La sanidad ante la IA

Capítulo 4. Transformación digital e IA

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

La automatización de la asistencia sanitaria desempeña un papel clave en la transformación digital de la asistencia sanitaria, ya que permite a las partes interesadas centrarse en la atención al paciente e impulsar resultados que hagan que el sistema sanitario funcione para todos. La complejidad de los procesos y sistemas sanitarios dificulta la transformación digital. Definimos la automatización de la asistencia sanitaria como el uso de tecnología o máquinas para realizar tareas que permitan a las personas centrarse en la atención al paciente y la salud de la población. La digitalización se define como la simple conversión de datos no digitales (por ejemplo, faxes o voz) en datos digitales, lo que ofrece oportunidades para que la tecnología y las máquinas aumenten la automatización. La pandemia muestra el valor de la automatización de la atención sanitaria cuando los recursos son limitados y la IA y otras tecnologías pueden facilitar la mejora de la eficiencia y el acceso a los servicios sanitarios. Definimos la transformación sanitaria digital como la que abarca tanto la automatización sanitaria como la digitalización. Es un término amplio que abarca desde la implantación de nuevas tecnologías en las operaciones sanitarias hasta el aumento de la digitalización o los nuevos modelos empresariales. También puede referirse a actividades modestas como el lanzamiento de un nuevo sitio web o una nueva aplicación móvil.

Optimizar el impacto de la tecnología y mejorar toda la amplitud de los flujos de trabajo y procesos de la organización, al tiempo que se mejora el acceso a los datos, debería ser el objetivo de la transformación digital de la sanidad. Implantar tecnología basada en la automatización en silos de toda la organización puede ser un paso adelante positivo, pero reducir las aplicaciones redundantes o eliminar las ineficiencias de los procesos suele producir un impacto mucho mayor. La transformación sanitaria digital implica aumentar las tecnologías de autoservicio para pacientes, médicos y todas las partes interesadas. La implantación de herramientas digitales que faciliten el acceso a la información y los datos debería ser un objetivo. Varios estudios sugieren que las organizaciones con transformaciones exitosas implementan más tecnologías que otras organizaciones.¹ Cada vez más, la IA como tecnología de propósito general (GPT) será una tecnología facilitadora clave para la transformación digital de la sanidad.

La oportunidad que ofrecen la inteligencia artificial, el aprendizaje automático, el procesamiento del lenguaje natural y la visión por ordenador para mejorar la asistencia sanitaria significa aumentar y mejorar la automatización y digitalización de la asistencia sanitaria. Hoy en día existen soluciones de IA que ayudan a reducir el tiempo que los médicos dedican a tomar notas, a hacer eficientes las interacciones médico-paciente y a ayudar a los pacientes a recordar los puntos clave de las interacciones médico-paciente. Son ejemplos de dar a las herramientas cotidianas una actualización digital. La IA permite que la documentación clínica se escriba sola. Incluso se puede automatizar el procesamiento de los mensajes de voz de los pacientes para los médicos, lo que les permite actuar más rápidamente en nombre de sus pacientes.

Las grandes empresas sanitarias tradicionales marcarán el camino, con una gran ayuda de las empresas tecnológicas. Muchas empresas tecnológicas, start-ups y empresas sanitarias están en una carrera por reducir el coste de la asistencia sanitaria, mejorar las experiencias, proporcionar mejores herramientas de diagnóstico y reducir la fricción en los sistemas. El éxito de la transformación digital de la sanidad no consiste únicamente en implantar nuevas tecnologías o aplicar la IA. Sin embargo, la digitalización y la IA están entrelazadas; no se puede conseguir todo el valor de la transformación sanitaria digital sin desbloquear el valor de la IA.

El acuerdo sobre una definición de lo que es la digitalización sigue siendo tan esquivo como la definición de inteligencia artificial en las organizaciones. Sin embargo, las organizaciones deben tener una definición común de ambas para lograr la transformación digital de la sanidad. En décadas pasadas, todo el mundo estaba de acuerdo en que pasar de analógico a binario, de papel a legible por ordenador, o de discos de vinilo a CD era digitalización. Ahora consideramos digitales los vídeos en streaming, no los CD. A principios de los 90, considerábamos que los ordenadores que jugaban al ajedrez eran IA, pero hoy los vemos como una tarea computacional. Las definiciones estrechas de lo digital y la IA ya no nos sirven. Las empresas nacidas en la era de la IA ven Internet, el móvil y la nube como apuestas subyacentes a sus plataformas, sistemas y procesos. No debaten sobre lo que significa ser digital o IA, porque ambas cosas están entrelazadas y forman parte natural de su ética.

La transformación digital de la sanidad se consigue siguiendo dos vías, como se ilustra en la Figura 4-1. La transformación digital de la sanidad debe mejorar la forma en que los médicos realizan su trabajo; esto es la digitalización centrada en las personas. Los ordenadores deben pasar a un segundo plano, y las aplicaciones o sistemas utilizados por los médicos deben ser más inteligentes y tener menos fricciones e interfaces más sencillas; es la digitalización centrada en las aplicaciones.

Figura 4-1. Transformación digital centrada en las personas y en las aplicaciones

La digitalización centrada en las personas centra la atención en las experiencias, el flujo de trabajo y los resultados de las partes implicadas en el viaje del paciente. Para médicos y pacientes, el estado nirvana o el objetivo es la medicina de precisión, la asistencia sanitaria adaptada a las necesidades específicas de cada uno. Permitir a los médicos centrarse en la prevención y el diagnóstico precoz cambia los resultados de la asistencia sanitaria para los pacientes. Los pacientes podrán obtener respuesta a sus preguntas más básicas sobre prestaciones o cobertura del seguro en un momento. Que tu historial médico se almacene de forma segura en tu dispositivo móvil, que tu dermatólogo se conecte contigo por videochat para revisar los problemas de tu piel y que te entreguen las recetas en la puerta de tu casa son ejemplos de digitalización centrada en las personas.

Detectar los movimientos y caídas de la cama y alertar a los cuidadores para que tomen medidas inmediatas puede conseguirse mediante aplicaciones o sistemas que se sitúen silenciosamente en segundo plano y detecten los movimientos mediante visión por ordenador y aprendizaje automático. Esto es digitalización centrada en aplicaciones.

La digitalización centrada en las personas reconoce este cambio y las expectativas de los consumidores de interacciones novedosas e intuitivas entre personas y máquinas. Lo hemos visto en la banca, donde el deseo de los consumidores de intercambiar dinero con cualquier persona del mundo, en cualquier lugar y en cualquier momento, dio lugar a los servicios de pago digitales móviles. Los bancos tradicionales se vieron arrastrados a la banca móvil y a los servicios de pago móviles por las necesidades y demandas de sus consumidores, que empezaron a utilizar aplicaciones de empresas emergentes que ofrecían servicios que antes no estaban disponibles en sus instituciones financieras. Lo más probable es que ocurra lo mismo con la sanidad, a menos que un operador tradicional aproveche la oportunidad de la digitalización centrada en las personas y las aplicaciones.

Transformación digital de la sanidad

La transformación digital de la asistencia sanitaria es un área amplia que abarca una gran variedad de ámbitos, como la atención al paciente, la salud y el bienestar, el diagnóstico, los sistemas de apoyo a la toma de decisiones, los sistemas de hospitales y proveedores, los sistemas de historias clínicas electrónicas (HCE), el triaje, los sistemas administrativos de back-office, la atención domiciliaria, la atención urgente, las urgencias, la gestión de la atención crónica, la salud mental, etc. Transformación digital significa utilizar la tecnología para ofrecer resultados inmediatos en tiempo real, ya sea en la aprobación de una reclamación al seguro, la aprobación de la cobertura de una receta o la realización de un diagnóstico. La transformación digital elimina la necesidad de llamadas telefónicas al hacer que la información sea accesible fácil e instantáneamente, tanto si se trata de determinar tus prestaciones, obtener los resultados de tus pruebas de laboratorio o conseguir la aprobación de una receta, una prueba o una intervención quirúrgica. Significa reducir sustancialmente los diagnósticos erróneos y los errores médicos gracias a sistemas de apoyo a la toma de decisiones altamente interactivos en las consultas de los médicos o en los hospitales. La transformación digital significa transparencia de precios, para que los pacientes conozcan el coste de un servicio en el momento de la consulta y la prestación. La pandemia muestra que la telemedicina se está convirtiendo en una experiencia más importante para pacientes y médicos, llevando nuestra práctica tradicional en persona al mundo digital. El número de casos de uso es ilimitado, pero exploremos algunos a través de la lente de tres vías.

