Els hospitals fa anys que fan servir puntuacions de risc per saber quins pacients ingressats empitjoraran. El problema és que moltes vegades l'avís queda en una pantalla que ningú no mira a temps. Aquest estudi prova què passa quan l'avís arriba directament a l'equip de resposta ràpida, el grup de professionals que acudeix a atendre un pacient que s'agreuja.
L'equip de Thomas Nahass i Stephen O'Mahony, de la Facultat de Medicina Robert Wood Johnson de Rutgers i de RWJBarnabas Health, ha comparat els resultats d'abans i d'après d'implantar el sistema a onze hospitals de Nova Jersey, amb 23.132 pacients d'alt risc. L'índex de deteriorament d'Epic, un model d'aprenentatge automàtic que llegeix constants vitals, analítiques, valoracions d'infermeria i edat i es recalcula cada quinze minuts, enviava un avís automàtic quan la puntuació passava d'un llindar alt. La mortalitat hospitalària va baixar del 23,1% al 18,6% (una raó de probabilitats ajustada de 0,82) i les activacions de l'equip de resposta ràpida van passar del 25,3% al 37,5% de les estades, sense un augment significatiu de trasllats a cures intensives. L'estudi surt a NEJM AI (DOI 10.1056/AIoa2500973).
La rellevància és que el resultat no es mesura en la precisió d'un algorisme, sinó en defuncions, que és el que gairebé mai s'avalua: una auditoria publicada l'agost a PLOS Digital Health va trobar que només 3 de 1.357 aparells d'IA autoritzats per l'FDA s'han provat amb resultats que importen als pacients.
Els mateixos autors recorden els límits. És una comparació d'abans i d'après, no un assaig aleatoritzat; les dues fases no cobreixen les mateixes estacions de l'any; en dos hospitals la implantació va ser incompleta, i només el 46,6% dels ingressos van generar un avís. A més, atribueixen la millora a la implantació coordinada, amb formació del personal inclosa, i no pas a l'algorisme tot sol.