Líderes de opinión

Por qué la inteligencia artificial en la atención médica se está implementando en el lugar equivocado

Vasili Razhnou
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveLa IA debería abordar primero tareas administrativas como la elaboración de gráficos…
Ver más
  • La IA debería abordar primero tareas administrativas como la elaboración de gráficos para liberar tiempo de los clínicos y destinarlo a la atención del paciente.
  • La IA en el ámbito sanitario debe utilizar datos clínicos y preservar la supervisión médica para garantizar la seguridad y el cumplimiento normativo.
  • Automatizar las renovaciones rutinarias de recetas puede ampliar el acceso de manera más efectiva que perseguir la autonomía clínica completa.

La industria está persiguiendo el problema equivocado

El tema de conversación sobre inteligencia artificial en la atención médica en la actualidad es la autonomía. ¿Puede la inteligencia artificial diagnosticar enfermedades? ¿Puede recetar medicamentos? ¿Puede reemplazar eventualmente al médico?

No necesitamos contemplar estos “qué pasaría si” porque ahora tenemos casos reales de la aplicación de la inteligencia artificial en la atención médica. Utah ya ha abierto la puerta a la inteligencia artificial autónoma en la renovación de recetas a través de su sandbox regulatorio. Otros estados están observando para ver si esos primeros pilotos muestran seguridad y eficiencia aceptables.

Pero creo que preguntarse sobre el reemplazo del médico con la inteligencia artificial es el lugar equivocado para que la industria comience.

Antes de preguntar cuánto de la relación clínica puede absorber la inteligencia artificial, debemos ocuparnos del problema más simple y urgente que nos enfrenta. Los médicos están abrumados por el trabajo administrativo. Los pacientes aún no pueden obtener citas oportunas porque el acceso está limitado menos por la falta de demanda de pacientes que por la falta de tiempo útil del médico. Ahí es donde comienza la acumulación y ahí es donde la inteligencia artificial es necesaria para aliviar las cargas operativas.

Esto es especialmente palpable en la atención a la salud mental. Alrededor de 22 millones de estadounidenses viven con TDAH, y los trastornos de ansiedad afectan a aproximadamente 19% de los adultos estadounidenses en un año determinado. Eso es alrededor del 31% a lo largo de la vida. Ambas condiciones son muy tratables, sin embargo, millones no reciben atención recomendada por las pautas. El problema no es la falta de conciencia, ya que incluso una mirada superficial al mercado mostrará una variedad de herramientas de autoayuda, contenido, seguimiento y aplicaciones amigables con el TDAH. La brecha real es el acceso a la atención médica clínica real, el diagnóstico y la gestión de medicamentos cuando corresponde.

Este artículo argumenta a favor de un punto de partida más simple. El papel de mayor rentabilidad de la inteligencia artificial en la atención médica hoy en día es administrativo. Usarla demasiado pronto en el entorno clínico puede crear más problemas que beneficios. Si queremos que la inteligencia artificial se convierta en una parte confiable de la atención, debemos implementarla primero donde la carga es más pesada y la ganancia es inmediata.

Los datos revelan dónde la inteligencia artificial puede ser más eficiente

Hay un patrón que se revela rápidamente cuando se desarrollan soluciones para la atención médica. Cualquiera que sea el médico que contrates, dentro de unos meses, ese médico tendrá la agenda llena. Hemos visto esto repetidamente. No se trata solo de una escasez abstracta de profesionales, sino de cómo se consume su tiempo a medida que se llena su lista de pacientes.

En psiquiatría, alrededor del 80% de las citas son seguimientos de rutina. No todas son consultas diagnósticas complejas. Muchas corresponden a pacientes estables que continúan el mismo tratamiento, acuden a un control, revisan los síntomas y renuevan la medicación si todo sigue siendo apropiado. Sin embargo, esas visitas llevan el peso completo de la documentación, la verificación, la revisión de la historia, las consultas al programa de seguimiento de medicamentos con receta (PDMP) y el flujo de trabajo de prescripción. Los profesionales sanitarios pasan un promedio de 16 horas a la semana en trabajo administrativo. Ese es el tiempo que podría haber ido a nuevos pacientes o simplemente a una mejor atención clínica a los pacientes y casos complejos.

Esto es donde mucha discusión sobre la inteligencia artificial se desconecta de la realidad operativa. La industria sigue preguntando si la inteligencia artificial puede asumir el papel del médico cuando, de hecho, una gran parte de la capacidad perdida proviene de tareas que no requieren mucho juicio clínico en primer lugar. Estas pueden ser tareas como la documentación clínica, la verificación, la revisión de registros y los flujos de trabajo de seguimiento. Estos son exactamente los tipos de procesos que la inteligencia artificial ya puede respaldar de manera útil y medible.

