¿Por qué la atención médica no es más personalizada?

Ahora que los historiales médicos electrónicos (EHR) están en todas partes, ¿por qué todos los demás sectores siguen dejando la atención médica en el polvo en lo que respecta a la personalización? Nadie sabe más sobre nosotros que nuestros proveedores de atención médica, pero no suelen aprovechar esa información electrónica para ayudar a sus pacientes, o a sí mismos. ¿Qué se necesitará para que la atención médica sea al menos tan personalizada como nuestras recomendaciones de productos de Amazon?

Los EHR y una mejor comunicación entre los dispositivos y sistemas no cabe duda de que han ayudado. Podemos pagar nuestras visitas al médico, copagar, surtir nuestros medicamentos y hacer un seguimiento de nuestros signos vitales con una variedad de aparatos y pueden intercambiar datos cada vez más entre sí. Podemos llegar a nuestras citas la noche anterior en lugar de llegar 15 minutos antes para rellenar otro formulario en papel. Nuestros médicos pueden revisar fácilmente lo que hablamos en nuestra última visita y la EHR puede darles sugerencias sobre posibles diagnósticos, pruebas bajo pedido o los mejores tratamientos que probar según los resultados de sus exámenes y nuestra descripción de nuestros síntomas.

Pero aún queda mucho por hacer. Si bien los minoristas, las compañías de viajes, los bancos y las casas de bolsa utilizan nuestra información personal para ajustar con precisión los productos y servicios que nos ofrecen (con tanta precisión que roza el acoso), nuestros proveedores de atención médica nos siguen dando página tras página instrucciones sencillas y después de la visita que muestran poco conocimiento de nuestras necesidades de salud, a menudo muy específicas. Todos los pacientes que se sometan a una cirugía electiva pueden someterse a la lista estándar de pruebas preoperatorias del hospital, incluso si se hicieron algunas de esas pruebas idénticas hace apenas una o dos semanas y los resultados siguen siendo válidos y figuran en su historia clínica clínica, o incluso si los cirujanos no necesitan que todos los pacientes se hagan todas las pruebas.

En 2021-2022, el equipo de Lumeon, una empresa que dirigía uno de nosotros (Robbie), analizó casi 20 000 casos de cirugía ambulatoria en un sistema de salud y descubrió que poco menos del 70% de los pacientes no necesitaban una o más de las pruebas prequirúrgicas «estándar», ya sea porque los resultados ya estaban archivados en el sistema de salud o porque los conjuntos de pedidos estándar eran innecesariamente conservadores. Otros análisis mostraron que un tercio de los retrasos y cancelaciones quirúrgicas se deben a que los laboratorios no llegan a tiempo o a que los resultados no se revisan. Si esa experiencia es válida en todos los proveedores (y la investigación sugiere que las pruebas innecesarias son habituales), entonces retrasamos o cancelamos las cirugías a gran escala para poder esperar a que los servicios no añadan nada a la calidad de nuestra salud o nuestra atención.

Además, los protocolos de diagnóstico y tratamiento integrados en el software de EHR no siempre pueden adaptarse a las variaciones en el estado de salud ni tener en cuenta las complicaciones de los pacientes o su situación social (por ejemplo, si los pacientes tienen transporte a las citas o acceso a los alimentos que necesitan para seguir una dieta especial), a pesar de que su historial puede contener toda esa información en alguna parte. Un estudio sobre las vías de atención del cáncer descubrió que el 65% de los pacientes con cáncer recibían tratamiento mediante una de las vías estándar y el 35% no. (Un camino es un protocolo de tratamiento detallado y basado en la evidencia que guía la prestación de cuidados a los pacientes con un tipo de cáncer en particular, desde el diagnóstico inicial hasta los cuidados al final de la vida. La vía describe los medicamentos específicos, el régimen de radiación y los procedimientos quirúrgicos que se utilizarán.) Además, el porcentaje de pacientes tratados mediante una vía disminuyó del 74% (2018) al 60% (2021). Es como hacer un viaje en el que no puede cambiar la ruta por el clima, la necesidad de combustible o el deseo de visitar a alguien en el camino. No es de extrañar que los médicos no aprovechen al máximo esos «mapas» defectuosos y, a menudo, no confíen en ellos.

