La transformación de la TI: las necesidades de atención médica

A mediados de la década de 1990, todo el mundo sabía que las organizaciones de salud de los Estados Unidos estaban plagadas de gastos derrochadores. La pregunta para Intermountain Healthcare, que presta servicios a los residentes de Utah e Idaho, era por dónde empezar a buscar ahorros internamente. Los análisis de datos identificaron rápidamente los objetivos más prometedores: 104 de las 1440 afecciones clínicas que Intermountain trató representaron el 95% de la atención que prestó, y dos servicios (el parto de recién nacidos y el tratamiento de la cardiopatía isquémica) representaron el 21% de su trabajo.

Los equipos de mejora de la calidad se centraron primero en esos dos servicios. Equipados con un sofisticado sistema de historial médico electrónico (EHR) y un sistema de tecnología de la información independiente que detallaba los costes de las actividades, los equipos utilizaron directrices basadas en pruebas y la experiencia de los médicos de Intermountain para rediseñar los flujos de trabajo clínicos. Los altos ejecutivos, el consejo de administración, los médicos y los enfermeros trabajaron juntos para apoyar la campaña de mejora de la atención. En la actualidad, se han renovado más de 60 servicios e Intermountain es reconocida como líder nacional en mejora de la calidad y gestión de costes. Nada de esto habría sido posible sin sus sistemas de TI.

Este ejemplo es impresionante. Por desgracia, sigue siendo una rareza. La historia más común en el cuidado de la salud es la de grandes inversiones en TI, pero poco que mostrar para ellas. Impulsados por ejemplos como Intermountain, los Centros de Servicios de Medicare y Medicaid del gobierno de los EE. UU. gastaron 37 000 millones de dólares solo en pagos de incentivos para la TI de la atención médica entre 2011 y mayo de 2017. Para 2016, más del 50% de los médicos de los consultorios y más del 80% de los hospitales habían instalado un sistema de EHR «básico», uno que cumple con los estándares mínimos establecidos por la Oficina del Coordinador Nacional de Tecnología de la Información Sanitaria. Sin embargo, estos sistemas han tenido poco impacto en la mejora de la calidad y la reducción de costes hasta la fecha. De hecho, los médicos los critican de forma rutinaria, lamentando que les hacen perder el tiempo, son rígidos y no son fáciles de usar e interfieren en las interacciones con los pacientes. Muchas organizaciones de atención médica sufren más problemas que beneficios mientras se esfuerzan por integrar los nuevos sistemas de TI en sus operaciones. Por ejemplo, en enero de 2017, el MD Anderson Cancer Center anunció que despediría a 900 empleados, o alrededor del 5% de su plantilla, en gran parte debido a las pérdidas financieras atribuibles a un nuevo sistema de EHR. En términos más generales, los esfuerzos por persuadir a las organizaciones de atención médica de que compartan información siguen a la zaga, al igual que los esfuerzos por permitir que los diferentes sistemas de TI se comuniquen entre sí, lo que hace que los datos permanezcan «atrapados» en bases de datos aisladas.

Una de las principales razones por las que los aspectos negativos parecen superar a los positivos es la forma en que se utilizan los sistemas de TI. Hasta la fecha, las prioridades de la mayoría de las organizaciones de atención médica han sido sustituir los registros en papel por otros electrónicos y mejorar la facturación para maximizar los reembolsos. Si bien los ingresos han aumentado como resultado, el impacto de la TI en la reducción de los costes y la mejora de la calidad de la atención clínica ha sido modesto y se ha limitado a facilitar actividades como la entrada de pedidos para ayudar a los pacientes a hacerse las pruebas y los medicamentos de forma rápida y precisa. Relativamente pocas organizaciones han dado el siguiente paso importante de analizar la riqueza de datos de sus sistemas de TI para comprender la eficacia de la atención que prestan. Dicho de otra manera, muchas organizaciones de salud utilizan la TI como herramienta para supervisar actual procesos y protocolos; lo que solo unos pocos han hecho es aprovechar esos mismos sistemas de TI para comprobar si esos procesos y protocolos pueden ser mejorado—y si es así, actuar en consecuencia. Esta es una de las principales razones por las que el crecimiento de la productividad en la atención médica ha sido anémico y más débil que en muchos otros sectores.