Si recuperas ese tiempo, no solo reduces la carga en el profesional sanitario, sino que también vuelves a abrir el horario para más pacientes. El tiempo de espera es un problema significativo de acceso a la atención médica. Los pacientes a menudo esperan semanas para ver a un profesional, y el acceso sigue siendo desigual en diferentes regiones. HHS sigue señalando que las comunidades rurales y remotas cuentan con demasiado pocos profesionales y demasiado poco apoyo a la salud conductual, citando la teleasistencia como una forma de aumentar materialmente el acceso a la atención a la salud mental.

Por qué la atención médica es la industria más difícil de automatizar con inteligencia artificial

La atención médica puede parecer estandarizada desde afuera. En realidad, es estandarizada y variable al mismo tiempo.

Hay ciertas pautas, regulaciones y reglas de documentación sin duda. Sin embargo, cada médico también aporta hábitos, flujos de trabajo y protocolos moldeados por entornos anteriores. Dos profesionales sanitarios pueden tratar la misma condición bajo el mismo marco legal, mientras aún se acercan a la atención de rutina de maneras significativamente diferentes. La inteligencia artificial debe tener en cuenta esa variación sin alejarse del estándar de atención. Eso es una hazaña mucho más difícil que construir un modelo que se desempeñe bien en una demostración.

Cuando se trata de regulación, el cumplimiento es principalmente en capas. Las juntas de licencias estatales, las agencias federales, HIPAA, los sistemas de monitoreo de recetas, las bases de datos estatales y los SOP clínicos internos se cruzan todos. Una actuación que cumple las normas en un estado puede incumplirlas en otro. Un flujo de trabajo que parece inofensivo desde una perspectiva de producto puede volverse arriesgado una vez que se trata de prescripción, identidad del paciente, retención de registros o auditoría. Hay complejidad estructural involucrada en el proceso.

La parte de los datos tampoco es tan sencilla como se esperaría. En la atención médica, no solo se conectan herramientas comunes y se comienza a aprender del comportamiento del usuario. Algunas herramientas de análisis estándar y canalizaciones de datos no son adecuadas debido a las regulaciones de HIPAA, a menos que se cambien fundamentalmente. A menudo se necesita infraestructura personalizada desde cero. Cosas como cómo se almacenan, procesan, auditan y presentan los datos dentro del flujo de trabajo. Un número sorprendente de empresas subestiman esto hasta que están profundamente involucradas en su proceso de construcción y luego tienen que cambiar todo su trabajo.

Pero más que nada, diría que el mayor problema es simplemente que el costo de cometer un error en la atención médica es bastante alto.

Una salida defectuosa podría crear solo inconvenientes en otras industrias, pero en la atención médica, puede afectar la calidad del tratamiento, la seguridad del paciente, el comportamiento de prescripción o la exposición regulatoria. La salud humana no es algo con lo que podemos jugar simplemente para mejorar nuestros modelos de inteligencia artificial y así debe ser. Esto debe usarse como el principio rector para ayudarnos a entender dónde se podría introducir la inteligencia artificial primero en esta industria.

El despliegue de mayor rentabilidad de la inteligencia artificial en la salud es la capa administrativa

Espero haber transmitido al lector la importancia de dejar de centrarnos en sustituir al médico por inteligencia artificial y pasar a eliminar las trabas operativas que lo rodean. A continuación explicaré cómo se traduce esto en la práctica.

Generación de historias clínicas. La inteligencia artificial puede transcribir y crear documentación en tiempo real durante las visitas. Esto reduce la carga de documentación clínica, acorta el trabajo después del horario y hace que la finalización del mismo día sea mucho más realista. En el marco interno de MEDvidi, el generador de historias clínicas actualiza la documentación continuamente durante el encuentro y está diseñado para reducir significativamente el tiempo de documentación clínica.

Revisión de historias clínicas. La inteligencia artificial también puede revisar las historias clínicas según los procedimientos operativos estándar (SOP) internos y marcar las desviaciones antes de que lleguen a la etapa de prescripción. La mayoría de las revisiones de calidad de la atención médica aún son parciales y manuales; por lo tanto, al revisar cada encuentro en lugar de una pequeña muestra, el cumplimiento se vuelve más visible y más consistente.

Automatización del flujo de trabajo previsita. Una gran cantidad de tiempo del profesional sanitario se emplea antes de la decisión clínica real en cosas como la verificación de identidad, la verificación de bases de datos estatales, la revisión de la historia médica, la búsqueda de posibles contraindicaciones o la detección de patrones que pueden sugerir comportamiento de búsqueda de medicamentos o lagunas en la documentación. Nada de esto reemplaza el juicio, pero todo consume tiempo, por lo que la inteligencia artificial puede ayudar a procesar estas capas antes de que el médico intervenga.

Gestión de recetas de rutina. La atención de seguimiento estable es donde la inteligencia artificial puede ser especialmente útil. Para los pacientes cuyo tratamiento ha sido consistente, la inteligencia artificial puede ayudar a gestionar el flujo de trabajo de renovación y preparar el registro, mientras que el médico aún revisa y aprueba la decisión final. Eso es un modelo muy diferente al de la atención autónoma completa porque es más estrecho, más seguro y mucho más relevante para el cuello de botella real en el sistema.