El remedio

Lo que se necesita es una automatización de procesos inteligente que emplee herramientas de inteligencia artificial para encontrar y utilizar toda la información aplicable a un escenario determinado, que combine la estandarización y la personalización para crear la atención más eficaz y receptiva.

La necesidad es imperiosa, no solo para los pacientes sino también para los proveedores. Los sistemas de salud están bajo presión. Se enfrentan a la competencia de los nuevos participantes con operaciones bien perfeccionadas, como grupos de atención primaria respaldados por capital privado y cirujanos propietarios de centros de cirugía ambulatoria. Es posible que los pacientes que no se sientan «conocidos» por su sistema de salud no vean ninguna ventaja en centralizar su atención y elijan a los proveedores de forma diferente, ya sea por el precio, la ubicación o las críticas favorables de Yelp. Los pagadores siguen optando por el reembolso basado en el valor, que recompensa a los proveedores que mejoran la salud de sus pacientes en lugar de limitarse a prestar un volumen determinado de servicios. Y cada misterio genómico que desentrañamos crea posibles nuevas oportunidades (y nuevas presiones) para personalizar la atención.

[

Insight Center Collection

Collaborating with AI

How humans and machines can best work together.

](/insight-center/collaborating-with-ai)

¿Qué aspecto tendría un proceso más inteligente? Tomemos el ejemplo de cirugía electiva de arriba. Conociendo el procedimiento y al paciente, la automatización de procesos basada en la IA podría identificar qué pruebas y otros tipos de cuidados ya se han realizado y cuáles son necesarios, hacer los pedidos, confirmar que las pruebas se han programado y completado y hacer un seguimiento de los resultados. Podría combinar todos esos resultados para confirmar que el paciente puede ser autorizado para ser operado y, a continuación, ofrecer al paciente un tiempo de procedimiento que esté dentro del plazo en el que los resultados sigan siendo válidos. Si el paciente lo desea, el sistema podría incluso ponerlo en lista de espera para un horario más temprano y ofrecer un cambio de horario para que el paciente cumpla con las instrucciones preoperatorias, como no comer después de medianoche.

Todos esos procesos de memoria, basados en la información única de cada paciente y que se adaptan cada vez que hay más información disponible, se pueden realizar en segundo plano, lo que permite a los médicos y al personal administrativo responder a preguntas complejas, cogerlos de la mano y otras funciones que requieren el toque humano.

Un sistema de salud trabajó con Lumeon para implementar el ejemplo anterior y los resultados fueron impresionantes. Resultó que, tras utilizar la automatización inteligente para analizar las circunstancias específicas de cada paciente, el 89% de los pacientes podían prepararse adecuadamente para sus procedimientos mediante algún tipo de comunicación digital o, por excepción, pasar a una breve llamada de teléfono aclaratoria y no necesitaron una visita en persona ni toda la batería de pruebas preoperatorias. El equipo asistencial podría dedicar su tiempo a casos con una necesidad genuina, lo que se traduciría en pacientes más felices, un equipo de atención más feliz y una mejor atención.

La autorización previa, la perdición del back office de todo proveedor, también es listo para rediseñarse. Los modelos predictivos podrían identificar las pruebas de diagnóstico, los procedimientos o los medicamentos que es probable que un paciente necesite y solicitar automáticamente al pagador que los apruebe incluso antes de que el proveedor haga los pedidos. Por ejemplo, si un paciente con lumbalgia ha realizado un ciclo completo de fisioterapia y no ha mejorado, una resonancia magnética de la columna lumbar podría ser el siguiente paso predecible. Contar con la aprobación del pagador en previsión de esa orden sería un alivio tanto para el médico como para el paciente que sufre.

Los componentes básicos

Los pilares de este tipo de innovación ya están en marcha, entre ellos:

Una abundancia creciente de datos.

