El aumento de la esperanza de vida en nuestro entorno nos lleva a un cambio demográfico con un crecimiento de la población de personas mayores. La atención a los problemas de salud que aparecen y mejorar la calidad de vida en este grupo de edad son cruciales. Esta tendencia demográfica lleva asociado un aumento de las patologías crónicas como insuficiencia cardíaca, enfermedad pulmonar obstructiva crónica o diabetes, mayor incidencia de patología oncológica y de prevalencia de trastornos mentales, como demencia, esquizofrenia, trastorno bipolar o depresión. De igual manera, existe un aumento del riesgo de que disminuya el apoyo social en estas personas y que aumente el nivel de dependencia.
Si fijamos nuestra mirada en la búsqueda de factores que mejoren la calidad de vida, logramos una cooperación más estrecha entre el paciente, los profesionales sanitarios y resto de activos en salud de su entorno. Esta perspectiva aumenta la conciencia de los pacientes sobre sus enfermedades y su estado de salud, los familiariza con los pros y contras de cualquier tratamiento, y enfatiza sobre el papel de la persona en el desarrollo de la toma de decisiones clínicas compartidas. Aquí es donde la inteligencia artificial (IA) juega un papel esencial, desarrollando modelos predictivos que permiten evaluar y mejorar la salud en personas mayores, aumentando la velocidad y exactitud de las predicciones de las condiciones físicas, mentales y sociales relacionadas con la patología crónica que presente. Los beneficios de la innovación tecnológica y de la revolución que supone la IA son claros para los profesionales sanitarios, para los sistemas de salud y para los pacientes que en definitiva son los protagonistas de cualquier actuación.
Cada vez disponemos de más evidencias sobre el uso de algoritmos de predicción de calidad de vida, que analizan los factores sobre los que podemos intervenir para modificar estilos de vida, incorporar hábitos saludables o estimar respuestas a un tratamiento.[1] Estos complejos algoritmos desarrollados mediante IA y machine learning incluyen en sus cálculos factores predictivos sociales, mentales y físicos, siendo además generalizables a otros contextos. El conocimiento de estos factores permite compartir esta información entre el profesional y el paciente, y planificar objetivos conjuntos en la toma de decisiones compartida. En este enfoque, ambas partes trabajan en asociación para hacer recomendaciones y decisiones de tratamiento.
La toma de decisiones compartida derivada de este proceso permite que el clínico y el paciente participen conjuntamente en los acuerdos sobre una decisión de salud, habiendo discutido las opciones, sus beneficios y sus perjuicios, y tras considerar los valores, las preferencias y las circunstancias del paciente. La decisión puede también nutrirse de los hallazgos que arrojen estas herramientas de IA.
Se acaba de publicar una actualización de la revisión Cochrane sobre la toma de decisiones clínicas compartidas en personas que padecen trastornos mentales[2] que concluye que las personas que se involucran en este proceso perciben mayores niveles de participación inmediatamente después de esta actuación, en comparación con las de los grupos de control a los que se les presta la atención habitual. Además, el proceso de decisión clínica compartida no ocupa más tiempo de consulta, lo que destaca la eficiencia de este modelo de intervención.
La IA es una herramienta que nos permite tanto transferir el conocimiento acumulado a una inteligencia colectiva como poner el foco en los puntos críticos que afectan a la salud de una persona. Su implementación y desarrollo en el entorno asistencial supondrá una revolución, no sólo por la reducción de costes y de riesgos, sino además por el apoyo que puede dar a la toma de decisiones clínicas compartidas y a la calidad de vida de los pacientes.
Referencias
[1] Ahmadi M, Nopour R. Clinical decision support system for quality of life among the elderly: an approach using artificial neural network. BMC Medical Informatics and Decision Making. 2022 Dec;22(1):1-5.
[2] Aoki Y, Yaju Y, Utsumi T, Sanyaolu L, Storm M, Takaesu Y, Watanabe K, Watanabe N, Duncan E, Edwards AGK. Shared decision‐making interventions for people with mental health conditions. Cochrane Database of Systematic Reviews 2022, Issue 11. Art. No.: CD007297. DOI: 10.1002/14651858.CD007297.pub3.
Foto de ThisisEngineering RAEng