Tres caminos distintos (véase la Figura 4-2) deberían seguir los titulares de la sanidad y todas las organizaciones encargadas de hacer que la sanidad sea mejor, más rápida y más accesible, y de aumentar su eficacia.

Figura 4-2. Vías para la transformación digital de la sanidad

Los tres caminos requieren emplear tecnologías de transición y de cambio de juego, como la inteligencia artificial. La IA permite capacidades digitales antes inimaginables. Por ejemplo, podemos emplear la IA para ayudar a las personas a cumplir la medicación, para utilizar la voz de una persona como medio de búsqueda de servicios sanitarios, para evaluar las condiciones específicas de un paciente y determinar si le convendría más ser readmitido en el hospital A que en el hospital B, o simplemente para determinar que el mejor resultado sanitario de un paciente se conseguirá con una organización proveedora concreta. Al nos permite utilizar pruebas empíricas para saber dónde obtendrán los pacientes los mejores resultados, en lugar de basarnos en comentarios anecdóticos en sitios de redes sociales que clasifican a los proveedores. Muchas de estas capacidades no pueden lograrse sin la aplicación de la IA, y ésta es sólo una pequeña lista parcial.

Las organizaciones que no apliquen las técnicas de IA adecuadas en aprendizaje profundo, aprendizaje automático, visión por ordenador y procesamiento del lenguaje natural (por nombrar algunas) no lograrán una transformación digital óptima de la sanidad. A menudo, la IA por sí sola no será suficiente. Por ejemplo, utilizar tecnologías como las bases de datos de grafos en lugar de otras tecnologías de bases de datos permite a las organizaciones ver las relaciones entre los datos. Ver la intersección entre pacientes, proveedores y médicos permite a las organizaciones crear recorridos del paciente, de modo que cualquier usuario autorizado pueda ver los pasos que da un paciente individual al interactuar con el sistema sanitario. Los gráficos y otras tecnologías se tratan en State of Healthcare Technology de Kerrie L. Holley et al. (O'Reilly); este libro electrónico ofrece un resumen de las tecnologías sanitarias necesarias para optimizar la asistencia sanitaria y acelerar la transformación digital de la sanidad.

A continuación, hablaremos de los tres caminos diferentes hacia la transformación digital de la sanidad.

Vía A: Crear operaciones y procesos digitales

Path A crea e integra operaciones y procesos digitales que ofrecen propuestas de valor al cliente. Entre los clientes se incluye el ecosistema de la sanidad, como los pacientes consumidores, los médicos, los hospitales, los proveedores, las empresas de servicios sanitarios, etc. En este camino, las organizaciones se centran en cambiar los procesos existentes y sus sistemas heredados que soportan esos procesos a un estado digital. La Vía A se centra principalmente en la transición del estado actual a un estado futuro de las operaciones y procesos actuales. Es decir, tomas los productos existentes, los sistemas utilizados para las operaciones en curso o los sistemas heredados y te centras en cómo optimizarlos, aumentar la automatización o aplicar la IA. Emprender alguna o todas estas tres acciones mejora el camino hacia una mayor digitalización.

La digitalización de la sanidad es rehén de varias aplicaciones y sistemas informáticos. Por ejemplo, los sistemas de historia clínica electrónica (HCE) proporcionan registros digitalizados de los encuentros sanitarios de un paciente. Los registros digitalizados de las consultas sanitarias de un paciente fueron lo último en una época, pero ya no. Hoy en día, el tiempo dedicado a los sistemas de HCE reduce el tiempo que los médicos pasan con sus pacientes, lo que afecta negativamente a las relaciones con ellos. Almacenar datos no es una herramienta clínica; no proporciona asistencia sanitaria. Una encuesta Harris de 2018 realizada en nombre de Stanford Medicine ofreció un tesoro de casos de uso de la IA para las HCE: diagnóstico de enfermedades, prevención de enfermedades y gestión de la salud de la población. En este estudio, 9 de cada 10 médicos querían que sus HCE fueran intuitivas y receptivas: una tormenta perfecta para la adopción de la IA.

Actualmente, los médicos teclean los encuentros o los introducen en sistemas en tabletas. Los proveedores tienen que hacer clic en distintas secciones de un expediente para acceder a datos útiles, como notas médicas anteriores o documentos escaneados, donde se encuentra un cuadro clínico más completo del paciente. Los códigos CIE-10 que se utilizan para la facturación médica también se emplean en las HCE para identificar diagnósticos, pero el diagnóstico codificado de un paciente puede no revelar el verdadero problema del paciente. Por ejemplo, si alguien ha elegido un código para la insuficiencia cardiaca congestiva (ICC), entonces el médico entiende que se trata de una afección actual del paciente, pero no sabe dónde está fallando el corazón, que suele delimitarse con los términos ICC diastólica o sistólica. Esa información también ayuda a determinar la causa subyacente de la ICC. Son factores muy importantes que no siempre se recogen en un código.

Un sistema más intuitivo y receptivo simularía lo que hacían los historiales en papel en el pasado. Se adjuntaría una descripción clara, a menudo anotada por el médico, que se trasladaría a la historia clínica o estaría inmediatamente accesible para su revisión, con el fin de que el proveedor tuviera una idea más clara del problema médico del paciente. Una vez que el diagnóstico y sus implicaciones están claros, pueden abordarse cuestiones más importantes, como la prevención de la enfermedad en la población. Así, en el caso de la ICC diastólica, el médico podría buscar la apnea del sueño o la hipertensión predisponentes y tratarlas para evitar que se desarrolle la ICC. La mejora de la precisión de los códigos se ha abordado en la CIE-10, pero no basta por sí sola para resolver totalmente el problema. Las mejoras a corto plazo hasta la fecha incluyen la voz como modalidad que actúa como escribiente durante las visitas de los pacientes, un esfuerzo de ingeniería de IA muy viable que utiliza el aprendizaje profundo y el procesamiento del lenguaje natural.

En muchos casos, los sistemas heredados deben abordar la escasa disponibilidad del sistema y dejar de pensar que los sistemas que leen y escriben datos no pueden tener la fiabilidad y disponibilidad que se ven en las plataformas de las grandes empresas tecnológicas, como el motor de búsqueda de Google, el sitio de comercio de Amazon o los vídeos en streaming de Netflix. Históricamente, las empresas tradicionales gastan la mayor parte de su presupuesto en capacidades visibles para el cliente, a diferencia de las empresas de la era digital, que no hacen tal elección. Las empresas de la era digital tratan el rendimiento y la disponibilidad como construcciones de primera clase, igual que las características y funciones visibles para el consumidor.

Vía B: Crear nuevas capacidades

Mientras que la Vía A se centra en mejorar los productos, servicios, sistemas y capacidades existentes, la Vía B consiste en idear e implementar nuevas capacidades. Por ejemplo, la codificación clínica, como hemos comentado antes, toma información sobre un caso concreto de un paciente y le asigna códigos de clasificación estándar. Los códigos para enfermedades cardíacas, diabetes y otras afecciones ayudan a la informática médica y a la investigación en diversas aplicaciones. Amazon creó un nuevo producto, AWS Comprehend, para automatizar esta actividad utilizando el aprendizaje profundo. Este es el clásico camino B: crear una nueva capacidad. Podría decirse que, tras crear suficientes capacidades nuevas, Amazon se convierte en un competidor en sanidad, igual que pasó del comercio a la tecnología con la nube. Si un operador tradicional con un producto de codificación clínica decidiera mejorar su producto utilizando IA (es decir, aprendizaje profundo), estaría siguiendo el camino A: mejorar un producto existente utilizando IA.

Este ejemplo de codificación clínica² pone de manifiesto la variación de lo que se entiende por transformación sanitaria digital. Cada mejora a lo largo del tiempo aumenta la automatización de la codificación clínica y, por tanto, mejora la transformación sanitaria digital. Es decir, la codificación clínica puede automatizarse o digitalizarse de diversas maneras, dando lugar a sistemas de codificación asistida por ordenador que cada vez hacen más fácil esta tarea a los codificadores. Algunos sistemas de codificación clínica son superiores o más digitales que otros porque aplican la IA en forma de procesamiento del lenguaje natural. Los sistemas de codificación clínica que utilizan PNL de aprendizaje profundo son más precisos que los que utilizan PNL sin aprendizaje profundo. La aplicación de la PNL con aprendizaje profundo a los sistemas de codificación ayudaría a resolver el problema planteado en el ejemplo de la ICC comentado anteriormente: de ahí la imbricación de la transformación digital de la sanidad y la IA. Quizá otra forma de enfocar este escenario sea no etiquetar una solución como digital o más digital, sino simplemente abordar cada problema con la intención de maximizar el uso de la IA, porque tanto lo viejo como lo nuevo reflejan implementaciones de automatización.

