Aplicación basada en IA para la codificación de Diagnósticos CIE-10 en la UCI del Hospital Río Hortega

Abstract

El objetivo de este trabajo es desarrollar una aplicación de escritorio, la cual, utilizando técnicas de inteligencia artificial, ayude en la codificación de diagnósticos médicos según la clasificación CIE-10, especialmente en el entorno de la Unidad de Cuidados Intensivos (UCI) del Hospital Río Hortega. El proyecto se divide en dos partes, por un lado la inteligencia artificial, capaz de analizar los textos que introduzcan los médicos para sugerir codificaciones relevantes y, por otro lado, la implementación de la aplicación que permite al usuario interactuar de forma sencilla y eficiente con el sistema. Usando la metodología SCRUM para mantener una comunicación constante con el cliente, se abordan distintos aspectos técnicos como el diseño de la base de datos vectorizada, el uso de modelos transformer, la evaluación del rendimiento del sistema, así como la integración de funcionalidades como atajos de teclado, gestión del portapapeles y ajustes personalizados. El resultado obtenido muestra una mejora en el proceso de codificación de diagnósticos, reduciendo errores y tiempo, mejorando así la calidad de la atención médica. Esta aplicación se adapta al flujo de trabajo real de los profesionales sanitarios.

The objective of this work is to develop a desktop application that, using artificial intelligence techniques, assists in the coding of medical diagnoses according to the CIE-10 classification, especially within the environment of the Intensive Care Unit (ICU) at the Río Hortega Hospital. The project is divided into two parts: on one hand, the artificial intelligence component, capable of analyzing the text entered by medical professionals to suggest relevant codifications; and on the other hand, the implementation of the application, which enables the user to interact with the system in a simple and efficient way. Using the SCRUM methodology to maintain constant communication with the client, various technical aspects are addressed, such as the design of the vectorized database, the use of transformer models, the evaluation of system performance, as well as the integration of functionalities like keyboard shortcuts, clipboard management, and customizable settings. The results show an improvement in the diagnosis coding process, reducing errors and saving time, thus enhancing the quality of medical care. This application is well adapted to the actual workflow of healthcare professionals.