Autor: Ossi Koskinen, director de grandes cuentas de Siemens Healthineers. Es responsable de las relaciones con los clientes estratégicos en Finlandia y Suecia.
En el ámbito de la asistencia sanitaria ya casi no se debate si se puede aprovechar la inteligencia artificial. La cuestión mucho más compleja es cómo integrar una solución que ha demostrado su eficacia en el trabajo diario, de tal forma que resulte realmente relevante tanto para los profesionales como para los pacientes.
Esta cuestión surge una y otra vez en mis reuniones con la dirección de los hospitales, los expertos clínicos y los responsables de la gestión de la información. Existen numerosas soluciones e iniciativas prometedoras, pero el camino desde la fase piloto hasta su implantación generalizada suele ser sorprendentemente largo.
Este fenómeno no es nuevo.
He dedicado gran parte de mi carrera profesional a los cambios en el sector sanitario y a la implantación de nuevas tecnologías. A lo largo de los años, he participado, por ejemplo, en el desarrollo de un medidor de dolor para los teléfonos con Windows de la época y en allanar el camino para las consultas a distancia en una época en la que el interés por ellas aún era bastante escaso.
En retrospectiva, la inversión realizada en un teléfono Windows no fue una de las decisiones tecnológicas más acertadas de mi carrera. No obstante, esa experiencia me enseñó algo que sigue siendo válido: que una solución que funcione técnicamente no garantiza necesariamente que el servicio sea eficaz.
En el caso de las consultas a distancia, la situación era ligeramente diferente. La tecnología necesaria ya existía en gran medida desde hacía años, antes de que el entorno estuviera preparado para su uso a gran escala. La pandemia del coronavirus cambió rápidamente la situación. Ahora nos parece bastante natural que un paciente de la asistencia sanitaria primaria finlandesa pueda ser atendido también desde otro país. Así lo hace, por ejemplo, un conocido mío que reside actualmente en Francia.
Por lo tanto, la tecnología puede estar lista mucho antes que los métodos de trabajo, las estructuras y las personas que la rodean. En lo que respecta a la inteligencia artificial, en muchos ámbitos nos encontramos precisamente en esta fase.
Muchas soluciones funcionan bien desde el punto de vista técnico. Sin embargo, los beneficios prometidos no siempre se aprecian en el día a día. A menudo, la causa radica en cómo se integra la solución en los sistemas del hospital, en los flujos de trabajo y en la toma de decisiones.
He visto situaciones en las que el objetivo era ahorrar tiempo al profesional. En la práctica, el usuario comprueba primero la información original, después la evaluación de la inteligencia artificial y, por último, la información de otro sistema. Se suponía que la nueva solución iba a reducir el trabajo, pero acabó añadiendo una fase de verificación más.
En una situación como esta, el algoritmo puede funcionar exactamente como debe. Sin embargo, el trabajo de los profesionales no resulta por ello más fácil.
La información generada por la inteligencia artificial debe presentarse en el sistema y en el momento en que el profesional, de todos modos, toma la decisión. La información debe presentarse en un formato comprensible y debe permitir actuar en consecuencia. De lo contrario, la inteligencia artificial se convertirá fácilmente en una herramienta más que se suma a las ya existentes.
En el ámbito de las técnicas de imagen, las posibilidades ya van mucho más allá del simple análisis de una imagen concreta. La inteligencia artificial puede facilitar la preparación del paciente, la realización del estudio, la interpretación de las imágenes, la elaboración de informes y la incorporación de la información a la decisión terapéutica. Lo esencial no es, por tanto, una aplicación concreta, sino toda la cadena que va desde el paciente hasta la imagen, desde la imagen hasta el informe y, posteriormente, hasta el tratamiento.
Por eso, en mi opinión, no conviene iniciar un proyecto de inteligencia artificial preguntándose en qué ámbitos podríamos incorporarla.
