Salud

Mount Sinai Miami Beach extiende la inteligencia artificial ambiental de Epic a las enfermeras

mm
Añade Unite.AI a tus fuentes preferidas en Google

Mount Sinai Medical Center, el hospital de enseñanza independiente en Miami Beach, ha activado la herramienta de documentación ambiental de Epic para sus enfermeras de pacientes internos. El hospital anunció el 28 de julio de 2026 que Chart with Art ahora está disponible en sus unidades de pacientes internos, con acceso que se ampliará gradualmente en todo el centro médico. Sus médicos han estado utilizando la misma herramienta desde principios de 2026.

La función registra la conversación en la habitación y la convierte en una documentación clínica de borrador dentro de la historia clínica del paciente. Nada llega al registro hasta que una enfermera o proveedor la revisa y aprueba, según Mount Sinai, y se informa a los pacientes cuando se está ejecutando y pueden declinar. El paso de revisión mantiene a un ser humano en el bucle antes de que algo se convierta en parte del registro legal.

Funciona en inglés y español, lo que es importante en un hospital donde más del 30 por ciento de los pacientes hablan español como su lengua principal. Una herramienta que solo maneja el inglés deja al personal bilingüe documentando un encuentro en un idioma en el que la conversación nunca ocurrió.

Por qué los médicos fueron los primeros

Mount Sinai condicionó la implementación de enfermería a su propia implementación de médicos. Sus médicos pasaron varios meses trabajando con Epic sobre cómo se comportaba la herramienta en entornos clínicos en vivo, y el hospital dice que los médicos participantes redujeron el tiempo que pasan en la historia clínica por encuentro en casi un 30 por ciento, junto con la documentación que terminan después del horario laboral. Wendy Stuart, la directora de enfermería del centro médico, dijo que el objetivo de extenderlo es permitir que las enfermeras “salgan de detrás del teclado y estén completamente presentes en la cabecera de la cama”.

Ejecutar la herramienta a través de los médicos primero le dio al sistema de salud sus propias mediciones antes y después en lugar de una referencia de un cliente. La carga de documentación es la métrica en la que se compran estas implementaciones, y la documentación que se desborda después del final de un turno es la parte de ella que Mount Sinai señaló.

Qué ha enviado Epic para las enfermeras

Epic lanzó la función, entonces llamada AI Charting, a principios de febrero de 2026 como parte de Art, su inteligencia artificial orientada al clínico. Escucha durante una visita, redacta la nota y ordena comandas basadas en lo que se dijo, y permite a los clínicos reestructurar notas por voz. La adopción del conjunto más amplio de Art ha crecido rápidamente según el propio recuento de Epic: su función de resumen de gráficos Insights ahora se utiliza más de 16 millones de veces al mes, cerca de triple su volumen de noviembre de 2025.

La enfermería obtiene dos mecanismos diferentes bajo el mismo nombre. Uno redacta la nota de plan de cuidados de fin de turno a partir de los datos ya en la historia clínica, extrayendo signos vitales, flujos, registros de medicamentos, pedidos y notas anteriores. Epic informa que en Mercy, uno de los 15 sistemas de salud más grandes de EE. UU., la documentación de fin de turno promedio cayó de 3,5 minutos por nota a unos 32 segundos, con la participación de notas completadas por completo y a tiempo aumentada en un 225 por ciento.

El otro es la captura ambiental que Mount Sinai ha activado, que construye la documentación a partir de la conversación en la cabecera de la cama. En su página de producto Art, Epic acredita a Mayo Clinic por capturar el 70 por ciento de la documentación de flujos sin entrada manual y a Sanford Health por ahorrar $31,000 en seis meses.

La enfermería es donde el mercado ambiental está compitiendo ahora

La escritura de médicos es el extremo establecido de este mercado. La enfermería es el más nuevo, y Epic está vendiendo en él contra empresas cuyos productos se ejecutan dentro de Epic en sí. Abridge construyó su herramienta de enfermería con enfermeras de Mayo Clinic y anunció esa colaboración en mayo de 2026; sus borradores aterrizan en las filas de flujos de Epic para que la enfermera los verifique contra la conversación de origen. KLAS Research, que publicó un informe de primera vista sobre las implementaciones de enfermería de Abridge en abril de 2026, describe la inteligencia artificial ambiental de enfermería como una categoría emergente.

Para un hospital que ya tiene licencia de Epic, eso se convierte en una pregunta de adquisición más que en una cuestión técnica: activar una función que llega con el sistema de registros que ya paga, o contratar por separado con un especialista cuyo producto también vive dentro de él. La ruta empaquetada salta un ciclo de compra y una segunda integración. Mount Sinai lo tomó, y cada decisión como esa establece cuánto del capa de inteligencia artificial sobre el registro electrónico de salud el proveedor de registros termina poseyendo.

Lo que establecerán las implementaciones de enfermería es cómo bien se mantiene la captura ambiental en una unidad de pacientes internos. La escritura de médicos ambulatorios ocurre en una sala de examen programada con dos personas en ella. Un turno de enfermería implica familias, compañeros de habitación, alarmas y interrupciones, y documentación que se estructura en campos de flujos en lugar de notas narrativas, lo que es un problema de captura más difícil que el que los escribas de inteligencia artificial resolvieron en las clínicas.

Mount Sinai dice que es el primer sistema de salud en Florida y el cuarto a nivel nacional en poner la herramienta en manos de las enfermeras, lo que hace que sus unidades de pacientes internos sean uno de los pocos lugares donde el caso de uso de enfermería se está midiendo en producción. La implementación se ampliará de unidad en unidad a partir de aquí.

Aiden Cross es un estratega generado por IA en Unite.AI, que cubre la estrategia de productos de IA, la ejecución y los desafíos prácticos de convertir modelos experimentales en productos escalables y listos para el mercado. Su trabajo se centra en cómo los equipos de startups y empresas pasan de prototipos y demos a sistemas confiables utilizados por clientes reales.
Con una perspectiva pragmática y detallada, Aiden analiza las hojas de ruta de productos, las estrategias de lanzamiento al mercado, las decisiones de plataforma y las compensaciones organizativas que determinan si las iniciativas de IA tienen éxito o se estancan. Presta especial atención a las realidades de la implementación, la adopción de los usuarios, las limitaciones de la infraestructura y la alineación entre la capacidad técnica y el valor empresarial.
Los artículos escritos por Aiden Cross son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la claridad, la precisión y la cobertura responsable de cómo se crean, envían y escalan los productos de IA en el mundo real.