Doxa 2017

Cómo la IA podría ayudar a reducir las desigualdades en la atención sanitaria

Los proveedores ya están utilizando nuevas herramientas para ofrecer una mejor atención a más personas.

Por Carol Cruickshank, Cian Wade, y Junaid Bajwa

Atención sanitaria y tratamiento

Harvard Business Review

#Doxa #IA #desigualdad #atención #sanitaria #tratamiento #inteligencia #artificial #sistemas #herramienta #desafío

Resumen. La cantidad de herramientas de inteligencia artificial en el ámbito de la atención sanitaria está aumentando y prometen ayudar a los sistemas sanitarios a abordar muchas de las causas de las desigualdades en la atención sanitaria. En este artículo se analizan algunas de las nuevas herramientas y se explica cómo tienen un gran potencial para abordar los desafíos aparentemente insuperables que supone ofrecer una mejor atención a las poblaciones desatendidas.

La IA genera entusiasmo y temor en igual medida en los círculos de atención médica. Los optimistas ven el potencial obvio para revolucionar la eficiencia y la calidad de la atención. Los cínicos temen que la priorización de estas herramientas para los más ricos y saludables pueda ampliar las desigualdades sanitarias ya marcadas que se observan en toda la sociedad.

¿Son fundados estos temores? ¿Estamos utilizando nuevas herramientas que solo ampliarán las brechas injustas en los resultados sanitarios? Si bien es necesario ser cautelosos al aplicar la IA, tenemos una visión convincente de que la IA es el democratizador de la atención sanitaria que la sociedad ha estado pidiendo a gritos.

Imaginemos el recorrido de un paciente con una enfermedad crónica. En cada etapa, innumerables factores influirán en los resultados sanitarios: las habilidades lingüísticas y de alfabetización de los pacientes, su capacidad y motivación para desenvolverse en sistemas sanitarios complejos, y los sesgos del personal sanitario y la base de conocimientos médicos utilizados para tratar su enfermedad. Los profesionales sanitarios se enfrentan al reto de integrar muchos factores contextuales para diseñar un plan de tratamiento personalizado, eficaz y de fácil acceso para cada paciente. Los pacientes de entornos complejos y desfavorecidos suelen sufrir las consecuencias.

Ahí es donde entra en juego la IA como herramienta revolucionaria que podría permitir a los sistemas de salud ofrecer una mejor atención médica a todos, especialmente a las poblaciones más vulnerables y desatendidas. Las capacidades de la IA para aprovechar múltiples tipos de datos diferentes para predecir e intervenir en todas las etapas del proceso de un paciente la colocan en una posición privilegiada para abordar las principales causas de las desigualdades en materia de salud.

Este artículo destaca una serie de herramientas de IA que tienen el potencial de generar un impacto considerable en las desigualdades en materia de salud. Aunque la mayoría de ellas no se utilizan ampliamente en la actualidad, analizarlas desde la perspectiva de la equidad muestra cómo un diseño y una implementación cuidadosos de la IA pueden permitir avances en la lucha contra el desafío aparentemente insuperable de las desigualdades en materia de salud. Las ideas que se presentan en este artículo se basan en nuestro trabajo de asesoramiento a organizaciones de atención médica y ciencias biológicas. Los ejemplos que citamos son fruto de nuestros esfuerzos continuos por explorar el horizonte en busca de avances de vanguardia en este campo. No hemos tenido participación en ninguna de esas empresas y no tenemos intereses financieros en ellas.

Identificación de pacientes en riesgo

La atención preventiva es el punto de intervención más eficiente desde el punto de vista financiero y clínico para mejorar la salud de los pacientes. Esto podría significar empoderar a los pacientes para que adopten hábitos saludables, se vacunen y controlen factores de riesgo como la presión arterial alta y la obesidad. Sin embargo, los grupos de pacientes desfavorecidos a menudo tienen poca conciencia de los pasos que deben seguir y pueden sentirse incómodos al navegar por los vericuetos del sistema de salud. Los proveedores tienen la oportunidad fundamental de identificar y llegar de manera proactiva a los pacientes en riesgo de tener peores resultados de salud.