De forma similar a cómo hoy vemos el streaming de vídeo y no los CD como la experiencia digital óptima, utilizar la PNL de aprendizaje profundo para la codificación clínica en lugar de sólo la PNL es un servicio de transformación digital sanitaria más óptimo. Con el tiempo, el servicio de PNL con aprendizaje profundo será mejor y más rápido que un PNL sin implementación de aprendizaje profundo. Esto es lo que se entiende por maximizar la IA. En el futuro, la investigación adicional sobre IA puede requerir una elección diferente más allá del aprendizaje profundo.

El camino B construye un nuevo conjunto de capacidades en torno al estado final del cliente y al modelo operativo deseados. La Vía B implica pensar en cómo utilizar diversas tecnologías (por ejemplo, IA, IoT, gráficos, ambiente, realidad aumentada, etc.) para crear nuevos productos y servicios. La Vía B permite mejorar las experiencias sanitarias definiendo experiencias y resultados sanitarios aún mejores.

Vía C: Transformar los procesos empresariales

El camino C transforma los procesos empresariales y a menudo requiere adoptar una visión empresarial y eliminar el procesamiento duplicado o bien imaginar un nuevo proceso. Este camino está plagado de riesgos y tiene grandes recompensas. La Senda C incluye los proyectos moonshot de , o como los llama Safi Bahcall, loonshots:ideas novedosasy rompedoras que pueden curar enfermedades o transformar industrias. La asistencia sanitaria en tiempo real es un "moonshot" debido a las divisiones técnicas, estructurales y culturales que impiden la interoperabilidad y el intercambio de datos entre todas las partes implicadas en la atención al paciente. La Vía C puede implicar la adquisición de nuevas empresas, es decir, la diversificación. La Vía C se centra en la transformación de la cultura, los sistemas o los procesos empresariales.

Caminos hacia la transformación digital de la sanidad

La figura 4-2 destaca tres vías para la transformación sanitaria digital, pero estas vías no constituyen una estrategia de digitalización. Las organizaciones deben desarrollar y realizar una estrategia de transformación sanitaria digital que aborde uno o varios de los siguientes aspectos:

• La transformación sanitaria digital requiere que las organizaciones proporcionen una estrategia para lograr su transformación que se centre en las áreas problemáticas o puntos de dolor en los que la aplicación de la IA marcaría la diferencia.

• La transformación cultural significa que los modelos organizativos y el talento deben estar alineados con los objetivos de la transformación digital de la sanidad y deben centrarse en la liberación de los datos frente a los silos.

• La adopción de la tecnología requiere decisiones sobre cómo y cuándo las áreas empresariales aplicarán la IA y las tecnologías que la acompañan.

• La transformación de los procesos empresariales implica pensar en qué procesos hay que rediseñar o reimaginar.

• La diversificación de la cartera sugiere pensar en la desinversión digital, que puede extender la transformación digital fuera de los muros de la organización.

• La innovación del modelo de negocio significa que la organización debe decidir si va a cambiar sus propuestas de valor subyacentes para el cliente y/o el modelo operativo del negocio.

No existe un libro de jugadas único para la transformación digital de la sanidad. David Rogers afirma que la transformación digital tiene que ver con el pensamiento estratégico, no con una pila tecnológica mejor. Curiosamente, lo mismo puede decirse de la IA, es decir, el éxito de las organizaciones con la digitalización y la IA depende de cómo las empresas la entiendan, la definan y piensen sobre ella. Lo que funciona para una organización puede no funcionar para otra. La siguiente sección explora qué aspecto tiene la sanidad digital a través de ejemplos y casos de uso.

Sanidad digital

En general, la sanidad digital aplica la tecnología, utilizando los datos adquiridos mediante la tecnología para mejorar nuestra salud y bienestar. Esta tecnología incluye apps, dispositivos vestibles, dispositivos de monitoreo remoto o ambiental, telemedicina, correo electrónico relacionado con la salud e historias clínicas electrónicas para incorporar los datos relacionados con un paciente a la gestión de su salud.

Las ventajas son evidentes. Por ejemplo, si a un paciente se le diagnostica hipertensión, los médicos y otros cuidadores dispondrán de datos en tiempo real o casi real sobre cómo está funcionando el control de su tensión arterial. Este escenario permitirá ajustes más inmediatos o microajustes en la atención del paciente que no serían posibles en nuestro modelo sanitario actual. Normalmente, un paciente iniciaría un tratamiento con medicación o un cambio en su estilo de vida y volvería al médico al cabo de varias semanas para que le volviera a medir la tensión arterial. La figura 4-3 ilustra el efecto de la digitalización, en la que la atención digital es continua: monitoreo de la tensión arterial del paciente, control médico y sugerencia de cambios en el estilo de vida.

Figura 4-3. Cronología de la atención al paciente hipertenso

Los microajustes mejoran la atención al paciente. El médico podrá saber si el tratamiento prescrito ha funcionado o si se necesitan más ajustes. Cuanto menos tiempo esté descontrolada la tensión arterial del paciente, más a salvo estarán sus riñones y otros órganos vitales de los daños derivados de una hipertensión no controlada. El médico dispone de más herramientas e información para controlar el estado del paciente, lo que hace que su trabajo sea más cómodo y eficaz.

Las herramientas digitales pueden ayudar a detectar nuevos problemas identificando afecciones médicas que de otro modo no serían evidentes (es decir, que no se captarían durante una visita al médico). Como en el ejemplo, las herramientas digitales pueden ayudar a monitorizar la eficacia del tratamiento e identificar el empeoramiento de enfermedades crónicas. Como comentamos en el último capítulo, la identificación de problemas médicos permite a los médicos intervenir más rápidamente, tratando inmediatamente o previniendo el desarrollo de enfermedades médicas. Se produce un mejor control de los síntomas de la enfermedad, lo que mejora la calidad de vida de los pacientes. Los pacientes evitan las complicaciones a largo plazo derivadas de una enfermedad no tratada. En el caso de la hipertensión, estas complicaciones incluyen lesiones renales y oculares, así como el aumento del riesgo de ictus. Evitar estas complicaciones de la enfermedad mejora la calidad y la esperanza de vida del paciente. Evita los costes sanitarios asociados al desarrollo y tratamiento de estas complicaciones. Cuanto más enfermo está un paciente, mayor es el coste sanitario, ya que el tratamiento de las enfermedades requiere más recursos.

Para ir un paso más allá, digamos que el médico y el paciente tienen la hipertensión bien controlada mediante el tratamiento farmacológico, y las lecturas de la tensión arterial se encuentran sistemáticamente dentro de un rango saludable. ¿Qué más queda por hacer?

IA aplicada a la sanidad digital

Elevar la propiedad individual de la salud a través de la IA ayuda en la parte de monitoreo digital de la sanidad digital. La sanidad digital puede incluir tarjetas de seguro digitales, control digital de las citas, visitas digitales/virtuales, etc. La IA añade otra dimensión a tu asistencia. Utilizando el mismo ejemplo de la hipertensión, ahora la IA señala al paciente y a su médico que una disminución de peso de 9 kilos podría controlar la tensión arterial del paciente sin medicación. En la consulta, un médico suele estar agobiado y potencialmente retrasado, con numerosas exigencias sobre su tiempo. Por ejemplo, los médicos atienden a los pacientes, supervisan a otros clínicos (como estudiantes y auxiliares médicos), responden a los correos electrónicos y llamadas telefónicas de los pacientes, responden a cuestiones de cobertura de seguros y atienden las reclamaciones de facturación, todo ello mientras cubren estas mismas responsabilidades para otros médicos que están fuera de la consulta. Por desgracia, a veces es fácil que la atención al paciente se escape de las manos. El potencial de mejora de la atención al paciente existe cuando el uso de la IA elimina o agiliza las tareas no clínicas, dando así a los médicos más tiempo para la atención directa al paciente y reduciendo su agotamiento y sobrecarga por el estímulo de abordar tantos elementos asociados a la atención al paciente a lo largo de su jornada. Además, la IA podría utilizarse para desempeñar el papel de red de seguridad para el médico, a fin de garantizar que no se pase por alto accidentalmente una atención adecuada y oportuna.

La IA puede desempeñar muchas funciones en el espacio clínico. La IA complementa al médico, recordándole que el asesoramiento y, tal vez, la inscripción en un programa de salud y bienestar para la pérdida de peso podrían ayudar en el tratamiento no farmacológico de la hipertensión. Además, la IA puede utilizarse para recordar a los médicos las buenas prácticas en el tratamiento de enfermedades crónicas.

