La IA extrae eventos cardíacos de historiales oncológicos en segundos

En un estudio de la Universidad Thomas Jefferson, médicos, residentes y estudiantes dedicaron unas dos horas a revisar cada historia clínica electrónica (EHR). Un modelo de lenguaje de gran tamaño (LLM) —un sistema de inteligencia artificial utilizado aquí para leer textos médicos— realizó la misma tarea de extracción en entre 20 y 42 segundos; la comparación abarcó a 411 pacientes con cáncer de mama y de pulmón.

El objetivo era detectar cardiotoxicidad, es decir, daños relacionados con el corazón causados por el tratamiento contra el cáncer. Los pacientes con cáncer de mama y de pulmón afrontan un riesgo mayor porque el corazón, los pulmones y las mamas están próximos entre sí. Estos daños pueden aumentar el riesgo de infartos, insuficiencia cardíaca y otras afecciones cardíacas, pero encontrar indicios en los historiales de los pacientes puede exigir revisar cientos de archivos.

El marco hacía algo más que buscar una palabra. Sus prompts buscaban palabras clave relevantes y comprobaban al mismo tiempo si se trataba de falsos positivos, de modo que una nota que indicara que un paciente negó padecer una enfermedad —o que un infarto estaba «descartado»— no se contabilizaba como un evento cardíaco. Esa distinción es importante en los historiales médicos, donde los hallazgos negativos pueden expresarse de muchas maneras.

Los investigadores utilizaron modelos de lenguaje de gran tamaño de código abierto e informaron de que el marco encontró datos sobre eventos cardíacos entre el 71 % y el 85,5 % de las veces. Durante el cribado inicial, DeepSeek-R1-70b, Llama-3.3 y Mistral-Large mostraron el mejor equilibrio entre precisión diagnóstica y cumplimiento del formato, por lo que los tres modelos pasaron a los grupos de validación.

En concreto, para los equipos de investigación oncológica, el sistema podría convertir la lenta primera revisión de los historiales de los pacientes en una forma mucho más rápida de recopilar datos sobre cardiotoxicidad. Para los pacientes, el siguiente paso esperado es identificar a quienes tienen más probabilidades de desarrollar complicaciones cardíacas y utilizar esa información para orientar el tratamiento con radioterapia, reduciendo potencialmente los efectos secundarios. El artículo presenta esa posibilidad como un objetivo, no como un servicio clínico disponible en la actualidad: aún se necesitan más ajustes y el trabajo presentado no demuestra una mejora de los resultados de los pacientes.