Como se ha dicho anteriormente, la adopción generalizada de la EHR, el uso de dispositivos portátiles y la recopilación de datos sobre los determinantes sociales de la salud, como el acceso a la comida y al transporte, han llevado a un aumento significativo de la cantidad y la calidad de los datos disponibles para permitir una atención personalizada. Por ejemplo, un proceso que planifique el tratamiento posoperatorio de un paciente puede tener en cuenta que el paciente vive solo y programar una estancia en un centro de enfermería especializada seguida de ayuda a domicilio.

Esta masa de datos también puede informar las elecciones de los pacientes. Una característica desafortunada de la atención médica actual es la falta de pruebas objetivas para muchas intervenciones comunes, e incluso cuando existen pruebas, puede que no hayan llamado la atención del médico del consultorio. Como resultado, los pacientes deben confiar en el instinto del médico, que puede que no sea mejor que el suyo en algunos casos.

Las herramientas de automatización inteligentes pueden recopilar las pruebas disponibles que son más relevantes para las situaciones particulares de los pacientes y permitirles elegir opciones de tratamiento eficaces que también maximicen su calidad de vida o mejoren las probabilidades de que puedan seguir el tratamiento. Y la experiencia de cada paciente puede añadirse a la base de pruebas del tratamiento que elija la persona, lo que permitirá elegir mejor a todos los pacientes.

Procesos modulares.

Las versiones anteriores en papel y computarizadas de los sistemas de apoyo a la toma de decisiones clínicas y las vías de atención que describían el mejor enfoque para tratar a una persona con una enfermedad específica utilizaban módulos lógicos complejos con docenas, si no cientos, de ramas y cálculos interconectados. Por ejemplo, la vía de una enfermedad puede tener una rama en la lógica para determinar los ajustes en la atención en función de la edad y otra rama puede destacar los enfoques de tratamiento que deben tenerse en cuenta si el resultado de una prueba es muy anormal. La combinación de muchas sucursales y cálculos a menudo se combinaban para formar una vía o módulo de cuidados muy grande que, a menudo, era incomprensible en conjunto y requería mucho trabajo de mantenimiento. Esta complejidad era particularmente común en lo que respecta a la atención de personas con cáncer y de personas con varias enfermedades crónicas. Estas vías podrían parecerse a mapas del cerebro humano que muestran todas las neuronas.

Las innovaciones de diseño recientes han dividido estos complejos gráficos en módulos más pequeños y manejables que se pueden montar con antelación o de forma dinámica a medida que avanza la atención del paciente. Este enfoque, conocido como modularización, actúa como la personalización masiva, ya que hace que las rutas se adapten mejor a contextos específicos y reduce significativamente la dificultad de mantenerlas y actualizarlas.

Por ejemplo, una guía de cuidados podría incorporar una nueva recomendación para programar su primera colonoscopia a los 45 años o antes si tiene una enfermedad intestinal o antecedentes familiares de cáncer de colon. Tradicionalmente, las nuevas investigaciones que influyen en estas directrices podían tardar más de una década en reflejarse en las recomendaciones de cuidados generales. Sin embargo, la automatización inteligente que emplea procesos modulares puede incorporar nuevos factores de riesgo y actualizar las recomendaciones de forma mucho más rápida y sencilla.

Una comprensión más profunda del diseño de procesos.

Los proveedores de atención médica entienden más que nunca en el pasado cómo diseñar los procesos para optimizar la atención e influir en las elecciones de los pacientes. Estos entendimientos incluyen el uso de «codazos» para influir en la elección de opciones de una persona, los enfoques para rediseñar los procesos de atención que distribuyan el trabajo en función del talento y las habilidades de los profesionales de la salud y los pacientes, y las opciones para integrar la automatización de los procesos en el flujo de trabajo del equipo asistencial.

El uso de la inteligencia artificial.

La IA en general tiene la capacidad para aprender de la experiencia y guiar los procesos en función de ese aprendizaje. Puede analizar las numerosas variables que influyen en los resultados del proceso y sugerir nuevos diseños de procesos que personalicen la atención en función de esas variables, ampliando la lógica de los procesos mucho más allá de lo que antes se había considerado práctico.