Los problemas de productividad de la atención médica

Algunos sectores utilizan la tecnología mejor que otros, y las estadísticas de productividad laboral lo reflejan. En el caso de la sanidad de EE. UU., la industria ha crecido más rápido que la economía en general, pero como el número de trabajadores de la salud ha aumentado rápidamente y el uso de la tecnología de la información se ha reducido, el crecimiento de la productividad ha sido mínimo.

Entonces, ¿cómo pueden las organizaciones de atención médica cumplir la promesa de sus grandes y crecientes inversiones en TI para ayudar a reducir los costes? y ¿mejorar los resultados de los pacientes? Si bien se ha prestado mucha atención a los posibles beneficios médicos de las nuevas tecnologías, como los análisis genéticos económicos, la inteligencia artificial y los sensores portátiles que controlan de forma continua los signos vitales, nos centramos principalmente en cómo las organizaciones que prestan cuidados pueden aprovechar mucho más sus inversiones recientes o planificadas en sistemas de TI para toda la empresa.

Nuestras investigaciones sobre las formas en que la atención médica podría aplicar las experiencias de otros sectores sugieren que, en lugar de ver la TI como una herramienta transaccional para la facturación, el seguimiento y la comprobación de errores, las organizaciones deberían adoptarla como un instrumento que ayude a transformar la forma en que prestan la atención médica. Esto implicará priorizar la mejora de la calidad por encima de la reducción de costes, facilitar y mejorar la recopilación de datos, convertir los datos en información útil para los médicos y forjar nuevos modelos operativos y de negocio. Hemos descubierto que, si bien numerosas organizaciones de salud avanzan en esta dirección, la mayoría no están realizando los cambios holísticos necesarios para la transformación.

Mejorar la calidad

Históricamente, la adopción y la gestión de la TI sanitaria han recaído en manos del director de información y otro personal técnico de la organización. Es un error. Varias organizaciones, como el Centro Médico de Boston, el Sistema de Salud Geisinger de Pensilvania, Intermountain, Mayo Clinic y Langone Health de la Universidad de Nueva York (NYU), han demostrado que la TI sanitaria solo es eficaz cuando todos los miembros de una organización trabajan para aprovechar su potencial. (Divulgación completa: uno de nosotros, Robert Huckman, ha enseñado en programas de educación ejecutiva para dos organizaciones relacionadas con este artículo: Intermountain Healthcare y el Brigham and Women’s Hospital, que es propiedad de la misma compañía madre que el Hospital General de Massachusetts).

Dos grupos clave, además del personal técnico (los líderes sénior y los médicos), deben desempeñar funciones importantes. Los líderes son cruciales porque tendrán que incluir a los médicos en la causa y convencerlos de que el uso eficaz de la TI es fundamental para ofrecer una mayor calidad. La necesidad urgente de reducir los costes de la atención médica ha llevado a muchos líderes a preocuparse por ese objetivo. La feliz realidad es que la mejora de los procesos de trabajo clínicos puede lograr reducir los costes y aumentar la calidad, y veremos más adelante qué se necesita para utilizar los sistemas de TI para hacerlo.