El historial médico de un paciente puede contener señales sutiles de que está en riesgo: una cita perdida, los datos de su código postal o un pequeño comentario en una consulta anterior. Estos indicadores son increíblemente difíciles de identificar y de tomar medidas al respecto para los proveedores.

Aledade, la red más grande de atención primaria independiente en los Estados Unidos, utiliza IA para dar sentido a estos datos de pacientes altamente complejos y potenciar la difusión personalizada sobre inmunización, detección de enfermedades y planificación anticipada de la atención. Las técnicas computacionales que emplea incluyen la aplicación de un motor de vectorización a datos dispares de registros clínicos, como registros médicos electrónicos y datos de reclamaciones; el uso de modelos de aprendizaje profundo entrenados en datos genómicos y sensoriales avanzados de pacientes; y la extracción de características, un proceso para extraer datos útiles de datos sociales, demográficos y conductuales sin procesar. Su tecnología de IA permite a Aledade "puntuar el riesgo" (predecir cuánto costará tratar a un paciente o grupo de pacientes en comparación con el paciente promedio) y predecir el impacto de intervenciones específicas, todo lo cual ayuda a orientar las decisiones de los médicos. El uso de la tecnología con grupos clave de pacientes ya ha dado como resultado una disminución del 12% en las hospitalizaciones, una disminución del 7% en las visitas al departamento de emergencias y más de $375,000 en ahorros de costos.

Superando las barreras de comunicación

Una vez que los pacientes han accedido al sistema de salud para la evaluación de un problema, es esencial que se comuniquen de manera eficaz con su equipo de profesionales y viceversa. El riesgo de brechas de comunicación que conducen a peores resultados de salud es mayor para los pacientes que experimentan barreras lingüísticas, tienen bajos niveles de alfabetización en salud o padecen enfermedades neurocognitivas que afectan su comunicación. La IA abre la puerta a una mejor comunicación. Puede servir como traductor y enlace a pedido entre los sistemas de salud y los pacientes, brindando información digerible sobre riesgos, síntomas y planes de tratamiento.

Por ejemplo, Amelia utiliza inteligencia artificial generativa para crear una puerta de entrada digital empática y con diversidad lingüística para los pacientes. La plataforma omnicanal ayuda a los pacientes a programar la atención, recopila información relevante sobre la admisión, administra los procesos de facturación y envía recordatorios personalizados a través del idioma y el medio de comunicación más adecuados para ese paciente.

Estas soluciones también son fundamentales para mejorar la productividad de los proveedores, cuyos recursos están cada vez más limitados. Al optimizar y automatizar las tareas administrativas relacionadas con el acceso y la evaluación de los pacientes, los proveedores pueden reorientar su tiempo hacia el trabajo clínico, donde aportan el mayor valor para mejorar los resultados sanitarios de los pacientes más complejos.

Abordar las diferencias en el acceso a los recursos

La ley de atención inversa establece que los pacientes con mayores necesidades suelen tener acceso a la menor cantidad de recursos de atención sanitaria. Muchos pacientes de las zonas rurales viven lejos de los servicios de atención sanitaria especializados o pueden carecer de las redes sociales que pueden ser fundamentales para la salud y la recuperación. La IA muestra signos tempranos de ser una solución esencial para ayudar a los responsables de las políticas a superar estas barreras.

Ada Health ofrece a los pacientes una aplicación para teléfonos inteligentes impulsada por IA que evalúa los síntomas, diagnostica diversos problemas médicos y sugiere atención personalizada. La aplicación incluso ha superado a los médicos humanos en el diagnóstico preciso de enfermedades reumatológicas, erupciones cutáneas y el origen del dolor abdominal en las visitas a la sala de emergencias. Las herramientas impulsadas por IA como Ada Health democratizan el acceso a un "médico de bolsillo" altamente efectivo y escalable, sin importar cuán lejos se encuentren físicamente los pacientes de los proveedores de atención médica. La IA permite a los pacientes en partes del país con pocos recursos clasificarse a sí mismos de manera confiable y, posteriormente, buscar atención médica a través de la vía más adecuada.

Pero, ¿qué sucede después de que un paciente recibe atención? La IA también puede mejorar los resultados posteriores al tratamiento. En la actualidad, los pacientes que sufren desigualdades en materia de salud corren un mayor riesgo de deterioro y posterior readmisión, pero la IA puede llenar los vacíos para educar a estos pacientes sobre los signos de deterioro clínico y cuándo y cómo acceder a atención de emergencia.