En el ejemplo de la hipertensión, la tensión arterial del paciente está bien controlada con el tratamiento farmacológico. El paciente empieza a perder peso de forma saludable y a hacer ejercicio aeróbico con regularidad. Su dispositivo conectado informa puntualmente a su médico de que el régimen está funcionando bien, y su tensión arterial ahora no sólo está controlada, sino al límite de la baja. La IA se utiliza para identificar presiones sanguíneas anormalmente bajas, tomando tanto los datos del dispositivo biométrico del paciente como la información de una tableta que indica que el paciente puede haberse sentido mareado de forma intermitente. La IA analiza toda esta información e investiga en la base de datos clínicos y en las directrices de gestión de la hipertensión para formular una recomendación de intervención al médico.

El médico toma esta información empaquetada y fácilmente digerible para hacer una disminución inmediata de la dosis de medicación del paciente. Con el tiempo, gracias a un estrecho monitoreo conectado y a la ayuda de la IA, el paciente puede dejar toda la terapia con medicamentos. La hipertensión del paciente se ha resuelto, siempre que siga llevando un estilo de vida saludable.

A medida que el paciente envejece, los vasos sanguíneos se vuelven menos complacientes, la genética empieza a ponerse a su altura y puede volver a necesitar tratamiento farmacológico. A lo largo de todo su ciclo vital con esta enfermedad, desde la tensión arterial elevada hasta la hipertensión plenamente diagnosticada, pasando por la resolución de la hipertensión y la hipertensión crónica, se han utilizado la IA y las conexiones digitales para proporcionar una atención personalizada con resultados óptimos.

Muchas de las mayores empresas tecnológicas, también conocidas como Big Tech, han invertido en el sector sanitario. Ya sea mediante adquisiciones, inversiones en startups o sus propios productos, o democratizando la IA o proporcionando IA cognitiva y servicios en la nube para las masas, las Big Tech cambiarán la asistencia sanitaria. La siguiente sección ofrece una pequeña muestra del impacto en la asistencia sanitaria.

IA, Digitalización y Big Tech

Como era de esperar, las empresas tecnológicas se están subiendo al carro de la sanidad digital: mira a Google, por ejemplo, con su implementación en el mercado de los wearables con Google Wear y su lanzamiento de la plataforma de salud Fit en 2014. Además, Google reconoce el impacto de la IA en la sanidad digital y ha creado empresas que incluyen la unidad DeepMind, como en la IA que se utiliza para identificar enfermedades oculares a partir de escáneres de imagen. La empresa matriz de Google, Alphabet, tiene una rama de ciencias de la salud llamada Verily, que está trabajando en proyectos tan interesantes como el estudio Aurora, en el que se está utilizando la IA para identificar biomarcadores físicos de trauma mental. Verily creó un wearable específicamente para este estudio.

Mientras algunas empresas invierten en la IA del futuro con soluciones digitales, Apple se ha centrado en las aplicaciones actuales. Ha estado ampliando los usos sanitarios del Apple Watch con la incorporación de un monitor de detección de caídas y un monitor de ECG. El objetivo de la empresa es crear también otras ofertas para los proveedores, como HealthKit de Apple; el Apple Watch sería el dispositivo de confianza para conectar a los pacientes con sus proveedores de atención médica. Amazon, en asociación con otros, ha creado su propia empresa de atención sanitaria, Haven, en un intento de reimaginar el mercado de la atención sanitaria y cómo se utiliza la tecnología.

El interés de las grandes tecnológicas por la sanidad está creciendo por varias razones. Tradicionalmente, la sanidad ha sido a prueba de recesiones, con un gasto elevado y una demanda creciente de recursos sanitarios que conducen a la necesidad de estrategias de ahorro y soluciones innovadoras. Hasta la fecha, el mercado parece centrarse en estrategias preventivas. Por ejemplo, conocer la correlación entre el sobrepeso y la hipertensión e identificar a un paciente obeso o con sobrepeso antes de que desarrolle hipertensión es una estrategia preventiva. Otras estrategias preventivas que utilizan la IA y la salud digital se están aplicando a enfermedades crónicas como la diabetes y la hipertensión. Prevenir la enfermedad es mucho menos costoso que tratarla, y profundizaremos en este tema en la próxima sección.

La penetración de las grandes empresas tecnológicas en la sanidad es relativamente baja en comparación con las empresas sanitarias tradicionales. En consecuencia, su impacto esperado a la hora de hacer más inteligentes las operaciones o procesos sanitarios y mover de forma mensurable la aguja de la transformación digital de la sanidad también es bajo, a menos que se produzca su adopción por parte de las organizaciones sanitarias. Los servicios de IA y cognitivos en la nube cada vez más potentes que ofrecen muchas grandes empresas tecnológicas ofrecen enormes ventajas a la hora de hacer más inteligentes las operaciones sanitarias y los procesos de atención clínica.

Gestión preventiva y de enfermedades crónicas

Los Centros para el Control y la Prevención de Enfermedades (CDC) escriben a que el 60% de los estadounidenses padecen al menos una enfermedad crónica, y que estas enfermedades son una de las principales causas de muerte y discapacidad, así como del aumento de los costes sanitarios. Pero la mayoría de las enfermedades crónicas podrían prevenirse, dice el CDC, si simplemente nos moviéramos más, comiéramos mejor y nos hiciéramos revisiones médicas periódicas. Podemos alcanzar mejor esos objetivos con la ayuda de bucles de retroalimentación en tiempo real resultantes de las señales de entrada (por ejemplo, sensores, parches o wearables) y de salida (por ejemplo, fibrilación auricular, glucosa y otras), en los que máquinas inteligentes comprenden las señales de salud y proporcionan información sobre nuestra intención y comportamiento. La Figura 4-4 ilustra este escenario emergente de convertir las entradas pasivas en acciones informadas.

Figura 4-4. Convertir las aportaciones pasivas en acciones informadas

Hoy en día, los pacientes y los consumidores se relacionan cada vez más con cosas que reciben más señales e información sobre sus datos. Por ejemplo, un consumidor puede recibir una alerta de su Apple Watch sobre un episodio de arritmia cardiaca, como la fibrilación auricular, y preguntarse si se trata de una falsa alarma o de una señal real. Esto hace que el consumidor acuda a su médico y, tras la confirmación de su médico, se establece una vía de atención para la evaluación y el tratamiento. Otro ejemplo: una persona con diabetes de tipo 1 podría utilizar parches y wearables para controlar su diabetes.

La Figura 4-4 ilustra un bucle de retroalimentación en tiempo real en el que la IA, mediante el aprendizaje automático, convierte las entradas pasivas en acciones informadas. Los sensores u objetos inteligentes del hogar captan datos en tiempo real sobre caídas, aumento de la glucosa, salud de los oídos, salud de la piel, sueño, etc. Los sensores de los teléfonos inteligentes van en aumento, haciendo realidad el monitoreo continuo de la salud de los consumidores y permitiendo una acción informada.³ Los consumidores o los pacientes pueden utilizar alertas específicas para actuar antes de que surjan afecciones episódicas. Los teléfonos tienen varios sensores que permiten la captura de datos sobre patrones de uso, movimiento, humedad, temperatura, biometría, etc. Utilizando la IA distribuida, la IA en el teléfono, la nube o los dispositivos de perímetro, se puede proporcionar información que ayude a mantener la salud física y mental del consumidor a lo largo del tiempo.

Los wearables, los dispositivos médicos conectados a Internet y los dispositivos móviles pueden ayudarnos a movernos más y a comer mejor, y pueden proporcionar señales sobre nuestra salud. Esto puede ocurrir porque la IA está en todas partes y distribuida por nuestros entornos. Los sensores de nuestro cuerpo o de nuestro hogar y los wearables, como los relojes inteligentes, proporcionan señales. La información y los análisis formarán parte de un circuito cerrado de retroalimentación en el que los ordenadores aprenderán de nuestras acciones y comportamientos y nos recordarán cuándo hacer ejercicio, tomar medicamentos, acudir al médico o modificar un comportamiento.

Todo ello representa nuevos datos que se convierten en valor. Estos bucles de datos cerrados refuerzan el bucle de retroalimentación entre los datos, la información y la acción. Las máquinas (por ejemplo, sensores, relojes u ordenadores) potenciadas con IA capturan datos en tiempo real y utilizan la IA para procesarlos a escala. Estamos pasando de limitarnos a capturar y almacenar datos a producir conocimientos y recomendaciones para la acción.

Los dispositivos vestibles pueden rastrear múltiples señales de salud, pero la gran cantidad de datos y su actual incompatibilidad con la mayoría de las HCE hacen que su uso sea poco manejable. El Kit de Salud de Apple es una herramienta que integra los datos de los wearables en la HCE.

