIN (con refinamiento) superó a todas las líneas base de solo LLM en la predicción de observaciones y la predicción de la siguiente acción. Mientras que los modelos simbólicos sin refinar inicialmente tuvieron un desempeño inferior al de las bases neuronales, la adición del refinamiento semántico permitió que NSPIN las superara, demostrando que la validación simbólica es necesaria para fundamentar los priors procedimentales del LLM en datos empíricos.
Alineación Cualitativa: La revisión de expertos confirmó que los pasos imputados (por ejemplo, cierre de la fascia, asegurar la base del apéndice) eran clínicamente correctos y que las precondiciones refinadas reflejaban con precisión las necesidades clínicas genuinas en lugar de asociaciones descriptivas.

Significancia
El artículo afirma que NSPIN proporciona una vía para crear modelos interpretables y generalizables de procedimientos quirúrgicos que pueden apoyar una IA clínica confiable y desplegable. Al formalizar con éxito las narrativas no estructuradas en dominios de planificación probabilística, el enfoque permite aplicaciones posteriores como:

Mejorar los simuladores quirúrgicos capturando complicaciones raras y variaciones de procedimiento.
Permitir la revisión automatizada de las notas operatorias.
Informar las iniciativas de mejora de la calidad mediante el seguimiento de diferencias sistemáticas entre cirujanos e instituciones.
Sentar las bases para futuros sistemas quirúrgicos autónomos.

Los autores enfatizan que su enfoque aborda las limitaciones específicas de los métodos actuales al manejar la falta de datos estructurados y la prevalencia de acciones implícitas en entornos clínicos, ofreciendo una alternativa robusta a los enfoques puramente simbólicos o puramente neuronales.

Más como este