Por ejemplo, la plataforma Biofourmis es un sistema que utiliza wearables sensoriales para controlar de forma remota parámetros como la presión arterial y la frecuencia cardíaca en pacientes con una variedad de afecciones complejas, como la insuficiencia cardíaca y la EPOC. Al aplicar la inteligencia artificial a los datos sensoriales para establecer una línea de base personalizada para el paciente, la plataforma puede identificar a los pacientes que necesitan atención debido al deterioro clínico. En este caso, la inteligencia artificial extiende la atención médica de alta calidad al hogar del paciente, actúa como un par de ojos y oídos adicionales para los médicos y, en última instancia, mejora los resultados del paciente.

Reducir el impacto de los sesgos humanos

Una gran cantidad de evidencia preocupante sugiere que los proveedores de atención médica pueden perpetuar las desigualdades a través de sus propios sesgos inconscientes, atribuyendo erróneamente los síntomas a estereotipos culturales y no reconociendo la gravedad de las enfermedades. Un ejemplo preocupante se da en el contexto de recibir un alivio adecuado del dolor. Los pacientes negros tienen la mitad de probabilidades de recibir medicamentos opioides cuando presentan un dolor abdominal similar al de los pacientes blancos. La IA podría ser una herramienta vital para eliminar el impacto de estos sesgos humanos.

Investigaciones recientes han demostrado que la IA puede ser muy eficaz para detectar el dolor de los pacientes. Las evaluaciones de un modelo de IA, que se entrenó con más de 140.000 imágenes faciales de pacientes con dolor y sin dolor, coincidieron con las de médicos expertos el 88% de las veces, lo que demuestra que puede ser una solución escalable para evaluar rápidamente el dolor.

Los sesgos también afectan las decisiones de tratamiento a través del diagnóstico erróneo de enfermedades importantes. En un estudio, los pacientes negros y asiáticos cuyos ecocardiogramas mostraban signos de estenosis aórtica fueron diagnosticados en tasas un 22% y un 25% más bajas que los pacientes blancos. Kaiser Permanente puso a prueba una herramienta de inteligencia artificial con el objetivo de mejorar el rendimiento diagnóstico de la ecocardiografía, que tiene un enorme potencial para reducir estas desigualdades. Aplicó capacidades de procesamiento de lenguaje natural a los informes de ecocardiogramas, lo que aumentó la tasa de diagnóstico de estenosis aórtica en un 35% en comparación con las interpretaciones realizadas por el proveedor de los mismos informes, lo que hizo posible brindar rápidamente a los pacientes el tratamiento adecuado.

Aumentar la diversidad en los ensayos clínicos

Una causa crítica de las desigualdades en materia de salud es la falta de diversidad en los ensayos clínicos. Por ejemplo, cuando el fármaco Albuterol, el inhalador broncodilatador más recetado en el mundo, salió al mercado, aproximadamente el 95% de los estudios sobre enfermedades pulmonares se habían realizado en personas de ascendencia europea. Esas pruebas limitadas no indicaron la eficacia diferencial del fármaco en personas con diferencias genéticas. Se sabe que los niños estadounidenses de ascendencia afroamericana responden peor al Albuterol en comparación con sus pares blancos. Esta falta de diversidad en los datos de las pruebas puede explicar en parte las tasas tres veces más altas de muerte por causas relacionadas con el asma en este grupo.

En la actualidad, las compañías farmacéuticas están utilizando la IA para reclutar grupos de pacientes más diversos y representativos. Por ejemplo, Trial Pathfinder es una herramienta de IA que utiliza datos del mundo real para simular los resultados de los ensayos clínicos. Han demostrado que relajar los criterios de elegibilidad del ensayo original podría aumentar la diversidad de los grupos de estudio sin comprometer la seguridad ni la validez. Además, los investigadores están utilizando la IA para reclutar pacientes para ensayos clínicos que de otro modo habrían sido difíciles de identificar. Por ejemplo, Criteria2Query utiliza el procesamiento del lenguaje natural para transformar los complejos y ambiguos criterios de inclusión en los ensayos en consultas de búsqueda de datos que encuentran de manera eficiente a los pacientes elegibles mediante registros médicos electrónicos. Este análisis impulsado por la IA podría permitir a los investigadores llegar a un grupo más amplio y diverso de participantes en los ensayos y reclutarlos.