IA y prevención

Abundan las soluciones de medicina preventiva, modificación del estilo de vida y monitoreo de la IA. Van desde soluciones de gestión del estrés hasta el monitoreo de los datos asociados a nuestros rastreadores de salud para detectar un riesgo potencial de desarrollo de enfermedades y ofrecer asesoramiento sobre gestión y prevención.

El control del peso, el control del estrés, el sueño, el ejercicio y la ayuda económica son las principales categorías de IA que existen hoy en día. Los consumidores/pacientes utilizan esta tecnología para evaluar y hacerse cargo de su salud. La mayoría de los consumidores actuales se sienten cómodos con esta tecnología para el bienestar, e incluso la adoptan.

No sólo puede evitarse la hipertensión mediante el ejercicio y el mantenimiento de un peso y una dieta saludables, sino que también pueden prevenirse muchas otras enfermedades. Podemos utilizar la IA para monitorizar el sueño de un paciente, y en lugar de que el paciente tenga que pasar la noche conectado a monitores en una consulta médica, los estudios del sueño en casa son ahora la norma. La IA tiene la capacidad de identificar patrones de sueño anormales o sueño agitado. La IA puede mejorar los datos recogidos en el estudio del sueño y ayudar a controlar el trastorno del sueño utilizando otras señales como el peso y la ingesta de alcohol, que, si el paciente tiene sobrepeso y la ingesta de alcohol es elevada, pueden provocar un empeoramiento del trastorno del sueño e impedir que el tratamiento actual sea eficaz. Una app recoge la información manual sobre el consumo de alcohol, y una señal de una báscula conectada proporciona información sobre el peso del paciente. Cada una de estas señales, como se refleja en la Figura 4-4, forma parte de un circuito cerrado de retroalimentación que proporciona al paciente y a su médico información sobre otros factores que pueden estar contribuyendo al trastorno del sueño y afectando a la eficacia del tratamiento.

Por supuesto, en este mismo ejemplo, también se puede identificar precozmente un trastorno del sueño, proporcionando al consumidor la oportunidad de cambiar su estilo de vida, modificar su dieta con pérdida de peso y disponer de datos inmediatos para él y su proveedor sobre la gestión de su posible trastorno del sueño. La aplicación de ECG del Apple Watch, que puede identificar posibles trastornos del ritmo cardiaco que predisponen al ictus, es el comienzo de numerosos usos de los wearables que utilizan la IA en la medicina preventiva. Esto se extiende naturalmente a la gestión de enfermedades crónicas una vez que se desarrollen.

La IA y las enfermedades crónicas

La diabetes tipo 2 y la hipertensión son dos de las enfermedades crónicas más comunes hoy en día. Los CDC informan de que 1 de cada 9 estadounidenses padece diabetes de tipo 2, y 1 de cada 3, hipertensión. Cada una de estas enfermedades es un importante factor de riesgo de cardiopatía, que sigue siendo la principal causa de muerte en Estados Unidos. 7 de cada 10 personas que sufren su primer infarto tienen hipertensión, y las personas con diabetes tienen el doble de probabilidades de sufrir una enfermedad cardiaca o un infarto cerebral que las personas sin diabetes, y a una edad más temprana. El 60% de los pacientes con hipertensión también tienen diabetes, y el riesgo para la salud aumenta exponencialmente, con la posibilidad de daños a largo plazo en nervios, ojos y riñones.

Curiosamente, la diabetes y la hipertensión pueden ser "silenciosas" durante un periodo prolongado, hasta que se alcanza una crisis. Las personas con diabetes pueden desarrollar lentamente un aumento de la sed y la micción y no saber que esto podría indicar un estado de enfermedad subyacente. Del mismo modo, la hipertensión se conoce como el "asesino silencioso", ya que los pacientes suelen presentar derrames cerebrales u otros síntomas neurológicos que más tarde se relacionan con una hipertensión no diagnosticada ni tratada. Ambas se controlan con una dieta y un estilo de vida saludables y con terapias farmacológicas.

Los pacientes con diabetes o hipertensión autocontrolan sus niveles de azúcar en sangre y su tensión arterial. La aportación de datos a los proveedores y sistemas sanitarios mediante el uso de dispositivos conectados puede ser enorme. Las soluciones sanitarias de IA pueden rastrear, comprender e informar de los resultados de estos datos sanitarios generados por el paciente (DGSP). Por ejemplo, se ha desarrollado una IA en la que los resultados anormales se envían a los sistemas de gestión sanitaria que, a continuación, pueden contactar y proporcionar asesoramiento telefónico para mejorar la gestión de la enfermedad.

Las intervenciones alternativas mediante IA incluyen el uso de apps y consultores virtuales para tratar los resultados anómalos. Un ejemplo es la teledermatología, una aplicación de la telemedicina en la que se envían a distancia fotos de afecciones cutáneas a dermatólogos para su diagnóstico. La teledermatología pronto evolucionará hasta el punto de que se pueda utilizar un teléfono móvil para hacer las fotos. La IA integrada en el teléfono clasificará el estado de la enfermedad a partir de las imágenes tomadas a lo largo de un año. Un dermatólogo puede haber dicho a un paciente que volvería a verle dentro de un año, pero la IA del teléfono, al examinar las fotos tomadas regularmente por el paciente, ve un lunar sospechoso que se está convirtiendo en melanoma.

Además del uso de la IA para mejorar la gestión de las enfermedades crónicas, la IA también puede promover y mejorar la autoeducación del paciente. Por ejemplo, un paciente que utilice un dispositivo móvil o un ordenador portátil puede introducir una consulta o pregunta sobre su dieta diabética y cuál es su ingesta permitida. Los pacientes pueden utilizar un altavoz de voz en su casa, una aplicación en su teléfono o un asistente virtual con una aplicación web en su ordenador que utilice IA/NLP para dar consejos sobre una dieta para diabéticos. Los médicos pueden acceder a los datos casi en tiempo real y realizar microajustes en el cuidado de sus pacientes, lo que permitirá evitar las complicaciones de la enfermedad y los costes asociados.

La IA también beneficia a los pagadores de la asistencia sanitaria. Como se ha mencionado antes al hablar del programa de gestión telefónica de casos, los pacientes miembros reciben orientación y asesoramiento personalizados. Al mismo tiempo, se utiliza el apoyo a la toma de decisiones clínicas para guiar al paciente hacia el mejor paso siguiente en la acción asistencial. ¿Deberían reunirse con su proveedor para discutir el inicio de una terapia farmacológica, o deberían intentar primero cambiar a una dieta baja en sal? ¿Deberían iniciar un programa de pérdida de peso? Se puede contactar con los proveedores para la integración asistencial. Todo esto conduce a una mejor gestión de la enfermedad y a una mejora de la calidad de vida sin exigir al paciente que se autogestione, identifique o comprenda necesariamente las conexiones subyacentes que conducen a una atención integrada y a una mejora en la gestión de su enfermedad.

Gracias a estas modalidades de IA se obtienen otros beneficios: disminuyen los costes sanitarios y aumenta la calidad de vida de los pacientes; aumenta la accesibilidad y la aplicación de datos para mejorar los resultados de la enfermedad, así como disminuyen los costes derivados de las complicaciones asociadas a la enfermedad no controlada o mal controlada; se mitigan los daños permanentes en los órganos finales gracias a un mejor control; y se evitan las pérdidas económicas derivadas de las visitas al hospital o a urgencias porque la IA permitió intervenir y atender antes de que se produjera una crisis.

Nuestro bienestar físico suele ser más fácil de detectar que nuestra salud mental, es decir, nuestro bienestar psicológico, emocional y social. Cada vez somos más capaces de detectar enfermedades mentales utilizando la inteligencia artificial.⁴

IA y salud mental

El uso de la IA en la gestión y prevención de enfermedades no se limita a enfermedades como la hipertensión, o a lo que se suele denominar afecciones médicas clínicas. Las enfermedades mentales son frecuentes en EE.UU., donde casi uno de cada cinco adultos vive con una enfermedad mental: 46,6 millones de personas en 2017, según las estadísticas de los Institutos Nacionales de Salud (NIH). Existen aplicaciones que permiten a la IA comprobar la salud conductual de una persona monitorizando su smartphone y registrando cuántas interacciones sociales se han producido ese día, incluidas las visitas a sitios de redes sociales, los mensajes de texto y las llamadas, así como el nivel de actividad física y el uso general del smartphone. A continuación, la IA analiza esos datos para determinar si la depresión u otros trastornos de la salud conductual están aumentando o se están controlando. De este modo, la IA permite la autoevaluación y la conexión con el propio proveedor para un monitoreo casi en tiempo real de la propia salud mental. Algunos chatbots proporcionan asesoramiento sobre salud mental, y existen aplicaciones para la terapia cognitivo-conductual. El desarrollo y uso de estas herramientas es esencial, ya que existe una brecha creciente entre la cantidad de atención sanitaria mental necesaria y el número de proveedores que pueden proporcionar esta atención sanitaria mental/conductual.

