Casi todos los líderes del sector sanitario comparten la opinión de que, aunque la Inteligencia Artificial jamás podrá reemplazar el criterio clínico adquirido con la experiencia, sí puede ofrecer un respiro muy necesario ante la carga administrativa, asumiendo tareas que no añaden valor, señaló una ejecutiva de un sistema de salud.
Terry McDonnell, directora ejecutiva de enfermería en el Sistema de Salud de la Universidad de Duke, destacó que, al ocuparse de las tareas rutinarias, la IA puede liberar a los clínicos para que dediquen más tiempo y atención al cuidado de los pacientes.
“Siempre he dicho que puedo enseñarle a una enfermera una técnica, pero no puedo enseñar cómo suena la voz de un paciente grave al teléfono. Eso es experiencia vivida, experiencia aprendida, y eso es lo que aporta el profesional clínico. Y creo que en eso es en lo que debemos enfocarnos y asegurarnos de que la gente tenga el tiempo y la capacidad para involucrarse de verdad,” declaró McDonnell.
Aseguró que esta necesidad de escalar la automatización de tareas con IA es más importante que nunca, dado que la creciente demanda de atención sanitaria en el país coincide con una fuerza laboral clínica en disminución.
Añadió que uno de los principales cuellos de botella, a menudo pasado por alto, es la escasez de profesorado disponible para formar a nuevxs enfermerxs, a pesar de que las solicitudes para los programas de enfermería siguen siendo abundantes.
Estos desafíos de la fuerza laboral son una de las razones por las que Duke ha invertido fuertemente en productos de IA diseñados para agilizar tareas y mejorar los resultados de los pacientes. El sistema sanitario desarrolla algunas herramientas de IA internamente, mientras que adquiere otras de proveedores externos, comentó McDonnell.
Por ejemplo, Duke utiliza un modelo de IA propio que monitoriza los datos de los pacientes en Epic para detectar signos tempranos de deterioro, otorgando a los equipos de cuidado la alerta anticipada que necesitan para intervenir, señaló.
“Estamos corriente arriba; no estamos reaccionando en una emergencia. Intervenimos de forma proactiva cuando vemos que el estado clínico puede estar cambiando, y eso lo impulsan algoritmos de IA,” explicó McDonnell.
Duke emplea otra herramienta de IA de desarrollo interno centrada en la sepsis. Analiza los datos del paciente para detectar quién podría estar en riesgo y activa paquetes de tratamiento temprano antes de que la afección progrese a un estado grave.
El sistema de salud también está colaborando con Artisight para integrar visión por computadora en sus habitaciones de hospital, afirmó McDonnell. Mencionó que Duke está instalando cámaras en las habitaciones, que funcionarán con algoritmos de IA para vigilar el riesgo de caídas y, eventualmente, automatizar la documentación, como registrar la ingesta de líquidos de un paciente sin que una enfermera tenga que escribir o dictar una nota.
También indicó que Duke realizó recientemente un piloto de IA con Nuance de Microsoft, e implementó la plataforma de documentación clínica con tecnología de IA de Abridge a principios de este año. Aunque estas herramientas han demostrado ser eficaces para reducir el desgaste profesional de los médicos en entornos ambulatorios, aún no están totalmente optimizadas para las complejidades de la atención hospitalaria, dijo McDonnell. Sin embargo, señaló que Duke está trabajando actualmente en un proyecto piloto de documentación para pacientes hospitalizados con Abridge.
Respecto a la cuestión de si desarrollar o comprar, McDonnell afirmó que depende del problema que el sistema de salud intente resolver.
Todos los proyectos piloto de IA en Duke comienzan con un planteamiento del problema, señaló. Luego, los directivos evalúan si existe una solución en el mercado que aborde el issue, o quizás una herramienta que uno de sus socios ya esté desarrollando, como Epic o Microsoft.
Si no hay soluciones bien contrastadas en el mercado, Duke valora entonces la codesarrollo de una solución con un partner tecnológico externo. Y si esa no es una opción, Duke evalúa si puede construir una herramienta por sí misma aprovechando su escuela de ingeniería y sus capacidades de TI, dijo McDonnell.
“Contamos con una gran fortaleza interna en nuestros propios equipos de TI y desarrollo. Tenemos mucha suerte en ese aspecto; no todos los sistemas tienen ese lujo,” afirmó.
De cara al futuro, McDonnell animó a los sistemas de salud a equilibrar la practicidad con la innovación al probar nuevos modelos de IA.
“No puedes emocionarte con cada juguete nuevo y brillante que aparece. Pero también creo que estamos empezando a aprender que podemos hacer pilotos, probar cosas, y aprender rápidamente qué va a funcionar y qué no,” comentó.
Para McDonnell, el éxito de la IA no depende de perseguir la tecnología más novedosa, sino de elegir y perfeccionar las herramientas que realmente alivian la carga de trabajo de los clínicos y mejoran los resultados de los pacientes.
Foto: Yuichiro Chino, Getty Images