Empezaría por cuestiones mucho más cotidianas. ¿En qué punto se interrumpe el trabajo? ¿En qué punto se generan esperas? ¿En qué punto se registra la misma información varias veces? ¿En qué punto el profesional se ve obligado a cambiar de un sistema a otro? ¿En qué se invierte tiempo, aunque la tarea no requiera conocimientos clínicos?
Una vez identificado el problema real, se puede evaluar si la inteligencia artificial es la solución adecuada. A veces lo es. Otras veces, cambiar la forma de actuar o recurrir a una solución técnica un poco más sencilla resulta más útil.
Se requiere el mismo sentido práctico a la hora de medir el éxito. La precisión del algoritmo es importante, pero por sí sola no indica el valor de la solución. En el ámbito sanitario, el impacto debería reflejarse en la atención al paciente, en el trabajo del profesional o en el funcionamiento de la organización. A ser posible, en varios de estos aspectos.
También es necesario realizar un seguimiento de los efectos tras la puesta en marcha. Los sistemas y los equipos de diagnóstico por imagen se actualizan, los grupos de pacientes cambian y se lanzan nuevas versiones de las soluciones de inteligencia artificial. Por lo tanto, la puesta en marcha no finaliza el día en que la solución se pone a disposición de los usuarios.
Esto parece obvio, pero en la práctica las responsabilidades suelen quedar poco claras. ¿Quién supervisa el funcionamiento de la solución? ¿Quién gestiona los comentarios de los usuarios? ¿Cuándo es necesaria una validación local? ¿Cómo se evalúan los efectos de las actualizaciones de software? ¿Y quién toma la decisión si la solución deja de funcionar como se esperaba?
En este trabajo se necesitan profesionales clínicos, personal de gestión de la información, expertos técnicos, directivos y proveedores. Resultan especialmente valiosas aquellas personas que comprenden tanto el trabajo clínico como las posibilidades y limitaciones de la tecnología. A menudo son capaces de detectar problemas que pasan desapercibidos si se analiza la cuestión desde un único punto de vista.
La gestión del conjunto se complica a medida que aumenta el número de soluciones de inteligencia artificial. Diez soluciones independientes aún no constituyen un entorno operativo. Cada una de ellas requiere integraciones, derechos de uso, mantenimiento, seguimiento y asistencia técnica. Si el conjunto no se planifica de forma conjunta, el usuario se enfrenta fácilmente a una serie de nuevos pasos de trabajo digitales.
En el mejor de los casos, el profesional no tiene que plantearse qué solución de inteligencia artificial debe utilizar en cada momento. La información necesaria aparece en el lugar adecuado como parte de su trabajo habitual. El profesional evalúa la información, toma una decisión y asume la responsabilidad.
El siguiente paso interesante consiste en analizar el funcionamiento del hospital como un todo más amplio, en lugar de centrarse en los flujos de trabajo individuales. En este sentido, considero que el «gemelo digital» de las operaciones es una idea especialmente interesante.
El nombre suena técnico, pero la idea básica es bastante práctica. Si logramos obtener una visión lo suficientemente actualizada de los flujos de pacientes, el personal, las instalaciones, los equipos, los horarios y las interdependencias entre los procesos asistenciales, podremos evaluar las repercusiones de las decisiones antes de ponerlas en práctica.
¿Qué ocurre, por ejemplo, si aumenta la demanda de pruebas en un hospital? ¿Conviene derivar a los pacientes a otro centro, modificar los turnos del personal u organizar las citas para las pruebas de una forma diferente? ¿Cómo afecta el mantenimiento de un equipo de diagnóstico por imagen a las colas de espera de los pacientes, a la carga de trabajo del personal y a la atención médica posterior?
En un hospital real, resulta difícil poner a prueba estas alternativas. La actividad es continua, la atención a los pacientes no puede esperar y no siempre resulta fácil distinguir el efecto de un cambio concreto del resto de factores. En el modelo digital, es posible comparar las alternativas antes de que los cambios se pongan en práctica.