La promesa de mejorar la calidad debe ser más que palabras; debe traducirse en prácticas visibles. Geisinger, por ejemplo, ha hecho precisamente eso. Ha hecho que su sistema de TI forme parte de una estrategia amplia para establecer una «garantía» quirúrgica: si surgen complicaciones en un plazo de 90 días después de la intervención quirúrgica, el paciente no tiene ningún coste adicional para solucionar el problema. Empezando con el injerto de derivación arterial coronaria (CABG), un equipo de médicos desarrolló un protocolo de cinco fases que comienza en el momento del diagnóstico y se extiende hasta el período de garantía. El equipo identificó inicialmente 40 directrices basadas en pruebas que, según un estudio de caso realizado por el Fondo del Commonwealth, se integraron luego en el sistema de EHR «mediante plantillas, conjuntos de pedidos y recordatorios», lo que aumentó el cumplimiento del 59 al 100%. Además, el sistema informático integrado mejoró la comunicación entre el personal clínico (incluidos los médicos y los enfermeros de práctica avanzada) para coordinar la atención del paciente. Los resultados fueron significativos: la mortalidad posoperatoria se redujo en dos tercios, el gasto en cuidados posagudos disminuyó casi un 50% y la rentabilidad general de los servicios de cirugía cardíaca, de hecho, mejoró. Gracias al éxito del programa CABG, el modelo era ampliado a otras 14 afecciones clínicas, así como a la atención primaria, centrándose en los enfermos crónicos.

Langone Health de la Universidad de Nueva York también ha respaldado sus palabras sobre la mejora con la acción. Cuando el Dr. Robert Grossman fue nombrado director ejecutivo del centro y decano de la Facultad de Medicina de la Universidad de Nueva York en 2007, su primera iniciativa importante fue fusionar los distintos sistemas de información de la escuela en un único almacén de datos para el hospital y la escuela de medicina. Hizo hincapié en que el motivo era evaluar el rendimiento de calidad del sistema comparándolo con puntos de referencia externos y para respaldar los cambios en los flujos de trabajo administrativos y clínicos. La información resultante aumentó la disposición de los directores y administradores de los departamentos a desafiar las normas y a diseñar e implementar mejoras. Por ejemplo, la necesidad de establecer campos de datos en el sistema de TI obligó a debatir sobre la definición de «excelencia» y las mejores formas de evaluar el impacto del personal de primera línea.

En 2016, Langone de la Universidad de Nueva York recibió varios premios nacionales de calidad y fue clasificado por Noticias e informe mundial de EE. UU. entre los 10 mejores hospitales de los Estados Unidos, junto con Mayo Clinic, Cleveland Clinic y el Hospital General de Massachusetts. El desempeño financiero de la organización fue igualmente impresionante: de 2007 a 2015, los ingresos de los pacientes se duplicaron con creces. NYU Langone genera ahora más de 220 millones de dólares en beneficios operativos, con un margen operativo superior al 9%.

Cabe destacar que tanto Geisinger como Langone de la Universidad de Nueva York descubrieron que alcanzar sus objetivos de calidad no iba a expensas del rendimiento financiero. De hecho, eso también mejoró.

Hacer que la recopilación de datos sea más fácil y mejor

Disponer de datos de alta calidad en el momento adecuado es fundamental para el seguimiento y la medición de la mejora de los resultados. Sin embargo, los métodos de recopilación de datos que utilizan la mayoría de las organizaciones de atención médica son ineficientes, engorrosos desde el punto de vista administrativo y es probable que produzcan errores.

Es casi imposible hablar con un grupo de médicos sin que la conversación se centre rápidamente en la lenta tarea de recopilar información médica e introducirla en un nuevo sistema de TI. UN estudio de tiempo y movimiento publicado en Anales de medicina interna en 2016 descubrió que los médicos dedicaban una o dos horas cada noche después de su jornada de trabajo sobre todo a las tareas de EHR. Esta adición a su ya enorme carga de trabajo contribuye a la epidemia de agotamiento de los médicos en los Estados Unidos. Y los estudios demuestran que estos problemas hacen que los médicos tomen atajos como copiar y pegar notas y hacer clic rápidamente en las alertas, lo que socava la calidad de los datos recopilados.

Una tendencia es cambiar la tarea de recopilación de datos de los médicos a los pacientes.

En respuesta, muchas organizaciones emplean ahora a escribas médicos para introducir la información en los sistemas de EHR en nombre de los médicos. Sin embargo, lo incómodo de tener a un tercero en la sala de examen —sin mencionar el coste añadido— hace que el uso de escribas médicos sea controvertido. Además, la información del paciente que se recopila e introduce en el sistema de esta manera es propensa a errores.

