TriNetX lanza un sistema de extracción de hechos clínicos validado por humanos a partir de notas médicas en el que los investigadores pueden confiar

Los nuevos hallazgos clínicos extraídos mediante PLN cuentan con puntuación de nivel de confianza, han sido contrastados con notas anotadas manualmente y están vinculados a datos estructurados del expediente clínico electrónico para esos mismos pacientes desidentificados 

CAMBRIDGE, Massachusetts, 10 de noviembre de 2026 /PRNewswire/ -- A medida que la inteligencia artificial (IA) facilita más que nunca la extracción de información a partir de notas clínicas, la verdadera disyuntiva para los investigadores radica en si se puede confiar en esos datos para generar evidencia del mundo real (RWE). TriNetX®, la red federada de datos de salud líder a nivel global, anunció hoy el lanzamiento de su función de hechos extraídos de notas clínicas mediante PLN (NLP-extracted Facts from Clinical Notes), ya disponible en la plataforma TriNetX LIVE™ y en conjuntos de datos descargables. Esta solución proporciona a los investigadores variables y puntos de datos listos para el análisis extraídos de más de 800 millones de notas e informes clínicos, una base que alcanzará cerca de 1.000 millones hacia finales de 2026.

Las notas clínicas contienen detalles críticos como el estadio de la enfermedad, el estado funcional del paciente y resultados de biomarcadores que complementan el registro estructurado, pero cuya extracción confiable resulta compleja. TriNetX combina la IA con una sólida experiencia clínica e informática para desarrollar flujos de procesamiento con supervisión humana, entrenados con un extenso corpus de notas anotadas bajo un riguroso patrón de referencia. A diferencia de los enfoques que se limitan a la extracción, TriNetX valida cada proceso comparándolo con notas anotadas manualmente, asigna una puntuación de confianza a cada hecho clínico y vincula los datos derivados de las notas con la información estructurada del expediente clínico electrónico (EHR) de los mismos pacientes desidentificados. De este modo, los investigadores pueden ampliar sus cohortes y definir fenotipos detallados y con verdadero significado clínico.

Tres salvaguardas respaldan cada hecho clínico:

Supervisión humana. Los expertos clínicos revisan y corrigen las etiquetas de la IA, y los modelos se vuelven a entrenar con base en esas correcciones. Cada módulo debe alcanzar una precisión de 0,90 o superior en comparación con las notas anotadas manualmente.

Corroboración clínica.  Los hallazgos extraídos se contrastan con los patrones clínicos esperados y no solo con las métricas del modelo. Por ejemplo, las curvas de supervivencia basadas en el estado funcional según el Eastern Cooperative Oncology Group (ECOG) mostraron una menor supervivencia para aquellos pacientes con una puntuación de 2 o superior.

Monitoreo continuo. TriNetX supervisa el rendimiento de los modelos a medida que nuevas organizaciones de salud se incorporan al programa y se reciben nuevos formatos de notas clínicas, ajustando los algoritmos conforme se presentan variaciones.

Los primeros resultados muestran que los hechos clínicos derivados de las notas aumentaron la cobertura del estado de tabaquismo del 22 % al 67 %, identificaron seis veces más pacientes que los datos estructurados por sí solos en un estudio de cohorte sobre cáncer de pulmón y permitieron obtener el estado funcional según las escalas ECOG y Karnofsky de 292.000 pacientes oncológicos que no contaban con dicho registro en los campos estructurados.

"Aplicar IA a una historia clínica es fácil. Lo que distingue a TriNetX es cómo lo hacemos: con disciplina científica y experiencia humana a través de una red federada global donde los datos permanecen dentro de las instituciones que los generaron", dijo August Calhoun, director ejecutivo de TriNetX. "Eso significa que las notas clínicas pueden generar evidencia que resista un análisis riguroso a medida que la IA se integra en la investigación cotidiana."

"No existe ningún sistema capaz de extraer todos los detalles de las notas clínicas de una manera que sea precisa y relevante a la vez. Es una limitación inherente a la naturaleza del lenguaje médico", dijo Matvey Palchuk, MD, MS, FAMIA, director de informática médica de TriNetX. "Por eso, la validación es fundamental. Nuestro objetivo es extraer los hechos clínicos que puedan considerarse confiables para la generación de evidencia."

La función de hechos extraídos de notas clínicas mediante PLN (NLP-extracted Facts from Clinical Notes) abarca actualmente el historial social (hábitos de tabaquismo y consumo de alcohol), cardiología, neumología, oncología general y biomarcadores, enfermedades hepáticas, entre otras, y ya se encuentra disponible para los miembros de la red TriNetX. Obtenga más información en trinetx.com/data/clinical-notes.

Acerca de TriNetX, LLC

TriNetX® es The Global Truth Engine for Better Human Health® (el motor global de la verdad para una mejor salud humana). Gracias a una red segura y conectada que abarca más de 14.200 centros clínicos en más de 20 países, TriNetX ofrece evidencia confiable que resiste el escrutinio científico más riguroso del mundo. Al combinar datos globales, una integridad inquebrantable y una fusión excepcional de inteligencia artificial e inteligencia humana, TriNetX acelera los descubrimientos y contribuye a obtener mejores resultados en materia de salud en todo el mundo. Visite trinetx.com o siga a TriNetX en LinkedIn para obtener más información.

Contacto de prensa
TriNetX
Karen Tunks
Correo electrónico: [email protected] 

View original content to download multimedia:https://www.prnewswire.com/mx/comunicados-de-prensa/trinetx-lanza-un-sistema-de-extraccion-de-hechos-clinicos-validado-por-humanos-a-partir-de-notas-medicas-en-el-que-los-investigadores-pueden-confiar-302935352.html

FUENTE TriNetX