A hores d’ara, un pensaria que la definició de “medicina basada en valor” (MBV) estaria ja consolidada. Doncs no sembla que sigui el cas. Una revisió recent assenyalava que continua existint una “manca d’acceptació del concepte i una escletxa de coneixement al voltant d’un consens clar sobre la definició”.
En un context on molts parlen de medicina de valor, però pocs coincideixen, i en què la IA es perfila com a solució per a gairebé tot, sorgeix una pregunta rellevant: la intel·ligència artificial pot servir no només per implantar models, sinó també per ajudar a definir-los? Potser abans d’elaborar algorismes clínics podria començar per estructurar el coneixement, sintetitzar evidència i facilitar un llenguatge comú entre clínics, gestors i pacients.
Amb aquesta intenció, vam demanar a un model de llenguatge (ChatGPT 5.1) que revisés documents clau sobre MBV: informes de l’OCDE, la Comissió Europea, l’Institut Europeu d’Innovació i Tecnologia i articles del New England Journal of Medicine. El resultat va ser aquesta definició operativa:
La medicina basada en valor és una forma d’organitzar l’atenció sanitària orientada a maximitzar els resultats clínics i experiencials que importen als pacients, utilitzant els recursos disponibles de la forma més eficient, equitativa i sostenible possible.
Una definició raonable —potser no perfecta— però sí prou sòlida per construir-hi. En aquesta visió emergeixen quatre dimensions clau: resultats, eficiència, equitat i sostenibilitat. Què pot aportar la IA a cadascuna?
Resultats que importen al pacient
No tot el que compta és als camps estructurats de la història clínica. Sovint, els resultats rellevants —cosa que de veritat afecta la vida del pacient— queden en notes lliures, comentaris, informes, o directament a la seva veu i experiència.
Aquí és on el processament de llenguatge natural (PLN) pot transformar allò invisible en mesurable. Aquests models permeten extreure significat de narratives clíniques o converses metge-pacient, codificar percepcions de qualitat de vida, efectes adversos, malestars o barreres socials, i convertir-los en dades analitzables.
Models de PLN aplicats a notes clíniques ja estan demostrant la seva utilitat per capturar dimensions que els indicadors clàssics no registren. Això permet anar més enllà dels reingressos o les taxes de complicacions, i començar a mesurar —i valorar— l’impacte real a la vida de les persones.
Eficiència real: menys desgast, més impacte
En un sistema que encara es mesura moltes vegades per nombre d’actes, l’eficiència real és fer el que toca… sense malbaratar temps, recursos ni energia.
La IA hi pot contribuir aquí amb exemples concrets. El pilot de l’NHS britànic amb Microsoft 365 Copilot és il·lustratiu. El 2025, 30.000 professionals de 90 organitzacions van estalviar fins a 43 minuts per professional al dia. Escalat, aquest estalvi suposa unes 400.000 hores mensuals.
Aquest temps alliberat no és pas abstracte. És temps que es pot destinar a atendre, planificar o simplement a respirar. En aquesta línia, un estudi publicat a Emergències va avaluar l’ús de GPT-4 per suggerir proves diagnòstiques a partir de notes de triatge en text lliure. Tot i ser un assaig simulat, es va estimar un estalvi de més de 14 minuts per pacient en contextos d’alta demanda. No és un estàndard, però sí una direcció prometedora si s’acompanya de governança i validació.
A més, no és casualitat que —segons una enquesta recent de l’American Medical Association— la majoria dels metges identifiqui la reducció de càrrega administrativa com a ús més útil de la IA en la seva pràctica diària.
Equitat: mesurar i corregir, no suposar
Un sistema de salut realment basat en valor ha de ser equitatiu. És a dir, que l’accés, la qualitat i els resultats no depenguin del codi postal, el nivell d’estudis o la renda.
Però l’equitat no succeeix per inèrcia, cal cercar-la, mesurar-la i corregir desigualtats. Aquí la IA també hi pot ajudar. Amb anàlisis integrades de dades clíniques, sociodemogràfiques i geogràfiques, és possible detectar patrons d’iniquitat: zones amb pitjor salut, retards diagnòstics, menor adherència, exclusió silenciosa. Aquesta informació pot orientar recursos on més es necessiten.
Això sí: la IA no garanteix equitat per si mateixa. Si s’alimenta amb dades esbiaixades, podeu perpetuar les mateixes bretxes que ja existeixen. Per això, cada avenç tècnic ha d’anar acompanyat d’auditoria, governança, transparència i participació. Només així la IA pot ser una eina de justícia sanitària i no pas un nou factor de desigualtat.
Sostenibilitat: més enllà de l’eficiència
Vivim un moment de tensió estructural: envelliment poblacional, augment de la demanda, professionals al límit, recursos cada cop més ajustats. Si el sistema no es transforma, difícilment hi resistirà.
Aquí la IA pot ser una palanca de sostenibilitat. Automatitzar processos burocràtics, preveure demanda, planificar recursos amb més precisió o donar suport a decisions estratègiques són usos que permeten guanyar resiliència.
Alliberar temps administratiu, com ja s’ha demostrat en entorns reals, pot tenir un efecte en cascada: millora l’experiència professional, redueix el burnout, afavoreix la retenció, augmenta la continuïtat assistencial i en reforça l’eficiència global. Un cercle virtuós. No màgic, però sí possible.
I tot això només serà viable si s’aplica amb la visió del sistema, el marc ètic i l’orientació a valor. No n’hi ha prou amb adoptar tecnologia: cal fer-ho amb propòsit.
Amb els peus a terra… però mirant endavant
Tot això sona prometedor. Però no hem d’oblidar que bona part de la IA mèdica encara està en evolució, i que molts dels seus desenvolupaments no han passat avaluacions robustes.
No es tracta d’esperar miracles, sinó d’aplicar intel·ligència —humana i artificial— amb sensatesa, governança i focus en allò que realment importa: la salut i l’experiència del pacient. Però un advertiment no menor: si tot aquest temps alliberat per la IA —gràcies a millores en planificació, triatge, automatització o reducció de burocràcia— s’utilitza simplement a fer més activitat sense més valor, estarem errant el tret. El valor no és fer més coses, sinó fer les que realment importen. El contrari seria com si una fàbrica automatitzés tota la seva cadena de producció… per continuar fabricant coses que ningú no necessita, però ara més ràpid. Perquè, al final, no només es tracta de guanyar minuts, sinó de posar-los al servei d’un sistema més humà, més intel·ligent i més just. El repte no és “tenir IA”, sinó fer-la servir per generar valor real.
Foto de Tobias Keller