La solución: cambiar la recopilación de datos de un «evento» que lleva tiempo y que puede realizarse de forma incorrecta a uno que se produce «en segundo plano», ya que los médicos y los pacientes realizan sus actividades naturales. La industria minorista demuestra lo que es posible. Durante las últimas décadas, el comercio minorista ha experimentado dos cambios importantes con respecto a quién recopila los datos y cómo. Un ejemplo es el pago. Los cajeros tenían que meter el precio de cada artículo en la caja registradora. La introducción de los escáneres de códigos de barras redujo considerablemente el tiempo que los cajeros dedicaban a esa tarea, redujo los errores de entrada de datos y mejoró considerablemente la gestión del inventario. Luego, muchos clientes pudieron escanear sus propios artículos. Amazon va ahora un paso más allá al poner a prueba su tienda física Amazon Go, que elimina por completo las colas de pago. En cambio, un sistema pasivo de recopilación de datos se basa en la visión artificial, los algoritmos de aprendizaje profundo y los sensores para leer automáticamente lo que los clientes actuales tienen en sus cestas de la compra. Otros minoristas, como Kroger y Apple, están experimentando con modelos análogos.

En el cuidado de la salud, se ha iniciado una transición similar, pero avanza despacio. Una tendencia es cambiar la tarea de recopilar información de los médicos a los pacientes. Por ejemplo, una vez que un médico de atención primaria y un paciente acuerden alcanzar un objetivo clínico, como reducir la presión arterial o los niveles de azúcar en sangre, pueden introducir ese objetivo y el plan de tratamiento asociado en una de las aplicaciones de control de la salud que ofrecen varias empresas. Luego, los pacientes miden y reportan su actividad y su información clínica de forma regular a través de la aplicación. En algunos casos, los datos recopilados por el paciente en su casa se comparten automáticamente con su médico. Un ejemplo es el programa de medicina digital para la hipertensión (HDM) desarrollado por Ochsner Health System. Gracias a la tecnología de los teléfonos inteligentes, las lecturas de la presión arterial que los pacientes toman de forma remota se introducen directamente en el sistema de EHR de Ochsner, lo que permite a los médicos revisar los datos entre las visitas y corregir el plan de cuidados del paciente. En un juicio controlado denunciado en el Revista Estadounidense de Medicina, El 71% de los participantes bajaron su presión arterial al rango normal en 90 días, en comparación con solo el 31% del grupo de control. Los pacientes que utilizaban HDM también informaron de un 10% más de satisfacción con su atención médica.

En última instancia, el objetivo debería ser pasar a una recopilación de datos verdaderamente pasiva. Algunos pioneros utilizan la recopilación pasiva para rastrear los problemas operativos relacionados con el flujo de trabajo y la utilización de los recursos. Mayo Clinic desarrolló un sistema de localización en tiempo real (RTLS) que utiliza etiquetas y sensores de identificación por radiofrecuencia para rastrear al personal, los pacientes y el equipo del servicio de urgencias. Estos datos permitieron al departamento entender mejor cómo se prestaba la atención, identificar las barreras operativas y solucionar los problemas del flujo de trabajo. Luego, la información se utilizó para desarrollar sistemas que recopilaran automáticamente métricas de calidad de los procesos (como el tiempo transcurrido entre el registro de un paciente en la recepción del servicio de urgencias y su colocación en una cama y lo atendiera un médico) y la informaran automáticamente a las agencias gubernamentales y a los organismos reguladores. (Consulte «Cómo la tecnología RFID mejora la atención hospitalaria».)

Del mismo modo, el Centro Médico de la Universidad Rush de Chicago creó un nuevo consultorio ambulatorio con sensores RTLS para cada habitación, médico, paciente y equipo. El sistema alerta al personal cuando un paciente sale de su sala de examen, lo que elimina la necesidad de que el director del consultorio informe al personal de limpieza de que hay que reparar la habitación y evita las incómodas interrupciones de los pacientes que siguen vistiéndose después de la cita. El tiempo ahorrado por paciente es relativamente pequeño, quizás solo un minuto. Sin embargo, a lo largo de un día, los ahorros totales permiten a los médicos atender a más pacientes y, por lo tanto, mejoran la productividad.

