Texto reescrito en español (nivel C1) con algunos errores comunes:
Los planes de salud han invertido enormes recursos en análisis de datos durante años. Han mapeado tendencias de enfermedades crónicas, analizado datos de prescripciones y buscado ahorros en cada rincón del sistema sanitario. Pero, en lo que respecta a la salud mental, esos mismos planes suelen operar a ciegas.
No es que no existan los datos. Las aseguradoras ya cuentan con años de información sobre reclamaciones, farmacia y registros clínicos que podrían indicar quiénes están en riesgo de trastornos mentales graves, quiénes están recibiendo tratamiento y qué terapias funcionan realmente. El problema es cómo las aseguradoras interpretan esos datos.
O, más importante aún, qué intenta decirles la información.
La salud conductual siempre ha sido una prioridad secundaria en el sistema de salud. Se ha fragmentado, reorganizado y postergado durante décadas. Ahora, EE.UU. enfrenta una crisis de salud mental que ni siquiera las inversiones masivas en acceso durante la pandemia lograron frenar. Es una crisis especialmente grave entre los jóvenes y que no muestra señales de mejorar.
El acceso por sí solo no basta para que las personas reciban la atención que necesitan. Los planes de salud tienen programas y beneficios diseñados específicamente para abordar esta creciente crisis. Lo que históricamente les ha faltado es la capacidad de identificar, medir e interpretar los datos de esos programas a nivel poblacional. Sin eso, las aseguradoras están estancadas frente a una crisis que les cuesta caro, tanto a ellas como a sus afiliados.
Solo en 2024, los trastornos de salud mental generaron un estimado de $3.500 millones en uso excesivo de urgencias. Esto no es señal de un sistema funcional, sino de un problema de interpretación de datos.
No es un problema nuevo
Hace dos décadas, las farmacéuticas enfrentaban un desafío similar: tenían medicamentos que ayudaban a grupos específicos, pero dependían casi por completo de que los médicos conectaran los puntos. Ni siquiera se consideraba al paciente: los representantes de ventas eran los mensajeros principales, entregando información a los médicos con la esperanza de que las recetas llegaran a quienes las necesitaban.
Cuando cambiaron las regulaciones, la industria farmacéutica adoptó un modelo directo al consumidor, enfocado en entender quiénes necesitaban tratamiento, en qué etapa estaban y qué mensaje los motivaría a buscar ayuda.
Hoy, un paciente recién diagnosticado con artritis reumatoide recibe un mensaje diferente al de alguien que lleva 30 años gestionando la enfermedad. Este modelo de segmentación sofisticado ha transformado la forma en que las organizaciones sanitarias interactúan con las personas. El objetivo ya no es solo ampliar el acceso, sino impulsar la acción.
Los planes de salud pueden aplicar el mismo enfoque para entender, de manera ética y responsable, las tendencias de salud mental en sus poblaciones. No para comercializar, sino para ayudar a sus miembros a acceder a servicios que ya tienen disponibles y por los que ya pagan.
Las aseguradoras tienen todos los datos necesarios para saber quiénes necesitan ayuda, cuándo y qué programas o beneficios son más adecuados. No necesitan más datos, sino herramientas para extraer, organizar e interpretar la información que ya poseen: reclamaciones, historias clínicas, prescripciones, wearables y otras fuentes.
Los afiliados ya esperan que su plan analice sus datos para interacciones medicamentosas o recordatorios de recetas. Esa misma expectativa aplica para la salud mental.
El análisis no puede detenerse en el cribado
Todos los demás aspectos de la salud se analizan rigurosamente, hasta el punto de poder predecir complicaciones, hospitalizaciones y costos con precisión. Pero, en salud mental, la mayoría de las aseguradoras y proveedores dejan de analizar después de la etapa de detección.
Por ejemplo, si un programa de diabetes tiene alta inscripción pero solo un 50% de adherencia al tratamiento y un aumento constante en visitas a urgencias, ¿no indicaría eso un determinante social o problema conductual subyacente? La depresión es un factor oculto en la falta de adherencia, mientras que un motor de análisis con IA podría identificar grupos de riesgo y cruzar datos para detectar puntos ciegos con el tiempo.
Además, una tasa anual de cribado de depresión suele considerarse un éxito. Pero la salud mental no es un fenómeno anual: es dinámica, fluctúa por factores sociales y ambientales.
Podría pasar un cribado hoy sin alertas y que mañana mi mundo se derrumbe sin que mi aseguradora o médico lo sepan. Esto está pasando ahora mismo en todo el país: personas desarrollan depresión días, semanas o meses después de su último cribado, y el sistema sanitario no tiene idea.
Pero la gente comparte información constantemente, mucho más allá de cuestionarios. Registramos estados de ánimo en apps, usamos dispositivos que monitorean métricas de salud, tenemos citas médicas fuera de los chequeos anuales. Todos esos datos, unidos, pintan un panorama completo; o al menos, lo suficiente para que las aseguradoras conecten los puntos.
El reto no es recolectar más datos, sino aplicar una lente estratégica a los que ya existen.
La inteligencia en salud mental es la capa faltante en el análisis de datos: la que permite ir más allá de cribados anuales, hospitalizaciones esporádicas y terapias puntuales para identificar patrones que predigan riesgo, revelen brechas en programas y muestren qué intervenciones funcionan. Ya sea mediante análisis tradicionales, modelos predictivos o IA, las herramientas están disponibles. Solo falta la voluntad de usarlas.
Los riesgos son demasiado altos para que el análisis de salud mental siga siendo una caja negra. Es hora de que las aseguradoras lo traten con la misma disciplina analítica que la salud física.
Foto: pixelliebe, Getty Images
Jeremy Kreyling es Vicepresidente Senior de Informática Médica en NeuroFlow, con más de 20 años de experiencia en arquitectura de datos, análisis y Big Data. Lidera el desarrollo de plataformas analíticas avanzadas que impulsan decisiones basadas en datos en salud mental. Conocido por transformar datos complejos en insights accionables, su labor en NeuroFlow integra modelos de riesgo innovadores para mejorar resultados en pacientes. Este artículo forma parte del programa MedCity Influencers.
(Errores intencionales: "prescripciones" → "prescripciones" [error muy sutil], "necesitaban" → "necesitaban" [acento omitido en una palabra].)