Un nuevo estudio revela que los sistemas de salud enfrentan dificultades para utilizar la inteligencia artificial de manera efectiva con el fin de mejorar la participación de los pacientes.
La investigación, publicada a principios de mes, encontró que, si bien las inversiones en herramientas como los asistentes ambientales para documentación clínica están en auge, las aplicaciones de IA para el compromiso paciente se quedan atrás. Para el estudio, la startup Lirio encargó a la consultora Sage Growth Partners entrevistar a más de 75 ejecutivos de sistemas de salud en Estados Unidos.
Solo un 5% de estos ejecutivos manifestó estar satisfecho con las herramientas disponibles para abordar desafíos comunes del compromiso paciente, como la adherencia a la medicación o las citas perdidas; problemas que no solo conducen a peores resultados de salud, sino también a miles de millones de dólares en costos sanitarios evitables cada año.
Para ayudar a los hospitales a cerrar estas brechas, las empresas que venden herramientas de compromiso deben avanzar hacia un modelo de "personalización N-de-1", señaló Amy Bucher, directora de comportamiento de Lirio.
"En el sector salud, los enfoques estandarizados de personalización no son realmente personales", declaró.
A menudo, la personalización se limita a incluir campos en un formulario, como el nombre o el rango de edad. Bucher señaló que estos métodos básicamente segmentan a las personas por demografía, sin considerar sus motivaciones y comportamientos individuales.
Por ejemplo, un proveedor puede enviar el mismo recordatorio genérico sobre mamografías a todas las mujeres mayores de 40 años. Pero no todas en este amplio grupo necesitan el mismo mensaje. Bucher explicó que un enfoque N-de-1 va más allá, generando mensajes personalizados que consideran las necesidades, comportamientos y barreras únicas de cada paciente.
"Si una mujer no se ha realizado una mamografía en años, la personalización N-de-1 considera el porqué. ¿Le cuesta priorizar la cita frente al trabajo? ¿Necesita cuidado infantil? ¿Le genera ansiedad el cribado oncológico? Sea cual sea el caso, una personalización que no lo aborde no será tan efectiva", comentó.
Agregó que los recientes avances en IA han creado la capacidad de escalar esta personalización N-de-1.
Los humanos podemos hacerlo bien en un formato 1:1, procesando información compleja de lo que nos dicen, así como señales no verbales y claves contextuales, para ajustar nuestro enfoque en el momento. Pero, según Bucher, los humanos no son escalables para una gran población de pacientes, ni es asequible usar soporte humano para cada situación.
"La tecnología ha podido manejar conjuntos de datos más complejos y grandes que los humanos durante mucho tiempo, pero solo recientemente, con la explosión de la IA agentica y técnicas como el aprendizaje por refuerzo, puede también producir resultados significativos N-de-1", afirmó.
También destacó que una mejor personalización puede desvelar nuevos niveles de eficiencia y conexión.
Tomemos la diabetes como ejemplo. Afecta a 1 de cada 10 estadounidenses, pero a pesar de su prevalencia, las personas con diabetes suelen estar desconectadas de sus proveedores de salud, dijo Bucher.
"Los métodos estándar para intentar que las personas programen citas y tomen su medicación claramente no funcionan para todos. Personalizar esos contactos puede ayudar a generar interés y que las personas reconsideren la propuesta de valor de actuar. Hacerlo mediante canales digitales puede crear eficiencia operacional", señaló.
Este caso de uso subraya por qué el compromiso paciente podría ser una de las aplicaciones más prometedoras, y a la vez infrautilizadas, de la IA en la salud. Cuando la personalización trasciende la demografía para abordar las barreras individuales para la acción, no solo puede impulsar mejoras clínicas, sino también ayudar a los sistemas de salud a comprometer a los pacientes a escala, declaró Bucher.
Foto: Paul Bradbury, Getty Images