El desarrollo de modelos de inteligencia artificial (IA) cada vez más potentes y de agentes de IA —modelos capaces de realizar tareas complejas, aprender y adaptarse de forma autónoma— es visto con buenos ojos en múltiples sectores, y el de la atención sanitaria no es una excepción. Sin embargo, resulta imprescindible evaluar el rendimiento de dichas herramientas en entornos con cargas de trabajo elevadas como los que se dan en los sistemas de salud.
En este sentido, investigadores de la Icahn School of Medicine de Mount Sinai, en Nueva York (EE. UU.), han recurrido a simulaciones para poner a prueba dos tipos de implementación de la IA en su red asistencial: uno basado en un único sistema a cargo de diversas tareas clínicas y otro con una red de agentes de IA especializados y un coordinador que distribuye las tareas.
El trabajo utilizó modelos de última generación para realizar tres tareas habituales en la práctica clínica: recuperar información bibliográfica, extraer datos de historias clínicas electrónicas y realizar cálculos de dosis de medicamentos. Ambos tipos de implementación se pusieron a prueba para un mínimo de cinco tareas simultáneas y un máximo de 80.
La red de agentes de IA coordinada resultó mucho más precisa en escenarios de alta carga de trabajo
Publicados en Npj Health Systems, los resultados ponen de relieve que la red coordinada de agentes de IA resultaba más eficiente, con una precisión del 90,6% para ejecutar cinco tareas simultáneas y del 65,3% para ejecutar 80. En cambio, el sistema basado en un único agente polivalente obtuvo precisiones del 73,1% y el 16,6%, respectivamente, para ambos volúmenes de trabajo. Además, la estrategia multiagente fue más coste-efectiva en términos de costes computacionales y de latencia.
Los autores consideran que estos resultados preliminares ponen de relieve una forma más eficiente de implementar sistemas de IA capaces de asistir en diversas tareas clínicas. En próximos trabajos tienen previsto evaluar estas redes de varios agentes coordinados en entornos clínicos con datos en tiempo real.
Así mismo, esperan que los resultados contribuyan a sentar las bases para una futura aplicación efectiva de la IA en hospitales y sistemas de salud que ayude a gestionar las cargas de trabajo sin comprometer la calidad y la seguridad de la atención.
Referencia
Klang E, Omar M, Raut G, et al. Orchestrated multi agents sustain accuracy under clinical-scale workloads compared to a single agent.
Npj Health Syst. 2026;3:23.
doi:10.1038/s44401-026-00077-0
OAD-ES-AMG-0001
Aceptar y salir
