Un marco de IA multiagente apoya el monitoreo de la calidad y el flujo de trabajo en el laboratorio

El aumento del volumen de pruebas, la escasez de personal y unos diagnósticos cada vez más complejos están ejerciendo mayor presión sobre las operaciones del laboratorio, lo que podría interrumpir las pruebas y retrasar la atención al paciente. Para apoyar un reconocimiento más temprano de estos problemas, los investigadores han desarrollado un marco de IA diseñado para identificar problemas operativos emergentes.

Investigadores de Weill Cornell Medicine (Nueva York, NY, EE. UU.) han diseñado LabARIA (Razonamiento Agéntico y Analítica Integrativa en Laboratorio), un marco de inteligencia artificial (IA) para la calidad y las operaciones de los laboratorios clínicos.

Presentado como uno de los primeros marcos en utilizar múltiples herramientas de IA especializadas, o agentes, para la monitorización de laboratorios, LabARIA pretende integrar capacidades que actualmente están fragmentadas entre aplicaciones de IA específicas para tareas en medicina de laboratorio.

El marco propuesto se conectaría con los sistemas de información de laboratorio existentes y otras bases de datos. Un coordinador central de datos de IA derivaría la información hacia agentes especializados que supervisarían la calidad de las muestras, los tiempos de respuesta de las pruebas, el control de calidad analítico, el rendimiento de los instrumentos y el cumplimiento normativo.

Agentes adicionales preverían las necesidades de inventario y personal. La rendición de cuentas integrada proporcionaría registros de datos trazables y explicaciones de las recomendaciones, permitiendo a los profesionales del laboratorio anular el sistema cuando fuera necesario.

Estas capacidades podrían complementar las prácticas actuales, en las que el personal realiza comprobaciones varias veces al día y resuelve de forma retrospectiva problemas analíticos cuando los resultados infringen las normas establecidas de control de calidad. LabARIA podría identificar tendencias preocupantes antes de que se produzcan infracciones formales, incluidos cambios asociados con reactivos u otros materiales de análisis.

También podría detectar patrones en indicadores de calidad de las muestras vinculados con la recolección, la manipulación o el transporte, lo que impulsaría la investigación antes de que las interrupciones en las pruebas retrasen la notificación de resultados.

El marco se presentó en un artículo de perspectiva publicado el 28 de octubre en npj Health Systems, con trabajo en el que participaron Weill Cornell Medicine y NewYork-Presbyterian/Weill Cornell Medical Center. LabARIA sigue siendo conceptual, y el equipo planea realizar experimentos utilizando datos retrospectivos de laboratorio para perfeccionar el sistema. No se informaron métricas de rendimiento clínico ni el tamaño de la cohorte de pacientes.

“Este marco puede identificar anomalías y reunir datos para ayudar al personal del laboratorio a investigar y abordar los problemas antes. Mejorar la calidad y la eficiencia del laboratorio con IA puede beneficiar la prestación de atención sanitaria”, dijo la Dra. He Sarina Yang, profesora asociada de patología clínica y medicina de laboratorio en Weill Cornell y directora médica del laboratorio de química clínica y toxicología en NewYork-Presbyterian/Weill Cornell Medical Center. 

“Una vez que tengamos pruebas convincentes, podremos hablar de implementar el sistema en nuestro laboratorio clínico. Incluso después de su despliegue, seguiremos monitoreando el sistema para asegurarnos de que funcione de forma segura y eficaz”, dijo el Dr. Fei Wang, decano asociado de inteligencia artificial y profesor Frances and John Loeb de Informática Médica en el Departamento de Ciencias de la Salud Poblacional de Weill Cornell.

Enlaces relacionados
Weill Cornell Medicine