Las aplicaciones que utilizan la Inteligencia Artificial y el Machine Learning como soporte a la toma de decisiones en gestión sanitaria, son ya una realidad presente y su futuro y potencial desarrollo están íntimamente vinculados al compromiso y colaboración entre administraciones públicas y entidades privadas.
El análisis predictivo basado en tecnologías como la Inteligencia Artificial (IA), Machine Learning (ML) y Deep Learning, son una realidad que se están introduciendo progresivamente en las organizaciones sanitarias, si bien la incorporación de su verdadero potencial e impacto real en el sector salud continúa representando todavía un reto.
Su contribución a la mejora de la gestión sanitaria, optimizando procesos y recursos, reduciendo costes y permitiendo simular escenarios de futuro para decidir la mejor planificación posible, la han convertido en una prioridad en el entorno de la transformación digital sanitaria.
Cuando hablamos de IA y ML, nos estamos refiriendo a que una herramienta sea capaz de interpretar grandes volúmenes de datos, aprender de ellos mediante algoritmos matemáticos, y utilizarlos para llevar a cabo análisis predictivos. A día de hoy ya se utilizan estas herramientas en múltiples aplicaciones y sistemas, siendo capaces de reconocer patrones para las que han sido diseñadas de manera específica y de aprender en base a la realidad de lo que realmente ocurre, permitiendo hacer predicciones a futuro e incluso propuestas o simulaciones de escenarios de mejora.[1]
IA aplicada al bloque quirúrgico
Un ejemplo de este tipo de aplicaciones que se están usando a día de hoy para la gestión sanitaria serían aquellas destinadas a la mejora del rendimiento del bloque quirúrgico y la optimización de sus recursos asociados.
Tradicionalmente el área del bloque quirúrgico es una de las principales áreas de interés de los hospitales para lograr una sostenibilidad financiera, al tiempo que garantizar la accesibilidad, seguridad del paciente, y mejora de los resultados en salud.
La implementación de soluciones de planificación estratégica y programación inteligente basadas en el análisis predictivo están permitiendo aumentar su eficiencia y rendimiento, así como maximizar el uso de los recursos existentes.
Existen ejemplos de organizaciones que las están implementando tanto a nivel de Servicios corporativos de salud como a nivel de hospital.
A nivel de Servicios corporativos de salud facilitan el seguimiento, como si de una Torre de Control se tratara, de las listas de espera y los plazos de garantía, por hospital, por especialidad e incluso por agrupaciones de procedimientos, permitiendo de esta manera una mejor gestión y planificación de los contratos programa con los centros, una activación eficiente de los planes de inversión puntuales que se puedan ir realizando reforzando la actividad a realizar en paquetes de intervenciones, facilitando la planificación de las derivaciones entre centros, etc.[2]
A nivel de hospital facilitan la planificación a largo plazo, la programación semanal, las actualizaciones continuas y el seguimiento de los procesos que se llevan a cabo en esta área en tiempo real, así como el análisis del rendimiento de los mismos (Figura 2). Todo ello atendiendo a los criterios de prioridad establecidos por el centro, a las restricciones de recursos del mismo, a criterios específicos derivados del perfil de cada paciente, a los tiempos de intervención según cirujano y procedimiento quirúrgico, así como a las necesidades de materiales y equipamientos específicos. A la vez, son capaces de gestionar la interdependencia de los recursos en otras áreas del hospital que se ven afectadas por la actividad quirúrgica, como son las camas de Unidades de Reanimación, Cuidados Intensivos, Hospital de día y Hospitalización, permitiendo un despliegue óptimo y una mejor coordinación de los profesionales que trabajan en tareas de soporte diario de estas áreas, como son celadores, equipos de limpieza, etc.[3]
La calidad y cantidad de datos importa
Para la correcta aplicación de las tecnologías mencionadas, cabe subrayar la importancia que tiene los datos relativos al registro de la actividad quirúrgica, tanto en calidad como en cantidad. Esto se consigue a través de distintas estrategias como son: la depuración de las bases de datos ya existentes, la generación de datos estructurados partiendo de los propios sistemas de información del hospital, y mediante la implantación de sensores (Figura 3) que permiten obtener datos de registro de la actividad quirúrgica en tiempo real (duración del procedimiento, tiempos intraquirúrgicos, ubicación y el estado de pacientes, profesionales, equipamiento, entre otros).
La base de datos de la actividad quirúrgica que almacena cantidades ingentes de información representa una entidad viva, en el sentido de que el registro de la actividad quirúrgica en la medida que esta se vaya generando permitirá que los sistemas predictivos corrijan sus previsiones, bien porque el volumen de datos de registro lo permite, bien porque los valores registrados para una variable han cambiado. De esta manera será posible predecir la duración del slot para urgencias diferidas, condicionar la programación a la nueva dotación del quirófano, prever variaciones de entrada de pacientes en lista de espera, etc.
Así pues, aprendiendo de la realidad diaria, permite a los hospitales planificar a futuro simulando distintos escenarios, anticipando situaciones indeseadas y permitiendo actuar para que no se lleguen a producir.
Otro aspecto muy importante, es que estas soluciones ya sean usadas a nivel de hospital o a nivel corporativo permitan intercambiar datos e información con otros sistemas del hospital, entre diferentes hospitales y con la administración o Servicio Regional de Salud, pues de esta forma serán capaces de reconocer patrones cada vez más complejos y en los que se puedan contemplar cada vez más variables.
Por una gestión sanitaria de valor basada en datos
Podemos concluir afirmando que la IA está prestando, y prestará cada día más, un gran servicio a la gestión sanitaria, por lo que no debería retrasarse su incorporación a las instituciones públicas y privadas. Y por otra parte, para poder obtener el mayor potencial de estas soluciones y que realmente sirvan de base para la toma de decisiones acertadas, es necesario reconocer el importante papel que juegan las instituciones sanitarias mediante su compromiso con el desarrollo de la digitalización, para poder de esta forma compartir datos y permitir a estas aplicaciones aprender en base a la realidad de cada centro o región de salud.
Referencias
[1] IA en salud. 22 Congreso Nacional de Hospitales y Gestión Sanitaria: https://www.youtube.com/watch?v=sCfNqIsZxf0
[2] ALBA. IHF Barcelona 2021. 44th World Hospital Congress: https://www.youtube.com/watch?v=-Uxa4JZpfPU