Con el tiempo, a medida que las tecnologías de recopilación pasiva de datos sean menos costosas y los médicos y los pacientes se sientan más cómodos con ellas, las ventajas aumentarán. Esto ayudará a las organizaciones a justificar el coste inicial y facilitará la superación de obstáculos, como la preocupación de los empleados por la supervisión.

Convertir los datos en información procesable

Persuadir a los médicos para que usen un nuevo sistema de TI (y hacer que sea menos oneroso para ellos hacerlo) es solo la mitad de la batalla. Convertir los datos recopilados en información procesable también es vital y requiere el apoyo de la alta dirección. Una de las tareas más importantes de un líder es establecer expectativas sobre la forma en que se estructurará el sistema. No hablamos de las especificaciones técnicas, sino de las directrices organizativas o culturales para utilizar los datos en apoyo de las actividades diarias relacionadas con el cuidado.

Un paso clave es establecer un almacén de datos central para la organización y lograr que los médicos entiendan su importancia. Al presentar su argumento al personal de Langone de la Universidad de Nueva York, Grossman hizo hincapié en la importancia de contar con una única fuente de información en los centros para pacientes hospitalizados, ambulatorios y la escuela de medicina. Durante el desarrollo del almacén de datos, varias partes de Langone de la Universidad de Nueva York que antes protegían su territorio y su información se vieron obligadas a trabajar juntas. Las disputas sobre cuál de las varias fuentes de datos era precisa terminaron y Grossman convenció a los directores de los departamentos para que comenzaran a utilizar herramientas como los paneles de datos para evaluar qué funcionaba (y qué no) en todos los departamentos. Con el tiempo, a medida que se hicieron evidentes los beneficios de la transparencia resultante, el escepticismo inicial de los líderes clínicos sobre el sistema de TI disminuyó. Los departamentos recibirían datos sobre las métricas de calidad de los departamentos homólogos de Langone de la Universidad de Nueva York (las tasas de infecciones adquiridas en el hospital en las diferentes partes del hospital, la duración de la estancia de los pacientes, etc.) y, a continuación, podrían determinar si cambiarían sus propios flujos de trabajo y cómo hacerlo.

Además de fomentar el desarrollo de la infraestructura de datos necesaria, los altos directivos también deben ayudar a establecer una visión de cómo se utilizarán los datos recopilados para mejorar la productividad. En muchos casos, perseguir la visión puede implicar apoyar la creación de medidas de desempeño completamente nuevas. Sabermetrics, el análisis matemático de los datos del béisbol, ofrece un ejemplo de cómo las nuevas medidas (y las tecnologías para recopilar y analizar la información relacionada con ellas) pueden revolucionar un sector. Desarrollada por estadísticos (el más destacado de los cuales es Bill James), la sabermetría consiste en medir los aspectos del rendimiento de los jugadores individuales y calcular sus contribuciones a los resultados del equipo. Al principio, recopilar los datos era tedioso. Sin embargo, cuando los pioneros de la sabermetría encontraron su sede en los clubes de las grandes ligas, se desarrollaron almacenes de datos para facilitar la recopilación y el análisis. Desde 2015, se han instalado cámaras de alta resolución y un radar Doppler en todos los estadios para recopilar información que antes era difícil de rastrear, como la velocidad y la aceleración, a fin de cuantificar la destreza defensiva del jugador. Esto, a su vez, ha llevado a la creación de métricas completamente nuevas, como «gana por encima del reemplazo», que se ha convertido en la medida estándar e inclusiva del valor de una persona para un equipo.