Esto también podría ayudar a orientar mejor las inversiones en inteligencia artificial. En lugar de partir de una solución ya preparada y buscarle una aplicación, al analizar los procesos se pueden identificar aquellos puntos en los que la espera, el trabajo manual, las interrupciones en el flujo de información o el uso desigual de la capacidad causan mayores problemas.
Solo entonces conviene plantearse si se necesita la inteligencia artificial.
Sin embargo, ni siquiera un modelo digital lo resuelve todo de forma automática. Es posible que mejore la tasa de utilización de un dispositivo, al tiempo que se alarga la duración total del tratamiento del paciente o aumenta la carga de trabajo del personal. Por ello, los objetivos no pueden definirse únicamente en función de la eficiencia, la rapidez o los costes.
Es necesario ponerse de acuerdo sobre qué se entiende por «buen funcionamiento». Esto incluye la calidad y la seguridad de la atención sanitaria, el trabajo del personal y la experiencia global del paciente. En última instancia, las decisiones son cuestiones de gestión. El gemelo digital puede ayudar a vislumbrar las alternativas y sus posibles consecuencias, pero son las personas quienes deciden qué es aceptable y qué es deseable.
Se abre una perspectiva más amplia si se amplía el análisis desde un departamento concreto a todo el hospital y, posteriormente, a un conjunto formado por varios servicios u hospitales. De este modo, por ejemplo, la disponibilidad del personal, el aprovechamiento de la capacidad y el trasvase de pacientes entre las distintas fases de la atención pueden analizarse en un mismo modelo.
Esto también conlleva una advertencia. Cuanto más amplio sea el conjunto que se modele, mayor será la necesidad de disponer de información fiable y actualizada. También es necesario contar con una visión común de lo que se pretende lograr. En la práctica, por lo tanto, conviene comenzar el trabajo a partir de problemas delimitados, cuyos efectos se puedan identificar y medir.
Finlandia cuenta con unas buenas bases para ello. Disponemos de infraestructura digital, datos sanitarios y una sólida experiencia. Además, existe una intensa colaboración entre los hospitales, el ámbito de la investigación, los organismos públicos y las empresas. A pesar de estos puntos fuertes, el avance no se logrará únicamente con nuevos proyectos piloto.
La fase más compleja comienza cuando la solución que ha demostrado su eficacia debe integrarse en el flujo de trabajo adecuado, deben demostrarse sus efectos y debe ampliarse su uso más allá de la primera unidad. Tener éxito en esta fase suele requerir más perseverancia que la puesta en marcha de la primera prueba piloto.
El objetivo de la inteligencia artificial no es eliminar al ser humano de la relación entre el paciente y la atención sanitaria. Debería permitir que los profesionales dispongan de más tiempo para dedicarse a tareas que requieren experiencia, criterio y empatía. La necesidad de estas cualidades no desaparecerá a medida que avance la tecnología.
Cuando evalúo una nueva solución, suelo recurrir a unas cuantas preguntas sencillas:
1. ¿Qué problema estamos resolviendo?
2. ¿Cómo cambiará en la práctica el trabajo de los profesionales?
3. ¿Cómo se supervisan los efectos durante el uso?
4. ¿Cómo se integra la solución con otros sistemas y procesos?
El gemelo digital de la actividad aporta aún otra cosa:
¿Qué consecuencias tendría en el resto del sistema si modificáramos este punto?
Las respuestas a estas preguntas suelen revelar más sobre las posibilidades de éxito que una presentación técnica o una promesa sobre el producto.
La inteligencia artificial avanza rápidamente, pero en el ámbito sanitario la cuestión fundamental sigue siendo bastante sencilla: ¿ayuda esa solución a los profesionales a realizar su trabajo mejor, con mayor fluidez y de forma más segura?
Si la respuesta solo aparece en las diapositivas de la presentación y no en el trabajo diario, la implementación aún no se ha completado.
Al final, el éxito se mide en términos de costes de producción.
