El sector sanitario, en particular los hospitales, las clínicas y los grupos de médicos, buscan continuamente formas innovadoras de mejorar la atención al paciente y agilizar las operaciones. La IA generativa, un campo en rápido avance dentro de la inteligencia artificial (IA), tiene un enorme potencial para revolucionar la atención sanitaria clínica mejorando la satisfacción del paciente y aumentando la eficiencia en diversos aspectos de las operaciones clínicas.
La aplicación de la IA a la medicina clínica no es nada nuevo; durante años, se han realizado esfuerzos significativos para utilizar la IA de machine learning y deep learning para ayudar con los diagnósticos y el tratamiento de los pacientes. Si bien la visión utópica de una IA que todo lo ve y que puede detectar cánceres en una tomografía computarizada que un médico podría pasar por alto es seductora, en la práctica, el uso de la IA para diagnosticar y tratar a los pacientes sigue estando plagado de riesgos de diagnóstico erróneo y sus posibles consecuencias.
En lugar de intentar que la IA desempeñe el papel de un médico, una aplicación mucho más práctica de la IA en una clínica es aprovechar los Large Language Models (LLM) para poner más información y poder en manos de un paciente y aliviar la tremenda carga administrativa que soportan médicos, enfermeras y personal clínico de hospitales y grupos de médicos. En este artículo vamos a explorar formas prácticas de aplicar la IA generativa en un entorno clínico actual sin que la IA intente desempeñar el papel de un médico.
Mejorar la satisfacción del paciente mediante chatbots de autoservicio asistidos por IA generativa
Uno de los retos más significativos de la atención sanitaria es abordar la insatisfacción de los pacientes debido a la negligencia percibida. Los pacientes sienten a menudo que los profesionales sanitarios no les escuchan o no les proporcionan información suficiente sobre sus tratamientos y medicamentos. La rápida adopción de portales de pacientes desde 2020, en particular la mensajería de pacientes, ha contribuido irónicamente a aumentar la insatisfacción, ya que el aumento del volumen de mensajes de pacientes genera una carga de trabajo adicional para los médicos y el personal de apoyo, lo que provoca retrasos en las respuestas y una mayor insatisfacción de los pacientes.
Un estudio del American Journal of Family Medicine indicaba que los mensajes no urgentes, como los relacionados con tareas administrativas o preguntas clínicas sencillas, suelen constituir la mayoría de las interacciones del portal del paciente. En la actualidad, la carga de responder a estos mensajes recae en el personal clínico, ya de por sí sobrecargado.
Los chatbots de IA generativa integrados en los portales de pacientes ofrecen una potente solución a este problema. Estos chatbots pueden proporcionar a los pacientes respuestas instantáneas a preguntas comunes sobre sus tratamientos y medicamentos sin requerir la intervención de un médico. Por ejemplo, AMI (Articulare Medical Intelligence Explorer), el sistema de IA de investigación de Google presentado recientemente, ha demostrado una precisión diagnóstica, empatía y explicaciones útiles a la par o incluso superando a los médicos de atención primaria reales en consultas de texto simuladas con un chatbot impulsado por IA generativa.
Los chatbots GenAI pueden ayudar a los pacientes a interpretar los resultados de laboratorio
La IA generativa también puede proporcionar contexto y explicaciones para los resultados de laboratorio publicados en los portales de pacientes. Por ejemplo, una clínica de fertilidad puede publicar una medición de la hormona antimulleriana (AMH) para que la vea un paciente, sin más que una simple tabla para ayudarle a interpretar el resultado. Sin embargo, casi de inmediato el paciente querrá saber «¿es alta?», «¿es baja?», «¿qué significa eso?». Los LLM de código abierto disponibles en el mercado pueden responder fácilmente a estas preguntas sin requerir datos confidenciales del paciente ni integraciones en un sistema de historias clínicas electrónicas (EHR), ya que se trata de conocimientos de uso general.
Proporcionar asistencia al paciente fuera del horario laboral en lugar del médico de guardia
Además, la IA generativa puede ofrecer asistencia fuera del horario laboral a pacientes que buscan consejo sobre síntomas y preguntas generales sobre medicamentos. Hoy en día, es probable que un paciente tenga que llamar al número de guardia de su clínica, para luego tener que esperar junto al teléfono a que la enfermera o el médico de guardia le devuelvan la llamada.
Dando a los pacientes la posibilidad de utilizar una interfaz de chat de autoservicio, las clínicas pueden mejorar la satisfacción de los pacientes proporcionándoles la información que necesitan rápidamente y reducir drásticamente las consultas atendidas por sus enfermeras y médicos de guardia. Por último, la reducción del volumen de guardias aumenta significativamente la satisfacción de los empleados clínicos, ya que menos médicos y enfermeras tienen que estar de guardia en un momento dado.
Traducir las instrucciones del paciente a su lengua materna
Otra ventaja de la IA generativa en la atención sanitaria es su capacidad para traducir análisis de laboratorio, notas de evolución e instrucciones para el paciente a su lengua materna. Un estudio ha demostrado que los pacientes que necesitan un intérprete o no reciben atención en su idioma preferido presentan niveles de satisfacción más bajos. Las excepcionales capacidades de traducción de idiomas de la IA generativa pueden eliminar la necesidad de traductores y reducir la confusión de los pacientes que no dominan el idioma de su equipo clínico. El uso de la IA generativa para la traducción es otra aplicación de bajo riesgo de la tecnología en el entorno clínico.