En comparación con otros sectores, la atención médica se encuentra en una fase relativamente temprana de aplicación de la analítica. Pero la promesa es estupenda. Por ejemplo, un número pequeño pero creciente de organizaciones de salud han creado sistemas sofisticados que facilitan una comprensión profunda de los costes y una rápida ilustración de cómo las innovaciones en la prestación de atención pueden mejorar tanto los resultados como los costes. Intermountain fue pionero en este ámbito, pero otros están siguiendo su ejemplo. Hace poco, la Universidad de Salud de Utah creó un sistema con una base de datos de 200 millones de filas que proporciona información sobre las principales métricas operativas, como el coste por minuto en la sala de emergencias. Según un New York Times artículo, la organización ha utilizado esta información para cambiar los flujos de trabajo operativos y reducir los costes un 0,5% anual en los últimos años, mientras que otros centros médicos académicos de su zona de mercado registraron aumentos anuales medios del 2,9%.

Otro uso importante de la analítica es identificar las variaciones innecesarias en el tratamiento. Un buen ejemplo es Crystal Run Healthcare, con sede en Nueva York, un grupo médico multiespecializado propiedad de médicos que quería estandarizar el tratamiento de los 15 diagnósticos que eran comunes entre sus pacientes. Como se informa en un Asuntos de salud entrada de blog, la organización calculó primero el coste anual total por paciente (segmentado según los gastos profesionales, de laboratorio, radiología y procedimiento) y, a continuación, examinó el coste de la atención entre los médicos para que cada uno pudiera compararlo con sus colegas de cada dimensión. Con esta información, Crystal Run analizó la variación, determinó su causa principal e instituyó algunas prácticas nuevas. En un año, la variación en el tratamiento de 14 de los 15 diagnósticos disminuyó, lo que permitió ahorrar más de 4 millones de dólares. Según nuestras estimaciones, eso representó más del 10% de los gastos médicos de Crystal Run.

Los sistemas de TI también ofrecen a las organizaciones de atención médica la oportunidad de utilizar el análisis predictivo para guiar la toma de decisiones clínicas y operativas futuras. Se están desarrollando modelos predictivos en la medicina de precisión para correlacionar mutaciones genéticas particulares con formas específicas de tratamiento. Aunque el uso de la medicina de precisión ha sido más frecuente y se ha publicado en el tratamiento del cáncer, ahora se aplica en una gama más amplia de especialidades. Por ejemplo, el Prueba GeneSight puede mejorar el tratamiento de la depresión mediante el uso de la información genética del paciente para predecir la respuesta a cada uno de los 26 medicamentos psicotrópicos disponibles.

Las organizaciones de atención médica también pueden utilizar el análisis predictivo para tomar mejores decisiones operativas en cuanto a la asignación de los recursos y el establecimiento de prioridades para las innovaciones clínicas. Por ejemplo, el Hospital General de Massachusetts identificó cohortes de pacientes de alto riesgo y desarrolló un programa proactivo de gestión de cuidados en torno a esta población. El resultado: Las hospitalizaciones de estos pacientes se redujeron un 20%, sus visitas al servicio de urgencias disminuyeron un 13% y el coste anual de su atención se redujo un 7% en un período de tres años. La mortalidad, la satisfacción de los médicos y la experiencia de los pacientes también mejoraron.

Los líderes deben invertir en personal especializado en tecnología de la información y análisis.

Del mismo modo, el Boston Medical Center (BMC) utilizó su sistema informático de atención médica para predecir cuándo sus unidades de pacientes hospitalizados podrían esperar un aumento de la demanda. La herramienta estimó el número de altas necesarias en 24 horas incorporando la demanda actual en el servicio de urgencias, la demanda prevista para el día siguiente, los casos quirúrgicos que requieren una cama para pacientes hospitalizados al día siguiente y la capacidad actual de camas y médicos. En su primer año de implementación, el número de «códigos amarillos» (advertencias que se producen cuando no hay suficiente capacidad para absorber la demanda esperada) se redujo casi un 50%.

Los modelos predictivos tienen el potencial de ser cada vez más útiles y eso podría suceder pronto. A medida que se amplíen el procesamiento del lenguaje natural y el aprendizaje automático, surgirán más información de la gran cantidad de datos disponibles en los sistemas de TI de la salud. (Consulte «Cómo nos ayuda el aprendizaje automático a predecir las enfermedades cardíacas y la diabetes».)

