Inteligencia artifical y experiencia del paciente: hacia una atención médica más personalizada y eficiente

Dr. Esteban Zavaleta Monestel
Jefatura de Farmacia y Coordinación de Investigación Biomédica. Hospital Clínica Bíblica, San José, Costa Rica.

Sergio Restrepo Arango
Director de Experiencia del Paciente. Hospital Clínica Bíblica, San José, Costa Rica.

En el contexto del acelerado desarrollo de herramientas tecnológicas, los sistemas de salud han experimentado un florecimiento de soluciones innovadoras que buscan mejorar la atención y la experiencia del paciente. La experiencia del paciente se refiere a la forma en que una persona vive una enfermedad o lesión y cómo el sistema sanitario interactúa con ella durante todo el proceso.

La experiencia del paciente en los hospitales es un pilar fundamental para la prestación de atención médica de calidad. Diversos estudios han demostrado que ciertos aspectos son cruciales para mejorar la percepción del paciente, incluyendo:

1. Reducción de los tiempos de espera: los pacientes valoran no tener que esperar largos períodos para recibir atención médica.
2. Transparencia en los costos del tratamiento: conocer de antemano los costos genera confianza y tranquilidad en el paciente.
3. Citas sin prisas: los pacientes aprecian que los médicos se tomen el tiempo necesario para explicarles su condición y responder sus preguntas sin prisa.
4. Profesionales con experiencia en su condición específica: la confianza en la experiencia del médico es fundamental para el bienestar del paciente.
5. Agilidad en la programación de citas: los pacientes buscan opciones flexibles y convenientes para agendar sus citas.

Si bien los hospitales y clínicas priorizan las experiencias positivas de los pacientes, estas deben ir más allá de las interacciones cordiales y las instalaciones confortables, aspectos que sin duda siguen siendo importantes. Para lograr una experiencia verdaderamente positiva, es fundamental brindar una atención eficiente que vincule a los pacientes con el tratamiento adecuado. Esto exige que los profesionales tengan acceso oportuno y completo a la información del paciente.

En el panorama de las herramientas tecnológicas que revolucionan los sistemas de salud, hospitales y la práctica médica, la inteligencia artificial (IA) emerge como un elemento transformador. Al igual que en el ámbito empresarial y social, la IA y tecnologías afines experimentan un auge sin precedentes en el sector sanitario, generando varias posibilidades para redefinir radicalmente la atención al paciente y las funciones administrativas en centros hospitalarios y otros proveedores de atención médica. La IA se ha convertido en una herramienta fundamental en la gestión hospitalaria, ya que los sistemas de salud en general se enfrentan a un desafío crucial: alcanzar objetivos críticos dentro de la atención médica, como mejorar el acceso y la salud de la población en general, optimizar la experiencia del paciente y del personal sanitario, y reducir el creciente costo de la atención.

La inteligencia artificial ha evolucionado en las últimas décadas, incorporando técnicas como el aprendizaje automático (ML) y el aprendizaje profundo (DL). La IA se centra en máquinas que imitan la inteligencia humana para abordar tareas complejas. El ML, un subcampo de la IA, enfatiza el aprendizaje automático a partir de datos para lograr objetivos específicos. Tradicionalmente, la IA se basaba en sistemas basados en reglas y aprendizaje automático. A diferencia de los sistemas basados en reglas, el ML aprende patrones directamente de los datos, lo que ha dado lugar a avances significativos en medicina, especialmente con la aprobación de algoritmos basados en ML para uso médico.

La integración de la inteligencia artificial (IA) en la evaluación de la experiencia del paciente (PX) en los sistemas de salud representa un paso crucial hacia una atención centrada en el paciente. Una atención de calidad en el ámbito hospitalario exige un enfoque que priorice las necesidades y perspectivas individuales, y el análisis exhaustivo de la información disponible es fundamental para la toma de decisiones informadas. En este contexto, las medidas de experiencia informadas por el paciente (PREM) y las medidas de resultados informadas por el paciente (PROM) proporcionan información valiosa sobre la PX. Las PROM, a través de cuestionarios, capturan la perspectiva del paciente sobre su estado de salud y bienestar, mientras que las PREM se centran en su recorrido dentro del sistema sanitario, recopilando datos sobre sus experiencias y percepciones. Ambos tipos de medidas ofrecen información complementaria y crucial desde la óptica del paciente, permitiendo identificar objetivos de tratamiento personalizados, evaluar la eficacia de la atención y, en última instancia, mejorar los resultados y la experiencia general del paciente.

Varios estudios prometedores han explorado la automatización del análisis de las experiencias de los pacientes utilizando datos de texto libre de PREM y PROM para guiar las iniciativas de mejora de la calidad y existen métodos modernos que aprovechan técnicas de inteligencia artificial (IA), como el aprendizaje automático y el procesamiento del lenguaje natural (PNL) para analizar la información de los PREM y PROM.

Algunos estudios sugieren que las PREM actuales podrían no ser las más adecuadas para aprovechar al máximo el potencial del análisis de IA. Una de las limitaciones es que muchos cuestionarios existentes contienen preguntas que ya incluyen un sentimiento en sí mismas (por ejemplo, “¿Qué salió extraordinariamente bien?” o “¿Qué podríamos mejorar?”). Este tipo de preguntas suelen generar respuestas breves, de una sola palabra, que son difíciles de categorizar para la IA. Para abordar este problema, Van Buchem et al. desarrollaron y validaron una nueva herramienta PREM compatible con la IA. Esta herramienta utiliza preguntas genéricas abiertas (no específicas de una enfermedad, vía de atención, etc. en particular) que son más fáciles de analizar para las computadoras. Además, las preguntas eliminan el sesgo emocional y se centran en las dimensiones de Picker de la atención centrada en el paciente (por ejemplo, “¿Qué le pareció la información proporcionada?”), lo que ayuda a reducir la cantidad de temas que se abarcan en una sola respuesta.

Además de las PREM, también las PROM pueden ser muy valiosas para evaluar la calidad en la atención. Al compararlas con parámetros preestablecidos, se puede predecir qué pacientes tienen más probabilidades de experimentar mejoras clínicamente significativas en la función, el alivio del dolor y la calidad de vida (CdV) general después de la cirugía de reemplazo total de rodilla. Este tipo de procedimiento es una intervención bien establecida para el tratamiento de la osteoartritis (OA) avanzada, que mejora consistentemente estas áreas clave para los pacientes.

La inteligencia artificial y el machine learning también pueden ayudar a fortalecer en gran medida las PROM. Este enfoque implica analizar conjuntos de datos que combinan datos clínicos con información proporcionada por los propios pacientes. Al aprovechar este poder combinado, el aprendizaje automático puede descubrir relaciones complejas dentro de los datos. Esto permite realizar predicciones personalizadas de los resultados de salud, lo que reduce la dependencia de las presuposiciones en la toma de decisiones clínicas sobre los pacientes.

En definitiva, la experiencia del paciente se posiciona como un pilar fundamental en la atención médica moderna. La implementación de tecnologías innovadoras como la inteligencia artificial (IA) y el machine learning (ML) abre un camino hacia una experiencia del paciente más personalizada, eficiente y centrada en sus necesidades.