La equidad como eje del crecimiento de la IA

Las barreras de entrada para las nuevas empresas y productos basados ​​en IA se reducen constantemente, y la generosa financiación está impulsando una explosión del crecimiento. Pero para garantizar que estas innovaciones beneficien a los pacientes que sufren desigualdades sanitarias, será necesario que los actores hagan de este objetivo una prioridad.

Esplanade Health Ventures es un ejemplo de una empresa de capital de riesgo que lo ha hecho. Entre su cartera se encuentra Wellth, una plataforma de salud digital habilitada con inteligencia artificial que utiliza incentivos de economía conductual para mejorar la adherencia a los planes de tratamiento de los pacientes, especialmente aquellos que reciben Medicaid, un grupo de pacientes que con frecuencia experimentan desigualdades en materia de salud y que tradicionalmente han sido poco atractivos desde una perspectiva de inversión debido a las bajas tasas de reembolso. Wellth ha logrado una reducción promedio del 42% en la utilización de atención hospitalaria y una mejora del 16% en la adherencia a la medicación entre los pacientes que utilizan su plataforma (incluidos los que no reciben Medicaid).

La implementación de la IA para poblaciones de pacientes desfavorecidas se está ralentizando debido a las preocupaciones válidas de las partes interesadas de que la diversidad insuficiente en los datos de entrenamiento da como resultado modelos sesgados en contra de esos grupos. Para combatir posibles sesgos, Dandelion Health ayuda a los desarrolladores de IA a validar el rendimiento y la imparcialidad de los algoritmos clínicos evaluando los sesgos en distintas geografías y grupos demográficos.

Alineación de los incentivos financieros con la equidad

Otra forma de aumentar las inversiones en innovaciones basadas en IA que pueden reducir las desigualdades son los modelos de pago alternativos (APM), en los que los proveedores reciben un presupuesto para gestionar los ciclos de atención de los pacientes o de la población.

Los APM, como los pagos agrupados o por capitación, implican la distribución del riesgo financiero entre el proveedor y el pagador. Estos modelos incentivan a los proveedores a invertir en atención preventiva que evite mayores costos posteriores, coordinar de manera eficiente entre equipos de múltiples especialidades que manejan enfermedades complejas y brindar apoyo continuo al paciente para evitar fallas en el tratamiento. En consecuencia, los proveedores que contraten un APM verán el valor de invertir en herramientas basadas en IA que permitan estas actividades que reducen las desigualdades en materia de salud.

Una oportunidad generacional

La IA puede mejorar la atención sanitaria en todas las etapas de la atención del paciente y resolver muchas de las causas insolubles de las desigualdades sanitarias. Para que esto se convierta en una realidad escalable, se necesitarán cambios significativos en los modelos de financiación y las prioridades estratégicas de los sistemas de salud. Es necesario desarrollar enfoques reflexivos para garantizar que las herramientas se diseñen teniendo en cuenta la equidad y que la innovación en IA no deje atrás a los pacientes desfavorecidos. En un momento en que los sistemas sanitarios de todo el mundo se enfrentan a los costos morales y financieros de las desigualdades sanitarias, la necesidad de utilizar la IA para cerrar la brecha no podría ser más sólida. Por último, es importante recordar que las herramientas de IA que mejoran la calidad de la atención para los pacientes más desfavorecidos a menudo también mejorarán la atención para todos.

Los autores desean agradecer a Mohamed Mabizari por sus valiosas contribuciones a este artículo.

Lea más sobre Atención médica y tratamiento o temas relacionados IA y aprendizaje automático y Salud y bienestar

Carol Cruickshank es presidenta de la región de las Américas en Kearney y socia de la práctica de atención médica y ciencias biológicas de la firma.

Cian Wade, MD, es médico y consultor en la práctica de atención médica y ciencias biológicas de Kearney.

Junaid Bajwa, MBBS, es el científico médico jefe de Microsoft y médico del Servicio Nacional de Salud del Reino Unido. En septiembre de 2024, se unirá a Flagship Pioneering como socio sénior.