El uso de la tecnología para la salud mental va en aumento, y el nivel de comodidad de la gente es cada vez mayor. La aplicación de meditación Headspace dijo a CNBC que, debido en gran parte a la COVID-19 y a la pandemia resultante en la atención sanitaria mental y conductual, ha visto un aumento superior al 500% en el interés entrante de empresas que buscan atención sanitaria mental. La IA para la salud mental tiene sentido, ya que cada vez más consumidores se responsabilizan de su salud mental. De nuevo, la pandemia de COVID-19 puso en primer plano la tecnología digital, con personas aisladas y sus estados apagados. Las estimaciones muestran que la carga para la salud mental aumentó en proporción a la prolongación del aislamiento asociado al distanciamiento social durante la pandemia. Como se animó a la población a quedarse en casa y evitar el contacto social, creció la atención sanitaria digital. La COVID-19 puede impulsar inadvertidamente el aumento de la utilización de tecnologías digitales basadas en la necesidad. El tiempo dirá si la tendencia continúa, pero creemos que la pandemia ha cambiado el paradigma de la asistencia sanitaria hacia una asistencia sanitaria digital posible gracias a la IA.

La pandemia de coronavirus demuestra lo que es posible con la telemedicina. Las mejoras en el estado de la IA "conversacional" y todo lo descrito en la Figura 4-4 harán que la telemedicina se dispare en eficacia.

IA y Telemedicina

En un entorno sanitario digitalizado ideal, la IA recoge todos los datos de los dispositivos conectados, y esos datos son procesados por la IA para proporcionar intervenciones rápidas y oportunas en la asistencia sanitaria, todo ello apoyado por el análisis de la IA de las opciones de tratamiento más actualizadas y relevantes. Los dispositivos conectados facilitan la prestación de asistencia a distancia, o telemedicina. La telemedicina, como se puso de manifiesto durante la pandemia de COVID-19, tiene un amplio alcance y ha hecho que miles de millones de usuarios conozcan una nueva modalidad de asistencia sanitaria. La IA tiene un papel especial y significativo en la telemedicina.

La transformación de nuestro sistema sanitario ya se está produciendo. COVID-19 fue el impulso que impulsó un aumento rápido y exponencial de la utilización de la telemedicina. La IA se está estudiando y ha demostrado su éxito en la disminución de los reingresos hospitalarios.⁵ En un programa de reducción de los reingresos hospitalarios, cada paciente, al ser dado de alta del hospital, recibe un dispositivo con conexión WiFi que transmite las constantes vitales y otros datos importantes del paciente (frecuencia cardiaca, tensión arterial, temperatura, etc.) a su proveedor para su gestión ambulatoria continua. La IA monitorea constantemente estos datos, y ante cualquier signo de anomalía, el paciente, su proveedor y cualquier otro cuidador pueden recibir una notificación para abordar el hallazgo y, con suerte, evitar un reingreso en el hospital o una visita al servicio de urgencias.

Se trata de intervenir a tiempo. Un ejemplo de este tipo de colaboración que ya está en el mercado es un programa piloto entre los hospitales del NHS (Sistema Nacional de Salud) de Dartford y Gravesham y Current Health (antes snap40), cuyo objetivo es el monitoreo remoto de las constantes vitales de los pacientes con análisis de IA. A los pacientes de este programa piloto se les colocan brazaletes con conexión WiFi y se les entrega una tableta equipada con un chatbot para recordatorios de medicación y comunicación a distancia con sus proveedores. Los pacientes reciben todas sus herramientas antes del alta hospitalaria. De este modo, los proveedores y los equipos asistenciales pueden vigilar a distancia a los pacientes, con capacidad para realizar microajustes en la asistencia que mantengan a sus pacientes más sanos y fuera de los hospitales.

En la actualidad, la telemedicina está ampliamente aceptada y puede proporcionar apoyo clínico al mundo de los datos que ha abierto la IA. Esta integración aporta numerosas ventajas:

• Diagnóstico precoz e intervención oportuna

• Atención personalizada

• Monitoreo remoto del paciente en tiempo real

Hemos hablado del diagnóstico y el tratamiento precoces varias veces a lo largo del libro. De nuevo, el diagnóstico precoz permite intervenir mediante cambios en el estilo de vida, los hábitos o la dieta, o mediante medicamentos, antes de que se desarrollen complicaciones de la enfermedad y antes de que se produzcan daños a largo plazo en el organismo relacionados con una enfermedad no controlada. Tradicionalmente, los pacientes tenían síntomas y ninguna otra información asociada que les llevara a buscar atención en la consulta de un médico. Con la IA, los síntomas se emparejan con los datos personalizados del paciente generados por sus dispositivos conectados. Por tanto, los proveedores de telemedicina disponen de más información en el momento de la evaluación del paciente. Estos telemédicos cuentan con el paciente para proporcionarle una descripción de sus síntomas, los datos de los dispositivos conectados (con análisis de IA que señalan cualquier hallazgo anómalo) y el análisis asistido por IA de las pautas de tratamiento clínico, lo que garantiza la atención más actualizada y mejor o el mejor tratamiento o el mejor paso siguiente de evaluación para cada paciente en función de sus propios datos individuales.

La atención personalizada mediante IA es posible, ya que todos los datos generados por los dispositivos conectados o los datos alternativos introducidos por otros dispositivos, como un iPad con generadores de síntomas y listas de comprobación, proceden de un paciente individual. Así, los médicos pueden tomar intervenciones o decisiones de tratamiento basadas específicamente en los datos de ese paciente. La información sobre el impacto de cada microajuste está disponible inmediatamente y permite una gestión más precisa basada en los datos de cada paciente. Además, la IA puede mejorar los algoritmos de tratamiento para garantizar la mejor calidad asistencial y el mejor paso siguiente en la gestión de cada paciente individual. A continuación, estos planes de tratamiento se monitorizan mediante IA para garantizar la adherencia y el control de la enfermedad, y si se produce algún cambio, los tratamientos se modifican en consecuencia.

El monitoreo a distancia es un concepto relativamente nuevo. Tradicionalmente, en un hospital se obtiene un conjunto de constantes vitales de forma periódica. Si el paciente está lo bastante enfermo, pueden colocarse monitores de forma que se produzca un monitoreo en tiempo real y salten las alarmas en caso de lecturas anormales, lo que conduce a una evaluación clínica y a posibles ajustes en el tratamiento. En el ámbito ambulatorio, no existía el monitoreo rutinario de ninguna constancia vital, salvo en casos excepcionales, y esto lo gestionaba el paciente, que o bien tenía más citas para que le colocaran monitores para la evaluación domiciliaria, o bien tenía que pasar por clínicas u otros centros sanitarios para las lecturas de seguimiento. La IA ha transformado el proceso en el ámbito ambulatorio, donde ahora los dispositivos son comunes y el uso de la IA ha aumentado significativamente. En la actualidad, tanto el médico como el paciente disponen de un flujo constante de datos casi en tiempo real. Cualquier anomalía es analizada por la IA para poder intervenir y realizar ajustes a tiempo. La intervención a tiempo es clave, ya que la puntualidad evita complicaciones a largo plazo y permite reducir los efectos secundarios intolerables del tratamiento (ya que el monitoreo identificaría, por ejemplo, una tensión arterial demasiado baja).

La telemedicina también está evolucionando rápidamente casi en simbiosis con las modalidades digitales. La telemedicina (o telesalud) ha surgido como un componente esencial de la asistencia sanitaria durante la crisis COVID-19. Aunque la administración de la telemedicina está ahora ampliamente aceptada, hay que gestionar ciertas complejidades relacionadas para que siga teniendo éxito. "Tener experiencia reguladora es imprescindible, sobre todo en esta época en la que las cosas van muy deprisa y a un ritmo vertiginoso y en la que vemos cambios en las normas y reglamentos de los CMS casi quincenalmente", dice Chevon Rariy, director del Programa de Telesalud de los Centros de Tratamiento del Cáncer de América.⁶ Los Centros de Servicios de Medicare y Medicaid (CMS) han instituido nuevas recomendaciones de facturación y codificación para la telemedicina, lo que permite alinear los incentivos para el proveedor y el crecimiento continuo de la telesalud. Antes, la telemedicina se denominaba visita "de una sola vez". Antes se utilizaba como alternativa a la medicina de urgencias, pero ahora la telemedicina está evolucionando hacia un sistema de atención primaria. Varios proveedores de telemedicina están desarrollando o ya han implementado plataformas de atención telemédica para proveedores de atención primaria. La digitalización proporciona apoyo a la telemedicina en una relación paciente-proveedor que es continua y no sólo una visita puntual. Mediante conexiones habilitadas con dispositivos inteligentes, la IA tiene la capacidad de reforzar este tipo de interacción significativa entre paciente y médico, aumentando la información disponible para los proveedores y otros cuidadores, de modo que se extienda más allá de la propia visita de telemedicina.