Forjar nuevos modelos operativos y de negocio

En su informe de 2012 La mejor atención a un coste menor: el camino hacia el aprendizaje continuo de la atención médica en los Estados Unidos, el Instituto de Medicina (IOM) destacó las formas de aprovechar la TI para mejorar el sistema de salud de EE. UU. Cinco años después, la primera recomendación —la creación de una infraestructura digital para recopilar los datos clínicos, de los procesos asistenciales y financieros— está a punto de completarse.

La segunda recomendación de la OIM fue poner los datos a disposición de los médicos cuando decidan cómo tratar a los pacientes. Esto se hace de forma esporádica. Por ejemplo, Intermountain se asoció recientemente con Cerner para crear un sistema de apoyo clínico flexible que contenga protocolos que puedan actualizarse fácilmente con los conocimientos más recientes. Para facilitar la información correcta, los equipos de desarrollo clínico de Intermountain supervisan continuamente las directrices de práctica basadas en la evidencia de las distintas especialidades y las traducen en herramientas de TI que ayudan al personal médico en su trabajo.

Además de adquirir el hardware y el software necesarios, los líderes deben realizar cambios complementarios en sus modelos operativos y de negocio para generar y captar valor. Lo más importante es invertir en personal especializado en tecnología de la información y análisis, es decir, personas encargadas de gestionar el sistema de TI o analizar los datos que contiene. Tras instalar su nuevo sistema de registros electrónicos, BMC amplió su personal de TI permanente en más de un 40% para gestionar y desarrollar aún más su infraestructura de TI. También amplió su equipo de estrategia a siete FTE que extraen información de los enormes tesoros de datos. Este grupo investiga y coordina las respuestas a los principales desafíos operativos, como gestionar la capacidad de camas de los pacientes hospitalizados y reducir las tasas de readmisión. Los ahorros para BMC ascienden a millones de dólares, lo que supera con creces el coste de los FTE.

También se necesitan equipos especializados de personal clínico para traducir los conocimientos de los análisis en mejores formas de prestar la atención. Por ejemplo, los esfuerzos de BMC para reducir los códigos amarillos implicaron el rediseño de un equipo de control de camas, un grupo de personal y gerentes de primera línea que rastrean la demanda actual de pacientes hospitalizados y evalúan la demanda potencial para el día siguiente. Los miembros del equipo originalmente ingresaban los datos en una simple hoja de cálculo; ahora inician una serie de acciones, como añadir personal de apoyo auxiliar, alertar a las unidades médicas y abrir camas adicionales, según los datos y los análisis de los sistemas de TI de BMC.

Los datos que pueden proporcionar los sistemas de TI sólidos también desempeñan un papel crucial a la hora de garantizar el apoyo de los médicos a los cambios en el flujo de trabajo. Por ejemplo, cuando Grossman compartió por primera vez un panel con los líderes clínicos de Langone de la Universidad de Nueva York, recibió quejas sobre la calidad y la coherencia de los datos. En lugar de dejar que eso arruinara el proyecto, puso la responsabilidad en los líderes y les dijo que trabajaran con TI para corregir los datos o que aceptaran los resultados. Al final de este proceso, los datos se consideraron la única fuente de verdad en todo el centro médico y la base de los futuros esfuerzos analíticos. Esto facilitó a la organización el seguimiento de las métricas de forma coherente. El panel ahora ayuda a los líderes clínicos a trabajar con el personal de primera línea para implementar intervenciones que mejoren la prestación de cuidados, hacer un seguimiento de lo que funciona y lo que no, persuadir a los médicos resistentes de que adopten nuevos protocolos y reducir la variación en las prácticas de tratamiento.

