Scout: Una Nueva Herramienta de Búsqueda y Síntesis EHR Basada en LLM

La carga de documentación clínica y la extracción de datos de los Registros Electrónicos de Salud (EHR) contribuyen significativamente al agotamiento de los clínicos. En respuesta, desarrollamos Scout, una plataforma innovadora que utiliza modelos de lenguaje de gran tamaño (LLM) para permitir a los profesionales de la salud buscar datos EHR mediante consultas en lenguaje natural. Cada respuesta de Scout incluye citas que enlazan con los datos originales, lo que facilita la verificación de la información proporcionada. Llevamos a cabo un estudio cruzado aleatorizado y ciego para los evaluadores, involucrando a 20 participantes en siete especialidades clínicas, centrado en 200 casos estructurados. Los participantes realizaron tareas clínicas realistas utilizando Scout o el sistema EHR tradicional. Los resultados mostraron que Scout redujo el tiempo de finalización de tareas en un 37.6% y disminuyó notablemente la carga de trabajo percibida, especialmente en áreas como la demanda mental y el esfuerzo. Además, los análisis de no inferioridad confirmaron que la precisión, la integridad y la relevancia de las tareas realizadas con Scout eran comparables a las realizadas solo con el EHR. Un despliegue piloto que involucró a más de 200 usuarios en más de 20 especialidades generó más de 6,600 interacciones en tres meses, destacando diversas aplicaciones clínicas y administrativas. Las evaluaciones automatizadas identificaron errores a tasas bajas, y una revisión manual mostró que muchas afirmaciones marcadas como errores estaban respaldadas por los registros de los pacientes, subrayando la necesidad de validación humana. Estos hallazgos preliminares sugieren que las herramientas EHR potenciadas por LLM pueden reducir significativamente la carga de trabajo clínica mientras mantienen la calidad de los resultados.