También están surgiendo proveedores especializados de telemedicina. Concretamente, los especialistas en diabetes, o endocrinólogos, se utilizan ahora en varios programas diferentes para ayudar con la atención continuada y el microajuste oportuno de los regímenes de insulina para proporcionar la mejor atención posible a los diabéticos. De nuevo, la IA capacita a estos médicos notificándoles las anomalías y la adherencia, así como apoyando las decisiones de tratamiento/gestión de los médicos basadas en las buenas prácticas asistenciales identificadas por la IA.

Al igual que la digitalización tiene la capacidad de mejorar la telesalud, también tiene la capacidad de influir en otros aspectos de la relación proveedor-paciente, como la gestión de la medicación. La IA digitalizada no sólo puede proporcionar información significativa sobre el paciente a su médico, sino que también puede utilizarse para comprender el comportamiento e impulsar el cumplimiento de la medicación una vez prescrito el tratamiento. En lugar de emitir alertas ciegas de "tómate la medicación", la IA puede utilizarse para encontrar el mejor momento y lugar para enviar una alerta de que te tomes la medicación, optimizando así la gestión de la medicación y el cumplimiento terapéutico.

Gestión de la medicación e IA

La IA sigue ampliando su alcance y sus casos de uso, y está asumiendo un papel destacado en la mejora de la adherencia a la medicación. La adherencia a la medicación es la probabilidad de que un paciente tome la medicación que se le ha recetado según las indicaciones, o no la tome en absoluto. ¿Por qué es importante la adherencia a la medicación? En las dos últimas décadas, los costes sanitarios han aumentado exponencialmente, y los medicamentos recetados son un componente importante de estos costes. Por ejemplo, de los 101.000 millones de dólares gastados en diabetes en 2013, la mitad se destinó a medicamentos. Mientras tanto, los estudios sugieren que entre un tercio y la mitad de los pacientes no toman su medicación o no lo hacen correctamente, según un informe de 2017 de la Agencia para la Investigación y la Calidad de la Asistencia Sanitaria de EEUU. Esto provoca casi 125.000 muertes prematuras al año y cuesta al país unos 290.000 millones de dólares en hospitalizaciones asociadas y otras complicaciones derivadas de enfermedades, según la NEHI (Red para la Excelencia en la Innovación Sanitaria) y el Colegio Americano de Medicina Preventiva.⁷

La respuesta tecnológica a este problema es la terapéutica digital, que anima a los pacientes a tomar sus medicamentos según las indicaciones. Los estudios están utilizando dispositivos móviles y sensores para captar datos y proporcionar alertas en tiempo real sobre el cumplimiento de la medicación a través de navegadores, apps y dispositivos médicos. Algunos ejemplos son los envases inteligentes y los dispensadores de pastillas, los wearables que proporcionan recordatorios para tomar la medicación y pueden hacer un seguimiento de su uso, las apps para tabletas que proporcionan recordatorios sobre los recambios y la toma de medicamentos, e incluso los pastilleros virtuales con imágenes que muestran el tamaño y la forma de las pastillas para su identificación, a fin de evitar confusiones. Cuando se conectan con sensores y se combinan con IA, las posibilidades de gestión de la medicación y del paciente son enormes.⁸

Cumplimiento de la medicación

El Sistema de Monitoreo de Eventos de Medicación (MEMS) capta cuándo un paciente toma su medicación. El MEMS utiliza un tapón que encaja en los frascos de pastillas recetadas estándar e incluye un minúsculo microprocesador que registra el momento y la hora del día en que se abre y se cierra el frasco de pastillas.

Un estudio apoyado por los NIH utilizó un programa de salud medicamentosa basado en el refuerzo-aprendizaje para centrarse en la adherencia a la medicación. Se aleatorizó a los pacientes utilizando dos escenarios:

1. Tapa MEMS en el frasco de pastillas más mensajes de texto que recuerdan al paciente que debe tomar la medicación y gestión de IA para determinar el tipo y la frecuencia de los mensajes

2. Sólo tapa MEMS, sin IA

Los resultados mostraron una mejor adherencia a la medicación a los tres meses en ambos grupos de estudio. Cabe destacar que la adherencia a la medicación aumentó del 69-80% inicial al 84-92% con el uso de IA.

La gestión de las enfermedades crónicas implica comportamientos complejos, y los pacientes varían en su adherencia a la medicación en función de estos comportamientos. Un estudio de pacientes que habían sufrido un episodio de infarto de miocardio observó que un mes después del alta hospitalaria, menos del 50% de los pacientes seguían tomando su aspirina diaria de dosis baja tal como se les había prescrito durante el infarto. Otro estudio mostró que de 5.000 pacientes hipertensos, la mayoría tomaba sus medicamentos sólo de forma intermitente, y el 50% había dejado de tomarlos sin informar a su proveedor.⁹ En el estudio de los NIH, hubo una mayor adherencia a la medicación cuando la tapa MEMS iba acompañada de recordatorios de texto aumentados con IA. Se ha demostrado que los servicios sanitarios móviles, como los recordatorios por mensaje de texto, producen un aumento de hasta el doble en el cumplimiento de la medicación.

Cabe destacar que el estudio de los NIH utilizó la IA para determinar si los pacientes no eran adherentes a la medicación y para identificar qué tipo de mensajes y qué frecuencia de mensajes de texto estimularían una mayor adherencia. Al cabo de un mes, la IA había reducido los mensajes de texto en un 46%, porque había aprendido que las notificaciones más frecuentes no conducían a una mayor adherencia. La IA también pudo adaptar las notificaciones a los pacientes con mayor necesidad de recordatorios, y redujo o interrumpió las notificaciones a los pacientes que eran cumplidores, según indicaban los MEMS.

Medicación digital

El uso de la IA en la adherencia a la medicación no se limita a las aplicaciones, sensores y wearables que facilitan las interacciones entre el paciente y el proveedor/cuidador. Se extiende a los medicamentos digitales. En 2017, Proteus Digital Health anunció que la Administración de Alimentos y Medicamentos de EE.UU. (FDA) había aprobado el primer medicamento digital del mundo, Abilify MyCite. Abilify MyCite contiene un sensor que registra que el paciente ha ingerido la píldora.

El funcionamiento de este sensor ingerible se ilustra en la Figura 4-5. En este ejemplo, se coloca un sensor de silicio del tamaño de un grano de sal en cada una de las pastillas del paciente. El paciente ingiere una pastilla con el sensor, que se activa por los jugos gástricos del estómago del paciente.

Figura 4-5. Funcionamiento de los sensores ingeribles

El sensor envía señales que identifican el medicamento y la fecha y hora en que la persona tomó la píldora. Como cualquier alimento rico en fibra, el sensor pasa por el tracto gastrointestinal en varios días. Las señales se transmiten desde el sensor a un parche adhesivo desechable en el cuerpo del paciente. Se recopilan varias métricas del sensor y del cuerpo del paciente, y los análisis y las perspectivas están fácilmente disponibles para los pacientes, los médicos y los cuidadores.

Abilify MyCite es específico para el medicamento Abilify, que se utiliza en el tratamiento de la esquizofrenia y algunas otras formas de enfermedad mental. Este tipo de tecnología es muy importante, ya que es bien sabido que los esquizofrénicos que no cumplen la medicación tienen más episodios psicóticos y pueden requerir más hospitalizaciones y un tratamiento intensivo, además de ser un daño potencial para sí mismos y para los demás.

La aplicación de la IA a las píldoras digitales muestra aún más potencial. No sólo se hará un seguimiento de la adherencia a la medicación, sino que los proveedores y otros cuidadores podrán aplicar la IA a la toma de datos de los wearables y otros sensores para proporcionar información adicional sobre si la medicación está funcionando y si deben hacerse microajustes en tiempo real en los regímenes de tratamiento. Los beneficios potenciales de la IA son evidentes.

Otras formas en que la IA está transformando la gestión de la medicación son:

• Mejorar la seguridad de la medicación (los datos digitales junto con la revisión de la utilización con IA pueden detectar errores de medicación).