Cada uno de estos casos de uso tiene algo en común. Ahorran tiempo de una manera que expande la capacidad de atención. Ese es mi argumento central para por qué veo la capa administrativa como el lugar de mayor rentabilidad para implementar la inteligencia artificial primero.

La arquitectura de inteligencia artificial adecuada para entornos clínicos

El reemplazo del médico es otra de esas historias de inteligencia artificial que crean titulares sensacionalistas y despiertan incomodidad en las mentes de los profesionales. Un modelo mucho más práctico, beneficioso e indispensable es la ampliación centrada en el médico en la atención médica.

Dentro de dicha arquitectura, el médico tiene la última palabra en cada decisión clínica y cada receta. Los planes de tratamiento aún serán revisados y aprobados por un profesional sanitario con licencia. La inteligencia artificial simplemente maneja los detalles de la documentación, la verificación, la capa de revisión y las tareas repetitivas alrededor de la visita. Esa es la forma más segura de mejorar la eficiencia y mantener la responsabilidad.

La inteligencia artificial en la atención médica también necesita datos clínicos reales, ya que los modelos listos para usar y los conjuntos de datos genéricos no son suficientes. Los flujos de trabajo clínicos son demasiado específicos, las normas tienen demasiadas capas y el margen de error es demasiado pequeño. Un sistema de inteligencia artificial entrenado en un conjunto de datos propietario de consultas mensuales de pacientes, con la revisión por parte del profesional sanitario y el cumplimiento de los SOP integrados en el flujo de trabajo, debe ser la base de cualquier sistema que se aventura en este campo. La esencia de esto es que la inteligencia artificial en la atención médica debe basarse en operaciones clínicas del mundo real y no en las capacidades genéricas de un modelo.

Para los médicos, esta arquitectura reduce las horas perdidas en el trabajo administrativo y reserva más tiempo para nuevos pacientes y casos complejos. Para los pacientes, proporciona un acceso más rápido a la atención médica a un costo más bajo, combinado con más consistencia en cómo se documenta y se brinda la atención. Los reguladores también se benefician al tener más visibilidad, ya que el sistema actual a menudo oculta la inconsistencia dentro de los flujos de trabajo dispersos. La implementación correcta de la inteligencia artificial hace que los flujos de trabajo sean más legibles y revisables. La revisión en sí es mucho más fácil de auditar que la documentación hecha por humanos.

Al volverse confiable dentro de un flujo de trabajo medible, la inteligencia artificial se convierte en una herramienta confiable para mejorar un área en la que una industria tan vital tiene dificultades evidentes.

Conclusión

Cuando la gente se queja de que su profesional sanitario no le presta atención, está detectando un problema real. Piensa en la energía de tu profesional sanitario como un globo que está siendo pinchado por todas partes por tareas mundanas y repetitivas. Por supuesto, no tienen tiempo ni la capacidad mental para ocuparse de ti con atención.

En lugar de subirse al tren del miedo de quién será despedido primero debido a la inteligencia artificial, lo más sensato, particularmente en la atención médica, es usar la tecnología para arreglar las tareas con las que los humanos tienen dificultades. La cosa que hace que la inteligencia artificial sea tan ventajosa es su capacidad de trabajar sin agotarse, algo que los médicos clínicos no poseen.

Es comprensible por qué la atención médica es difícil de automatizar debido a la regulación compleja, la variación en el comportamiento del profesional sanitario, la necesidad de infraestructura personalizada y el enorme costo de los errores. Sin embargo, hay un verdadero atasco administrativo que se puede arreglar con esta tecnología que tenemos al alcance de la mano. Usémosla.

Sin comenzar en el atasco administrativo, la inteligencia artificial clínica luchará por ganar la confianza de la gente a una mayor escala cuando sus capacidades se desarrollen más allá de lo que puede hacer hoy.

Creo que el modelo a corto plazo es sencillo. La inteligencia artificial revisa la historia, busca contraindicaciones, verifica la identidad, genera la historia clínica y prepara el flujo de trabajo de prescripción. El médico revisa el panorama completo y aprueba la decisión final. Lo que solía requerir una visita completa de 20 minutos para un seguimiento estable puede convertirse en un proceso más corto, más limpio y más seguro.

Puede parecer menor en el papel, pero esta es una revisión importante en un sistema que ha permanecido manual durante mucho tiempo y afecta a todos.

Vasili Razhnou es el CEO y Fundador de MEDvidi, una plataforma de salud mental impulsada por IA. Como fundador serial con más de 15 años en la atención médica y los negocios, ha creado cinco startups de tecnología. En MEDvidi, Vasili lidera el desarrollo de herramientas clínicas impulsadas por IA que reducen la carga administrativa y permiten a los proveedores brindar una atención más rápida y consistente. Bajo su liderazgo, la empresa alcanzó $30M en ARR.