# Los dietistas de Mount Sinai usan en cinco hospitales una puntuación de aprendizaje automático ya implantada para decidir qué pacientes ingresados evalúan primero por desnutrición

Página: https://flyvolo.ai/es/changes/ev-20200101-dietitian-12
Fecha: 2020-01-01 · Etapa: Despliegue real
¿Puede este registro mover un juicio sobre una tarea? sí
Ocupación: https://flyvolo.ai/es/careers/dietitian

## Alcance

Nueva York, Estados Unidos. Los propios investigadores del sistema sanitario dicen que implantó un modelo de aprendizaje automático (MUST-Plus) para detectar la desnutrición al ingreso, que el modelo funciona en cinco de sus hospitales desde 2020 y que el equipo de dietistas-nutricionistas usa su predicción para priorizar qué pacientes ingresados evalúa en las rondas diarias, tras lo cual el dietista registra el diagnóstico de desnutrición según criterios clínicos. El artículo también halla que el modelo estuvo mal calibrado en algunos periodos y grupos. Es un solo sistema sanitario; el modelo ordena a los pacientes para los dietistas, no los evalúa ni los diagnostica, y no se informa de cambios en el tiempo de los dietistas.

## Fuente

- Mount Sinai Health System authors — 'Assessing calibration and bias of a deployed machine learning malnutrition prediction model within a large healthcare system', npj Digital Medicine 7:149 (6 June 2024) — https://pmc.ncbi.nlm.nih.gov/articles/PMC11156633/ (fuente primaria)

## Qué significa esto

En hospitales reales, el software decide ya el orden en que los dietistas ven a los pacientes, mientras la evaluación sigue en manos del dietista.

## Lo que todavía no demuestra

Un solo sistema sanitario, un modelo que ordena y no evalúa, y ninguna medida del tiempo de los dietistas.

## Cómo comprobarlo por tu cuenta

Abre el artículo de npj Digital Medicine (PMC11156633) y busca «used by the RD team to prioritize which inpatients to evaluate».


Más: https://flyvolo.ai/llms.txt