El psicólogo suizo Jean Piaget sugirió que el egocentrismo de los niños les impide tener en cuenta a los demás[1]. De acuerdo con la teoría del desarrollo cognitivo de Piaget, la atención compartida[2] es una habilidad fundamental para la comunicación y la conexión con otras personas, que se desarrolla en los primeros meses de vida, nos hace tener en cuenta el interés del otro y responder a sus miradas, gestos o lenguaje.
Cuando conversamos con alguien esperamos que la atención sea compartida, aunque en ocasiones la presencia de otras personas o dispositivos electrónicos puede fragmentarla o distraerla. ¿Quién de nosotros no se ha sentido ignorado o desvalorizado al explicar sus inquietudes a alguien que no deja de mirar su teléfono móvil? Esta es la sensación que pueden tener los pacientes cuando, mientras explican sus temores y preocupaciones a los profesionales, éstos no apartan la mirada del ordenador. Esta falta de atención visual puede dañar la confianza del paciente, porque como pacientes y como personas, esperan que el profesional los escuche y comprenda.
El desafío de mantener una escucha activa, puede estar vinculado con el tiempo del que disponen los profesionales para interactuar con los pacientes, un recurso muy valioso para médicos y enfermeras, que cada vez es más reducido, motivado entre otras cosas, por la creciente carga administrativa[3]. En este sentido, hay estudios que concluyen que los médicos de Atención Primaria son los que experimentan las tasas de agotamiento más altas[4] por este motivo.
Desde la introducción de la historia clínica electrónica, el tiempo dedicado a tareas administrativas ha aumentado aproximadamente a la mitad de la jornada laboral de los médicos[5], es decir, por cada hora de atención directa al paciente, los médicos de Atención Primaria dedican casi 2 horas adicionales a los registros administrativos, lo que se ha asociado con tasas aún más altas de agotamiento, estrés y deseo de abandonar la práctica clínica[6].
La automatización de estas tareas, mediante el reconocimiento del habla durante la visita de un paciente, y la transcripción automática de notas clínicas impulsadas por inteligencia artificial (IA), permitiría al profesional interactuar plenamente con el paciente, mantener el contacto visual y eliminar la necesidad de poner la atención en el ordenador para documentar manualmente la visita.
Reducir el tiempo y el esfuerzo invertido por los médicos y enfermeras, en el proceso de documentación, probablemente aumentará la productividad, disminuirá el agotamiento de los profesionales y mejorará la relación médico-paciente, lo que a su vez favorecerá una atención de mayor calidad y más centrada en el paciente.
Para generar notas clínicas mediante IA durante la visita, es necesario que el paciente de su consentimiento para grabar la conversación, convertir el audio a texto, extraer la información destacada y resumirla. La estructura necesaria incluye un micrófono que grabe la conversación, un sistema de reconocimiento automático del habla (ASR por sus siglas en inglés) capaz de transcribir la conversación, que pueda distinguir entre las voces del profesional y del paciente y que cubra una amplia gama de temas, desde conversaciones cotidianas hasta diagnósticos médicos complejos.
Además, es necesario un conjunto de modelos de procesamiento del lenguaje natural (PLN), que transcriba las palabras y permita que se comprenda el contexto y significado. Gracias a sistemas como este será posible reducir errores humanos, optimizar el tiempo de los médicos y las enfermeras, mejorar la gestión de las historias clínicas y hacer una atención más humana y centrada en el paciente.
Soluciones de base tecnológica
Ejemplos de esta tecnología los encontramos en Carepatron, o DeepCura 2.0. Más próximo a nosotros, en el Mobile World Congress 2024, se presentó un proyecto que espera reducir el tiempo que los médicos de familia en Cataluña dedican a escribir en la historia clínica, para dedicárselo a la atención a los pacientes.
La Fundación TIC Salut Social y su director Joan Guanyabens, están impulsando este proyecto, donde cinco médicos y una enfermera utilizarán la IA y revisarán todos los datos recogidos antes de incorporarlos a las historias clínicas. La plataforma Relisten será la encargada de interpretar la conversación en lenguaje coloquial y generar notas clínicas estructuradas en lenguaje médico.
Esta herramienta de gran precisión también presenta algunos desafíos, como el ruido de fondo en las conversaciones clínicas, presencia de múltiples interlocutores, la espontaneidad del habla que puede provocar errores[7] o el sesgo de género y dialecto[8].