• Predecir los riesgos para la salud y los resultados (Michigan está trabajando en el uso de los historiales de medicación de los pacientes junto con las HCE y los programas de monitoreo de medicamentos con receta para calcular el riesgo de sobredosis y predecir el riesgo de sobredosis por un opioide recetado.¹⁰)

• Mejorar el proceso de autorización previa de la medicación (independientemente de las mejoras, muchos medicamentos siguen implicando la introducción de datos duplicados, retrasos y repeticiones después de que no se cumplan los criterios para la autorización; la IA puede utilizarse para extraer los datos relevantes para la autorización previa junto con información/datos digitales que pueden ayudar a aumentar y agilizar el proceso de autorización proporcionando e importando los datos relevantes que pueden ser necesarios para la aprobación de la terapia).

La gestión de la medicación muestra lo que podría desarrollarse con la digitalización. A medida que avanzan la IA y el IoT, evoluciona el arte de lo posible. En el centro de estos avances están las percepciones en tiempo real sobre cómo cambiar posiblemente el comportamiento que se obtienen de señales previamente descartadas. Existen muchas oportunidades de digitalización, y quizá ninguna mayor que la de las tareas administrativas sanitarias .

IA y digitalización aplicadas a las tareas administrativas

En noviembre de 2016, la Harvard Business Review publicó un artículo de Vegard Kolbjørnsrud, Richard Amico y Robert J. Thomas titulado "How Artificial Intelligence Will Redefine Management". En el artículo, los autores explicaban que se espera que la IA automatice muchas de las tareas de coordinación y control administrativo que realizan los humanos y que la transición de las tareas que requieren mucho trabajo a la IA simplemente tiene sentido.

En secciones anteriores hemos descrito cómo las tareas administrativas siguen constituyendo una parte importante del tiempo de los proveedores e impiden que los clínicos tengan tiempo para dedicarse a interacciones cara a cara con los pacientes. La IA puede simplificar la vida de los humanos realizando eficazmente las tareas administrativas y dando a los proveedores y otros cuidadores tiempo para centrarse en las interacciones basadas en el ser humano.

La IA ya ha hecho grandes avances en tareas de diagnóstico por imagen, como el análisis de imágenes de rayos X, la detección del cáncer y la asistencia a los médicos en la toma de decisiones clínicas y la gestión de los pacientes. Ayudar a los médicos con algunas de las tareas "más fáciles" deja tiempo para interacciones más centradas en el ser humano con los pacientes. A menudo oyes a los pacientes quejarse de que su médico les vio durante cinco minutos y les cobró X cantidad. Con el apoyo de la IA, el médico tendrá más tiempo para dedicar a sus pacientes.

Del mismo modo, la IA puede facilitar la gestión de la salud de la población, en la que los médicos buscan tendencias en cohortes de pacientes de edad similar y con enfermedades, factores de riesgo, etc. similares. La llegada de las HCE ha impulsado la digitalización de los datos sanitarios sobre amplias poblaciones, a los que luego puede aplicarse la IA. La IA proporciona el análisis sobre esas cohortes de pacientes y analiza los detalles sobre qué pacientes necesitan gestión y/o intervención en la atención y en qué momento. Los patrones y las tendencias predictivas solían depender de los científicos de datos que consultaban los conjuntos de datos sanitarios y de la revisión de los médicos junto con su experiencia para determinar los objetivos de salud de la población. Ahora la IA puede realizar esta tarea por nosotros o aumentar el proceso actual.

¿Por qué es importante para los médicos? Los médicos han confiado durante mucho tiempo en la experiencia y en las directrices de la medicina basada en pruebas para facilitar la gestión de grandes poblaciones. Hoy en día, la IA puede aumentar esa gestión mediante el análisis antes mencionado. A partir de esta amplia visión general de las poblaciones de pacientes, los algoritmos de IA pueden analizar millones de puntos de datos y peinar las últimas bases de datos de investigación publicadas para encontrar rápidamente patrones relevantes y determinar los siguientes pasos más adecuados para el médico y el paciente. Este enfoque marca una gran diferencia en los costes y en la salud del paciente. El Dr. Robert Pearl, profesor de la Universidad de Stanford, utilizó algoritmos de consenso, junto con los datos oncológicos introducidos en las HCE, y los cruzó con los cientos de regímenes de tratamiento establecidos para recomendar la combinación más adecuada de medicamentos de quimioterapia para un paciente. Además, esta misma investigación y el uso de la IA permitieron crear un modelo predictivo que podía identificar qué pacientes con cáncer acabarían en la UCI en un futuro próximo. La IA facilita a los médicos la toma de decisiones de gestión que ahorran costes y, lo que es más importante, repercuten en la salud y la vida de las personas.

La IA también tiene el potencial de ir más allá de la experiencia humana mediante el uso del aprendizaje no supervisado. El aprendizaje no supervisado es un subconjunto del aprendizaje automático que analiza los datos y descubre pautas y anomalías con una participación humana mínima. El aprendizaje no supervisado tiene el potencial de descubrir patrones y tendencias que los clínicos pasan por alto debido a posibles sesgos clínicos.

Por último, la IA puede aumentar las reclamaciones y la tramitación, así como las autorizaciones previas (como ya se ha mencionado). Todo ello redunda en eficiencia y ahorro de tiempo, así como de costes. La IA puede potenciar las transacciones y la gestión de datos de forma que los pacientes puedan pagar las visitas al médico en tiempo real, con la reclamación procesada y completada y las autorizaciones previas necesarias cumplidas para cuando termine la cita. Todo ello conduce a una mejora de la calidad de vida y de la atención para pacientes y médicos.

Resumen

Una lección de la digitalización es que las organizaciones no pueden aplicar su antigua forma de pensar a tecnologías disruptivas como la inteligencia artificial. Los nativos digitales hablan el lenguaje de lo digital; encarnan la cultura de lo digital en la plataforma, la arquitectura, el proceso y la organización. El mítico libro de jugadas digital es sólo eso: mítico.

Los nativos digitales ven la agilidad como un retorno de la inversión medible y la alta disponibilidad de sus plataformas y productos como apuestas sobre la mesa. Lo automatizan todo. Aceptan el fracaso. Evolucionan constantemente el código de sus aplicaciones. Introducen nuevas funciones a diario. La experimentación es una forma de vida. Esta es la cultura de la digitalización, el ethos de la digitalización.

La digitalización es necesaria para la asistencia sanitaria, y para que tenga el mayor impacto a la hora de ayudar a las personas a llevar una vida más sana, la digitalización debe centrarse en cada una de las áreas que se muestran en la Figura 4-6.

Figura 4-6. Áreas de interés de la digitalización para mejorar la asistencia sanitaria

Cuanto mayor sea la digitalización en el diagnóstico, la atención al paciente, la prevención y el bienestar, el triaje y el diagnóstico, la gestión de los cuidados crónicos y el apoyo a la toma de decisiones clínicas, más aumentaremos la eficiencia y la eficacia de los médicos. Hacemos que la asistencia sanitaria sea más ubicua y esté disponible para poblaciones más amplias. Este es el poder de la digitalización y la IA.

En el siguiente capítulo abordamos el uso de la IA para eliminar o minimizar el despilfarro, ya sea en términos de tiempo de los médicos o de fraude. Así que dedicamos menos tiempo al negocio de la asistencia sanitaria y más a los aspectos administrativos y operativos de la asistencia sanitaria.

¹ Véase "Unlocking success in digital transformations", McKinsey & Company (encuesta), 29 de octubre de 2018.

² Thomas H. Davenport y Steven Miller, "The Future of Work Now-Medical Coding with AI", Forbes, 3 de enero de 2020.

³ Véase Sumit Majumder y M. Jamal Deen, "Smartphone Sensors for Health Monitoring and Diagnosis", Sensors 19, nº 9 (2019): 2164.

⁴ "IA en psiquiatría: detectar enfermedades mentales con inteligencia artificial", Health Europa, 19 de noviembre de 2019.

⁵ Wenshuo Liu, "Predicting 30-day hospital readmissions using artificial neural networks with medical code embedding", PLOS ONE 15, no. 4 (2020).

⁶ "Impacto de la COVID-19 en la telesalud", American Health and Drug Benefits 13, no. 3 (2020): 125-126.

⁷ Jennifer Kim y otros, "Adherencia a la medicación: The Elephant in the Room", U.S. Pharmacist, 19 de enero de 2018.

⁸ Jae-Yong Chung, "Terapéutica digital y farmacología clínica", Translational and Clinical Pharmacology 27, nº 1 (2019): 6-11.

⁹ Steven Baroletti y Heather Dell'Orfano, "Adherencia a la medicación en las enfermedades cardiovasculares", Circulation 121 (2010): 1455-1458.

¹⁰ Jesse Adam Markos, "Michigan's Enhanced Prescription Monitoring Program and New Analytic Tools for Controlled Substances Help Protect Both Patients and and Providers", Wachler Associates, s.f.