La IA generativa puede aumentar la eficiencia de las operaciones clínicas
La IA generativa puede aumentar significativamente la eficiencia de las operaciones clínicas mediante la automatización de diversas tareas. Una de estas aplicaciones es la generación de notas de consulta, cartas de derivación y notas de evolución a partir de transcripciones.
Un estudio realizado en 2016 descubrió que los médicos dedican aproximadamente el 50 % de su tiempo a tareas de EHR y trabajo de escritorio, y solo el 27 % de su tiempo se dedica a la atención del paciente. Además, un estudio de 4.938 notas de progreso mostró que la longitud media de 886 palabras y una parte significativa de estas notas eran muy similares de una a otra debido a prácticas como copiar y pegar, lo que puede introducir riesgos y reducir la utilidad de las notas.
Automatizar la creación de notas de evolución y cartas de derivación
El auge de la telemedicina tras la pandemia de 2020 ha llevado a un mayor número de médicos a realizar consultas a través de Zoom u otras soluciones remotas. Estos servicios producen hoy en día transcripciones y resúmenes de estas llamadas generados por IA. Las clínicas pueden automatizar en gran medida la producción de cartas de derivación, notas de evolución y otra documentación rutinaria utilizando las transcripciones de estas reuniones junto con un agente de IA generativa. La IA generativa puede eliminar una carga de tiempo sustancial para los médicos y reducir los errores automatizando el proceso de creación de estos documentos, que actualmente dependen de atajos para aliviar la carga.
Agilizar los reembolsos de seguros y los flujos de trabajo de autorización previa
Otro ámbito en el que la IA generativa puede agilizar las operaciones es el de los reembolsos de seguros y las autorizaciones previas. El proceso de obtención de autorizaciones previas es costoso y requiere mucho tiempo para los proveedores sanitarios. Un sistema de 17 hospitales declaró un gasto anual de 11 millones de dólares para cumplir los requisitos de autorización previa, mientras que un centro psiquiátrico de 355 camas necesitaba 24 empleados a tiempo completo sólo para gestionar las autorizaciones.
Las herramientas de IA generativa pueden aliviar esta carga asignando y sugiriendo automáticamente códigos de tratamiento y comprobando los errores para garantizar que se aplican los códigos adecuados. Además, los flujos de trabajo híbridos entre humanos e IA pueden semiautomatizar el proceso de presentación y obtención de autorizaciones previas de las compañías de seguros mediante el uso de herramientas de automatización robótica de procesos (RPA) en combinación con grandes modelos lingüísticos y una revisión humana mínima.
Fijación de citas de autoservicio e incorporación de pacientes
La IA generativa también puede agilizar la reserva de citas y la incorporación de los pacientes. Una herramienta de reservas basada en IA puede ayudar a los pacientes a navegar por los calendarios de sus clínicas y médicos para reservar citas de seguimiento y consultas. Esto puede reducir significativamente los costes asociados a los servicios de atención médica, que pueden oscilar entre 0,96 y 1,84 dólares por llamada.
Riesgos y desafíos para la adopción de la IA generativa en clínicas y hospitales
Aunque la IA generativa ofrece numerosas ventajas a la atención sanitaria clínica, su adopción plantea algunos retos. Las cuestiones normativas y de privacidad son primordiales en el sector sanitario. Los sistemas informáticos clínicos deben proteger los datos de atención al paciente, lo que elimina el uso de plataformas de IA generativa de terceros alojadas en la nube como ChatGPT. Para implantar soluciones de IA generativa en las operaciones clínicas, es probable que los proveedores sanitarios tengan que alojar ellos mismos modelos de código abierto como Llama o Mistral en sus sistemas informáticos clínicos.
La sensibilidad de los datos de los pacientes exige una cuidadosa consideración de cualquier integración entre un sistema de IA y un sistema de EHR. En todos los ejemplos de uso de las soluciones de IA generativa comentados anteriormente, ninguno de ellos requiere el acceso a los historiales médicos de ningún paciente concreto ni la integración en una fuente de datos de EHR. Aunque este tipo de integración haría que las herramientas fueran más ricas e impactantes, desplegarlas sin ninguna integración en un sistema de EHR puede seguir proporcionando un valor sustancial al paciente y eficiencia clínica.
Otro reto es el riesgo de que una IA difunda información errónea. Deben aplicarse salvaguardias mediante el ajuste fino u otros medios para garantizar que las IA desplegadas no proporcionen consejos incorrectos ni desinformen a los pacientes al responder a sus preguntas. Aunque estas medidas son eficaces, el riesgo de que la IA pueda decir algo incorrecto no puede eliminarse por completo. Por lo tanto, cualquier despliegue de una solución de IA generativa en un entorno clínico debe incluir condiciones de uso y protecciones adecuadas para evitar las imprecisiones difundidas por una herramienta de IA.
Conclusión
La IA generativa tiene el potencial de revolucionar la atención sanitaria clínica mejorando la satisfacción del paciente y aumentando la eficiencia operativa. Desde el autoservicio asistido por IA para la asistencia y consulta de pacientes hasta la racionalización de las operaciones clínicas, la IA generativa puede beneficiar significativamente tanto a los pacientes como a los profesionales sanitarios.
Sin embargo, los profesionales sanitarios deben abordar la adopción de la IA generativa con cautela, teniendo en cuenta los problemas normativos y de privacidad y el riesgo de desinformación. A medida que los proveedores de atención sanitaria superan estos retos y exploran la implementación de soluciones de IA generativa, pueden abrir una nueva era de atención centrada en el paciente y operaciones clínicas optimizadas.
