Un estudio del Vanderbilt University Medical Center revela que las alertas generadas por inteligencia artificial (IA) pueden mejorar significativamente la identificación de pacientes en riesgo de suicidio, fortaleciendo así los esfuerzos de prevención en entornos médicos rutinarios.
Dirigido por Colin Walsh, profesor asociado de Informática Biomédica, Medicina y Psiquiatría, la investigación probó el sistema Vanderbilt Suicide Attempt and Ideation Likelihood (VSAIL) en tres clínicas de neurología del centro. El estudio, publicado en JAMA Network Open, comparó dos enfoques: alertas intrusivas que interrumpen el flujo de trabajo del médico y un sistema pasivo que muestra información de riesgo en el historial médico electrónico del paciente.
Los resultados mostraron que las alertas intrusivas fueron mucho más efectivas, llevando a los médicos a evaluar el riesgo de suicidio en el 42% de los casos, en comparación con solo el 4% en el sistema pasivo. Walsh comentó: “La mayoría de las personas que mueren por suicidio tuvieron contacto con un proveedor de atención médica en el año anterior, a menudo por razones de salud no específicas.”
Las tasas de suicidio en EE. UU. han aumentado en la última generación, con 14.2 muertes por cada 100,000 personas al año, lo que la convierte en la undécima causa principal de muerte. La investigación indica que el 77% de quienes mueren por suicidio consultaron a un proveedor de atención primaria en el año anterior.
El modelo VSAIL analiza datos actuales de los registros médicos electrónicos para estimar el riesgo de intentos de suicidio en los próximos 30 días. En pruebas anteriores, este modelo, que marcaba a los pacientes sin enviar alertas, mostró resultados prometedores: uno de cada 23 pacientes marcados informó posteriormente pensamientos suicidas.
Durante el estudio actual, cuando pacientes marcados como de alto riesgo por VSAIL tenían citas, sus médicos recibían aleatoriamente alertas intrusivas o pasivas. El enfoque en las clínicas de neurología se debió a la asociación de ciertas condiciones neurológicas con un mayor riesgo de suicidio.
Walsh mencionó que el sistema automatizado solo marcó aproximadamente el 8% de todas las visitas de pacientes para el cribado, lo que indica que los enfoques dirigidos pueden facilitar la prevención del suicidio incluso en clínicas ocupadas. El estudio analizó 7,732 visitas médicas durante seis meses, generando un total de 596 alertas de cribado. No se registraron episodios de pensamientos o intentos suicidas en el mes siguiente entre los pacientes de ambos grupos de alertas.
Aunque las alertas intrusivas aumentaron la frecuencia del cribado, los investigadores advirtieron sobre el riesgo de fatiga por alertas, donde los médicos pueden verse abrumados por notificaciones excesivas. Los estudios futuros explorarán este fenómeno más a fondo.
“Los sistemas de salud deben equilibrar la eficiencia de las alertas intrusivas con los posibles efectos negativos”, afirmó Walsh. “Nuestros hallazgos sugieren que la identificación automática del riesgo, junto con alertas bien diseñadas, puede ayudar a identificar a más pacientes que necesitan servicios de prevención del suicidio.”