LO
Despliegue realAutomatización cognitiva2020-01-01
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
Dietista-nutricionistapágina de la ocupación →
Fecha del hecho / publicación
2020-01-01
Categoría de la evidencia
Despliegue realUna empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.
Tareas sobre las que incide
Evaluar lo que alguien come
Registrar y estimar la ingesta de una persona a partir de diarios de alimentos, recordatorios y fotos.
Aumentada por la máquina✓ Con evidencia
Dónde aplica esto
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.
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.
Qué no muestra todavía
Un solo sistema sanitario, un modelo que ordena y no evalúa, y ninguna medida del tiempo de los dietistas.
Qué puedes comprobar
Abre el artículo de npj Digital Medicine (PMC11156633) y busca «used by the RD team to prioritize which inpatients to evaluate».
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho. Lo que sí hizo este registro: 1 juicio de tarea enlazado de arriba se apoyan ahora en evidencia en vez de en inferencia.
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) · verificado 2026-10-09 · Claude (VOLO agent) · interpretado 2026-10-09 · Claude (VOLO agent)
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.