Les aplicacions que utilitzen la Intel·ligència Artificial i el Machine Learning com a suport a la presa de decisions en gestió sanitària, ja són una realitat present i el seu futur i potencial desenvolupament estan íntimament vinculats al compromís i col·laboració entre administracions públiques i entitats privades.
L’anàlisi predictiva basada en tecnologies com la Intel·ligència Artificial (IA), Machine Learning (ML) i Deep Learning, són una realitat que s’estan introduint progressivament a les organitzacions sanitàries, si bé la incorporació del seu veritable potencial i impacte real al sector salut continua representant encara un repte.
La seva contribució a la millora de la gestió sanitària, optimitzant processos i recursos, reduint costos i permetent simular escenaris de futur per decidir la millor planificació possible, l’han convertit en una prioritat a l’entorn de la transformació digital sanitària.
Quan parlem d’IA i ML, estem referint-nos a que una eina sigui capaç d’interpretar grans volums de dades, aprendre’n mitjançant algorismes matemàtics, i utilitzar-los per dur a terme anàlisis predictives. A dia d’avui ja s’utilitzen aquestes eines en múltiples aplicacions i sistemes, sent capaços de reconèixer patrons per a les que han estat dissenyades de manera específica i d’aprendre sobre la base de la realitat del que realment passa, permetent fer prediccions a futur i fins i tot propostes o simulacions d’escenaris de millora.[1]
IA aplicada al bloc quirúrgic
Un exemple d’aquest tipus d’aplicacions que s’estan fent servir actualment per a la gestió sanitària serien aquelles destinades a la millora del rendiment del bloc quirúrgic i l’optimització dels seus recursos associats.
Tradicionalment l’àrea del bloc quirúrgic és una de les principals àrees d’interès dels hospitals per aconseguir una sostenibilitat financera, alhora que garantir l’accessibilitat, la seguretat del pacient i la millora dels resultats en salut.
La implementació de solucions de planificació estratègica i programació intel·ligent basades en l’anàlisi predictiva permeten augmentar la seva eficiència i rendiment, així com maximitzar l’ús dels recursos existents.
Hi ha exemples d’organitzacions que les estan implementant tant a nivell de serveis corporatius de salut com a nivell d’hospital.
A nivell de serveis corporatius de salut faciliten el seguiment, com si es tractés d’una torre de control, de les llistes d’espera i els terminis de garantia, per hospital, per especialitat i fins i tot per agrupacions de procediments, permetent així una millor gestió i planificació dels contractes programa amb els centres, una activació eficient dels plans d’inversió puntuals que es puguin fer reforçant l’activitat a realitzar en paquets d’intervencions, facilitant la planificació de les derivacions entre centres, etc. [2]
A nivell d’hospital faciliten la planificació a llarg termini, la programació setmanal, les actualitzacions contínues i el seguiment dels processos que es duen a terme en aquesta àrea en temps real, així com l’anàlisi del rendiment dels mateixos (Figura 2). Tot això atenent els criteris de prioritat establerts pel centre, les restriccions de recursos del mateix, criteris específics derivats del perfil de cada pacient, els temps d’intervenció segons cirurgià i procediment quirúrgic, així com les necessitats de materials i equipaments específics. Alhora, són capaços de gestionar la interdependència dels recursos en altres àrees de l’hospital que es veuen afectades per l’activitat quirúrgica, com són els llits d’Unitats de Reanimació, Cures Intensives, Hospital de dia i Hospitalització, permetent un desplegament òptim i una millor coordinació dels professionals que treballen en tasques de suport diari d’aquestes àrees, com són zeladors, equips de neteja, etc.[3]
La qualitat i quantitat de dades importa
Per a la correcta aplicació de les tecnologies esmentades, cal subratllar la importància que té les dades relatives al registre de l’activitat quirúrgica, tant en qualitat com en quantitat. Això s’aconsegueix a través de diferents estratègies com són: la depuració de les bases de dades ja existents, la generació de dades estructurades partint dels sistemes d’informació propis de l’hospital, i mitjançant la implantació de sensors (Figura 3) que permeten obtenir dades de registre de l’activitat quirúrgica en temps real (durada del procediment, temps intraquirúrgics, ubicació i estat de pacients, professionals, equipament, entre d’altres).
La base de dades de l’activitat quirúrgica que emmagatzema quantitats ingents d’informació representa una entitat viva, en el sentit que el registre de l’activitat quirúrgica en la mesura que aquesta es vagi generant permetrà que els sistemes predictius corregeixin les seves previsions, bé perquè el volum de dades de registre ho permet, bé perquè els valors registrats per a una variable han canviat. D’aquesta manera serà possible predir la durada de l’slot per a urgències diferides, condicionar la programació a la nova dotació del quiròfan, preveure variacions d’entrada de pacients a la llista d’espera, etc.
Així, aprenent de la realitat diària, permet als hospitals planificar a futur simulant diferents escenaris, anticipant situacions indesitjades i permetent actuar perquè no s’arribin a produir.
Un altre aspecte molt important, és que aquestes solucions ja siguin utilitzades a nivell d’hospital o corporatiu permetin intercanviar dades i informació amb altres sistemes de l’hospital, entre diferents hospitals i amb l’administració o Servei Regional de Salut, ja que així seran capaços de reconèixer patrons cada cop més complexos i en els quals es puguin contemplar cada cop més variables.
Per una gestió sanitària de valor basada en dades
Podem concloure afirmant que la IA està prestant, i prestarà cada dia més, un gran servei a la gestió sanitària, per la qual cosa no se n’hauria d’endarrerir la incorporació a les institucions públiques i privades. I per altra banda, per poder obtenir el potencial més gran d’aquestes solucions i que realment serveixin de base per a la presa de decisions encertades, cal reconèixer l’important paper que juguen les institucions sanitàries mitjançant el seu compromís amb el desenvolupament de la digitalització, per poder d’aquesta manera compartir dades i permetre a aquestes aplicacions aprendre sobre la base de la realitat de cada centre o regió de salut.
Referències
[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