Por ejemplo, un algoritmo predictivo podría mostrar que un paciente con una diabetes bien controlada corre el riesgo de progresar hasta convertirse en una diabetes mal gestionada debido a una compleja interacción de variables. Podría indicar el grado de riesgo (alto, medio o bajo) y los factores que llevaron a la puntuación de riesgo. Esta identificación de los factores ayudaría a los médicos y a los pacientes a entender dónde se necesitan cambios en los medicamentos y en el estilo de vida, y la puntuación de riesgo determinaría la urgencia de la intervención.

Pronto, esperamos que, cuando sea necesaria una decisión humana, la IA generativa pueda resumir los datos que la persona que toma la decisión necesita. Será capaz de crear mensajes con los matices necesarios para inducir a los médicos y a los pacientes a responder de forma eficaz cuando un proceso les pida que hagan algo. Por ejemplo, la IA generativa puede resumir las circunstancias sociales de un paciente e incluir enlaces a los servicios sociales que pueden resultar útiles, incluso llegar a coordinarlos de forma proactiva como agente independiente y autónomo.

Por último, la IA puede decidir qué bifurcación seguir, dentro de unos límites bien entendidos, dejando a los humanos responsables de las áreas en las que pueden faltar pruebas o en las que el juicio humano sigue siendo el estándar de atención.

Empezando

¿Dónde deberían empezar los proveedores el camino hacia una automatización inteligente de los procesos y una mejor personalización de nuestra atención? Además del proceso de planificación habitual que rodea a estos proyectos (asignar recursos, establecer métricas, conseguir la aceptación del personal, etc.), recomendamos dos puntos de partida específicos:

Identifique los procesos que tienen un gran volumen y un gran impacto cuando fallan.

Por ejemplo, pedir cita es un problema frecuente para los pacientes y puede frustrarlos hasta el punto de abandonar a su proveedor por uno que tenga un proceso menos molesto. Los procesos que ahora pueden implicar una hora o más de espera pueden reducirse, mediante el uso de la automatización inteligente, a unos pocos clics en el portal del paciente que interpretan la intención de la paciente, la orquestan con la información de su registro médico automático y la envían al especialista correspondiente más cercano a su casa que tenga disponibilidad lo antes posible. La mejora en la lealtad y la retención de los pacientes puede ser difícil de cuantificar, pero no queremos ser el último proveedor del mercado en hacer este cambio.

A nivel organizativo, la planificación del alta de los pacientes implica varios puntos de decisión en los que las pequeñas variaciones pueden tener un gran impacto en un proceso caro. Una prueba de laboratorio o una resonancia magnética que se haga con media hora de retraso puede acabar manteniendo al paciente en el hospital una noche extra innecesaria o dejar su cama tan tarde que provoque un respaldo en el servicio de urgencias. La automatización inteligente podría generar un plan de cuidados a partir del ingreso del paciente y gestionarlo minuto a minuto, integrándolo con todos los planes de cuidados de los demás pacientes para garantizar que las actividades clínicas y no clínicas se coordinan de la manera más eficaz.

Establecer una base fiable de datos recopilados a través de procesos coherentes.

La prestación de cuidados actual está plagada de ejemplos de médicos que repiten las actividades básicas de recopilación de datos porque no pueden confiar en los datos existentes. Muchos modelos de IA se han entrenado con datos que se han recopilado durante años de procesos inconsistentes e intentan hacer predicciones a partir de datos que sabemos que no son fiables. Por lo tanto, debemos invertir en entender cómo recopilamos los datos y, luego, utilizar ese conocimiento para eliminar la incoherencia y crear un conjunto de datos nuevo y limpio.

Para que quede claro, sabemos que será un viaje largo y que es casi seguro que el bombo que rodea a la inteligencia artificial provocará casos de gran decepción y desilusión, ya que nuestro sector se dé cuenta de que el camino es mucho más difícil de lo que nos hicieron creer. Incluso la transformación relativamente limitada que hemos descrito anteriormente no se producirá de la noche a la mañana y no será particularmente sexy. En el mejor de los casos, hará que nuestra atención médica alcance el mismo nivel de personalización del que disfrutamos hoy en día con las compras o la banca en línea. Pero teniendo en cuenta lo dramáticamente que esa cantidad de transformación podría mejorar la salud de todos, creemos que es más que suficiente.