Más allá de estos cambios operativos y de personal, las organizaciones de atención médica tendrán que replantearse sus modelos de negocio para aprovechar todo el valor de sus inversiones en TI. Una idea que se desprendió del trabajo de análisis de BMC fue que ciertos pacientes hospitalizados necesitaban cuidados de rehabilitación, que eran caros de proporcionar en un hospital y que podrían proporcionarse mejor en centros de rehabilitación dedicados. Sin embargo, trasladar a estos pacientes a centros externos no fue fácil: la posición de BMC como hospital con red de seguridad en Boston hizo que muchas de las personas a las que atendió carecían de seguro que cubriera los cuidados de rehabilitación. Sin embargo, estaba claro que mantener a un candidato a rehabilitación en una cama de hospital no solo no era óptimo en términos de salud del paciente, sino que también limitaba la capacidad de BMC de admitir a otras personas que necesitaban camas para pacientes hospitalizados. En consecuencia, el hospital decidió pagar los gastos del tratamiento de los pacientes descubiertos en un centro de rehabilitación externo. Eso benefició a todos: los pacientes de rehabilitación recibieron una atención más adecuada y los gastos incurridos en el hospital se vieron superados por los ingresos de otros pacientes de cuidados intensivos.

El cambio en el modelo de negocio de BMC para los pacientes de rehabilitación forma parte de un cambio más amplio en los Estados Unidos que se aleja del predominante tarifa por servicio modelo (según el cual a los médicos se les paga solo cuando consultan a un paciente para una visita al consultorio, un ingreso en el hospital, una prueba o un procedimiento) y para un basado en valores sistema de pago que otorga a las organizaciones de atención médica una cuota fija por paciente durante un período o episodio de cuidados específico. Tanto los pagadores públicos como los privados participan en esta transformación. Un sistema de TI que funcione bien y que permita a los médicos mejorar la calidad de su atención y entender y controlar sus costes les permite ser proactivos a la hora de aceptar (incluso proponer) estos acuerdos con los pagadores.

Por ejemplo, el sofisticado sistema de TI de Intermountain ha desempeñado un papel importante en el desarrollo de un modelo de negocio basado en la población que se basa en el reembolso en función del valor. (Consulte «Argumentos a favor de la capitación», HBR, julio-agosto de 2016.) Un elemento de su modelo es su plan de seguro SelectHealth Share, que ofrece a los grandes empleadores un contrato de tres años que limita los aumentos de las primas al índice de precios al consumidor más un punto porcentual al año, muy por debajo de los aumentos históricos. A medida que una mayor proporción de su base de pacientes pase a modelos como este, Intermountain se verá motivada a aprovechar aún más sus importantes inversiones en TI, análisis de datos, desarrollo de protocolos y cambios en el flujo de trabajo a fin de mejorar la calidad y reducir el coste de la prestación de cuidados.

CONCLUSIÓN

Los responsables políticos y los economistas hablan constantemente de «doblar la curva de costes» en la atención médica, es decir, convertir un sistema exagerado y derrochador que crece más rápido que la economía en uno que gasta mucho menos y crece a un ritmo más lento. Hemos visto a la TI doblar la curva de costes en muchos otros sectores. Nuestras investigaciones sugieren que lo mismo puede ocurrir en el cuidado de la salud, y hay focos de éxito a los que apuntar. Pero el trabajo necesario no ha hecho más que empezar.

Hay que superar los grandes problemas de la infraestructura de TI. Muchos de los sistemas actuales son demasiado rígidos: no es fácil personalizarlos, introducir y extraer información ni actualizarla continuamente para incorporar nuevos protocolos clínicos. Además, los diferentes sistemas no pueden compartir información fácilmente, lo que dificulta la creación de un historial médico que contenga el historial médico completo del paciente y al que pueda acceder cualquier médico de cualquier organización de atención médica. La falta de intercambio de información también es un obstáculo para reunir las enormes cantidades de datos anónimos de los pacientes que se necesitan para encontrar nuevas formas de tratar las enfermedades.

Además de abordar estos desafíos tecnológicos, los líderes de muchas organizaciones de atención médica tendrán que hacer lo que han hecho sus pares progresistas: modernizarse para poder utilizar la TI para obtener mejores resultados para los pacientes a un coste menor. Los obstáculos que impiden que las organizaciones aprovechen sus sistemas de TI para transformar la atención médica son superables. Lo que más se necesita es la voluntad y el apoyo de los líderes y médicos de una organización.