Protocol for a Multimethod Evaluation of AI-Based Colorectal Cancer Risk Prediction in an Emulated Primary Care Electronic Health Record Environment: Trust, Usability, and Diagnostic Decision-Making
Este estudio multimétodo evalúa cómo los médicos de familia interpretan y utilizan las predicciones de riesgo de cáncer colorrectal basadas en IA dentro de un entorno emulado de historia clínica electrónica, combinando evaluaciones cuantitativas de la toma de decisiones diagnósticas con entrevistas cualitativas sobre confianza y usabilidad, con el objetivo de informar futuros ensayos prospectivos en la atención primaria de rutina.
Artículo original bajo licencia CC BY 4.0 (https://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
En el mundo tranquilo y a menudo caótico del consultorio de un médico de familia, una de las tareas más difíciles es detectar un tipo específico de enfermedad antes de que se vuelva avanzada. El cáncer colorrectal, una enfermedad que afecta al intestino grueso, se pasa por alto con frecuencia en sus etapas iniciales porque sus señales de advertencia tempranas pueden ser vagas o confundirse fácilmente con problemas digestivos menos graves. Aunque los médicos confían en su formación y en la información disponible en los expedientes de los pacientes, el enorme volumen de datos y la naturaleza sutil de los síntomas hacen que la detección temprana sea un desafío persistente. Para ayudar, los investigadores han comenzado a desarrollar programas informáticos que utilizan la inteligencia artificial para analizar los registros médicos, buscando patrones que puedan señalar un peligro mucho antes de que se realice un diagnóstico oficial. Estas herramientas prometen actuar como un segundo par de ojos, resaltando riesgos que un humano podría pasar por alto. Sin embargo, un programa informático es tan bueno como la capacidad del médico para confiar en él y comprenderlo. Si una herramienta es confusa o si el médico no sabe cómo interpretar sus sugerencias, no mejorará la atención al paciente, sin importar qué tan inteligente sea el algoritmo.
Este estudio se propuso probar precisamente cómo interactúan los médicos generales con tal herramienta en un entorno seguro y controlado. Los investigadores crearon una versión simulada de un registro de salud electrónico de atención primaria, un sistema digital donde los médicos normalmente almacenan las notas y los resultados de las pruebas de sus pacientes. Recopilaron registros históricos de pacientes reales que habían sido diagnosticados con cáncer colorrectal, eliminando todos los nombres y detalles personales para proteger su privacidad. Se invitó a diez médicos, una mezcla de especialistas experimentados y aquellos aún en formación, a revisar entre cuarenta y sesenta de estos casos desidentificados. Los médicos revisaron los registros como si estuvieran viendo a los pacientes por primera vez, pero no se les informó que cada una de las personas en el estudio ya había sido diagnosticada con cáncer. Esta configuración permitió a los investigadores ver qué sospecharían y decidirían hacer los médicos basándose únicamente en la información presentada.
El experimento fue diseñado para ver si mostrar a los médicos una puntuación de riesgo generada por computadora cambiaba su opinión. Para algunos de los casos, los médicos vieron solo la historia médica estándar, incluyendo síntomas, resultados de laboratorio y visitas pasadas. Para otros casos, se mostraron los mismos registros, pero con una característica adicional: un porcentaje que indicaba el riesgo calculado por la computadora de padecer cáncer colorrectal, junto con una lista de los factores específicos que llevaron a ese número. Se les pidió a los médicos que indicaran si sospechaban de cáncer, qué tan fuerte era esa sospecha y qué harían a continuación, como ordenar una prueba o remitir al paciente a un especialista. También tuvieron que explicar qué síntomas o hallazgos en el registro los llevaron a su conclusión. Después de revisar los casos, cada médico se sentó para una entrevista privada para discutir su experiencia, compartiendo sus pensamientos sobre si las predicciones de la computadora les parecieron útiles, confiables o confusas.
El estudio no midió si los pacientes fueron curados o si la herramienta salvó vidas, porque no hubo pacientes reales involucrados en esta fase. En su lugar, el enfoque se centró enteramente en el elemento humano del proceso. Los investigadores querían saber si la herramienta de inteligencia artificial influía en el razonamiento de los médicos, si les ayudaba a detectar la enfermedad con mayor precisión o si les hacía dudar de su propio juicio. Al comparar las decisiones de los médicos cuando contaban con la ayuda de la computadora frente a cuando no la tenían, el equipo podía identificar cómo la herramienta se integra en el flujo del pensamiento clínico. Las entrevistas proporcionaron una mirada más profunda a los sentimientos de los médicos, revelando si encontraban las puntuaciones de riesgo fáciles de entender y si creían que la herramienta era lo suficientemente fiable como para confiar en ella en una clínica real.
Al momento en que se reportó el estudio, los diez médicos participantes ya habían terminado sus revisiones y entrevistas, y el análisis de sus respuestas estaba en curso. Los investigadores señalaron que el entorno simulado funcionó bien, permitiéndoles probar la herramienta sin poner en riesgo la seguridad de los pacientes. Encontraron que el proceso de hacer que los médicos revisaran los casos y luego discutieran sus pensamientos de inmediato era práctico y manejable. El estudio no es un veredicto final sobre si estas herramientas informáticas deberían usarse en cada clínica, sino más bien un paso crucial para comprender cómo funcionan antes de que sean probadas en el mundo real. Los conocimientos obtenidos aquí ayudarán a los investigadores a refinar el diseño de la herramienta y a planificar un ensayo futuro más grande donde el sistema se pruebe en entornos de atención primaria reales con pacientes reales. El objetivo final es asegurar que, cuando se introduzca dicha tecnología, apoye a los médicos de manera efectiva, ayudándoles a detectar el cáncer colorrectal de forma más temprana y precisa, integrándose perfectamente en la ocupada realidad del día a día de un médico.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.