Por otro lado, la necesidad de obtener y compartir datos médicos para entrenar modelos de PLN puede ser la mayor dificultad en el uso de esta herramienta, ya que se necesitan conversaciones médicas sólidas y documentadas con precisión. En este sentido, es necesario proteger la privacidad y confidencialidad de los datos, asegurando que los pacientes están plenamente informados y dan su consentimiento para su uso en sistemas de IA.
Otras acciones dirigidas a los pacientes estarían relacionadas con 1) Elaborar material informativo para familiarizarlos con el uso de esta herramienta, sin olvidar que el profesional tendrá la responsabilidad de complementar esta información de forma verbal durante el proceso de autorización para su uso. 2) Rotular lugares visibles para informar a los pacientes que, con su consentimiento, se podrá utilizar esta tecnología durante las visitas. 3) Encuestas a pacientes después de las visitas para evaluar la asociación del uso de la IA con su experiencia. En esta línea, Mishra et al.[9] analizan cómo la utilización de esta herramienta disminuyó la carga administrativa de los médicos de Atención Primaria, permitiéndoles disponer de más tiempo para interactuar con los pacientes y así mejorar su experiencia.
Desde el punto de vista legal, será necesario realizar auditorías regulares para garantizar que se cumple con las políticas de privacidad, de acuerdo con las regulaciones vigentes, y con las leyes de protección de datos. En todo caso, las consecuencias no deseadas de la transcripción de las visitas médicas deberían abordarse a través de talleres participativos con profesionales, pacientes y otros agentes que ayuden al diseño de estos sistemas.
La transcripción médica con IA no es solo una herramienta para mejorar la eficiencia, es un cambio de paradigma que coloca la humanización de la asistencia en el centro de la práctica clínica, ya que el objetivo no es reemplazar a los profesionales por herramientas de IA, sino que la transcripción digital de notas clínicas cree una “simbiosis humano – IA” que aumente la experiencia del profesional, la del paciente y mejore la calidad de la atención.
Referencias
[1] Piaget, Jean, and Margaret Cook. The origins of intelligence in children. Vol. 8. No. 5. New York: International Universities Press, 1952.
[2] Moore, Chris & Dunham, Philip J. Joint Attention: Its Origins and Role in Development. Lawrence Erlbaum, (1995).
[3] National Academies of Sciences, Engineering, and Medicine; National Academy of Medicine; Committee on Systems Approaches to Improve Patient Care by Supporting Clinician Well-Being. Taking Action Against Clinician Burnout: A Systems Approach to Professional Well-Being. Washington (DC): National Academies Press (US); 2019 Oct 23. PMID: 31940160.
[4] Shanafelt TD, Boone S, Tan L, et al.. Burnout and satisfaction with work-life balance among US physicians relative to the general US population. Arch Intern Med. 2012;172(18):1377-1385. doi: 10.1001/archinternmed.2012.3199.
[5] Tai-Seale M, Olson CW, Li J, Chan AS, Morikawa C, Durbin M, Wang W, Luft HS. Electronic Health Record Logs Indicate That Physicians Split Time Evenly Between Seeing Patients And Desktop Medicine. Health Affairs. 2017;36(4):655-662.
[6] Babbott S, Manwell LB, Brown R, et al.. Electronic medical records and physician stress in primary care: results from the MEMO Study. J Am Med Inform Assoc. 2014;21(e1):e100-e106. doi: 10.1136/amiajnl-2013-001875.
[7] Zhou L, Blackley SV, Kowalski L, Doan R, Acker WW, Landman AB, Kontrient E, Mack D, Meteer M, Bates DW, Goss FR. Analysis of Errors in Dictated Clinical Documents Assisted by Speech Recognition Software and Professional Transcriptionists. JAMA Netw Open. 2018 Jul;1(3):e180530. doi: 10.1001/jamanetworkopen.2018.0530. Epub 2018 Jul 6. PMID: 30370424; PMCID: PMC6203313.
[8] Van Buchem, M.M., Boosman, H., Bauer, M.P. et al. The digital scribe in clinical practice: a scoping review and research agenda. npj Digit. Med. 4, 57 (2021). https://doi.org/10.1038/s41746-021-00432-5.
[9] Mishra P, Kiang JC, Grant RW. Association of Medical Scribes in Primary Care With Physician Workflow and Patient Experience. JAMA Intern Med. 2018 Nov 1;178(11):1467-1472. doi: 10.1001/jamainternmed.2018.3956. PMID: 30242380; PMCID: PMC6248201.
