La IA por sí sola no transformará la sanidad estadounidense

Imagine que es de madrugada y su hijo está gravemente enfermo. Usted corre al hospital, preparándose para montañas de papeleo, largas esperas y un personal sobrecargado. En lugar de eso, se encuentra con un clínico que conoce el historial médico de su hijo con todo detalle. En cuestión de minutos, un equipo de especialistas evalúa a su hija y le prescribe un plan de tratamiento personalizado adaptado a su genética y a miles de casos similares. Sin conjeturas. Sin pruebas redundantes. El diagnóstico está claro, al igual que el camino a seguir. La inteligencia artificial podría convertir esta historia en la nueva normalidad. Desde el descubrimiento de los antibióticos, la medicina no se había enfrentado a un potencial de transformación semejante. Pero la IA por sí sola no hará realidad este futuro sin serias reformas estructurales en Estados Unidos. Tenemos que arreglar los defectos que han roto el actual sistema sanitario. Si no lo hacemos, la IA podría amplificar las ineficiencias, los incentivos desajustados y las desigualdades que impregnan la sanidad actual. Con la IA evolucionando a una velocidad de vértigo, la ventana para actuar se está cerrando, junto con la oportunidad de garantizar que los beneficios de la IA lleguen a todos. En Stanford, donde trabajo, y en todo el sector, ya estamos viendo la promesa de la IA en el mundo real. Procesos biológicos complejos que antes los científicos tardaban décadas en describir están siendo iluminados por la IA en cuestión de meses. La IA está agilizando los ensayos clínicos, ayudando a los científicos a identificar nuevas dianas farmacológicas e incluso está contribuyendo al desarrollo de nuevas terapias. La pregunta abierta es si estos avances se traducirán en mejoras significativas en la salud humana. Convertir los descubrimientos en mejores resultados para los pacientes exige algo más que avances tecnológicos; requerirá profundas reformas en la infraestructura sanitaria estadounidense, los sistemas de pago y los flujos de trabajo clínicos. Sin estos cambios, incluso las innovaciones más prometedoras corren el riesgo de quedarse estancadas en los laboratorios de investigación o limitarse sólo a quienes puedan permitírselas. Evitar que se repita la experiencia de la HCE La Ley de tecnologías de la información sanitaria para la salud económica y clínica (HITECH) de 2009, que ordenó la adopción de sistemas de historias clínicas electrónicas (HCE), inauguró la era digital de la medicina en Estados Unidos. Pero en lugar de mejorar la experiencia asistencial, durante años la transición cargó a los médicos con abrumadoras cargas administrativas. Diseñadas en gran medida para satisfacer los complejos requisitos de facturación de las aseguradoras, las HCE descuidaron a menudo las necesidades prácticas de médicos y pacientes. Aunque las HCE han mejorado con el tiempo, siguen siendo engorrosas, ineficaces y, en algunos casos, plantean riesgos para la seguridad debido a sus interfaces poco fáciles de usar. Estudios publicados en los últimos años han descubierto que los médicos dedican una enorme cantidad de su tiempo a tareas relacionadas con las HCE, lo que contribuye a elevar las tasas de agotamiento. Corremos el riesgo de repetir este error con la IA. Ya estamos viendo cómo se desarrolla una carrera armamentística de IA entre los médicos y las compañías de seguros. Las aseguradoras están desplegando herramientas de IA para examinar y, a menudo, denegar rápidamente la cobertura de los tratamientos, mientras que los médicos contraatacan con sistemas impulsados por la IA para justificar la atención necesaria. Este tira y afloja tecnológico no mejora la prestación asistencial, sino que simplemente desplaza los recursos de la atención al paciente a la lucha dentro del sistema. Para dirigir la IA hacia la consecución de un futuro más saludable, debemos perseguir tres prioridades urgentes: 1. Reformar los incentivos. El primer paso consiste en hacer frente a los incentivos que configuran la asistencia sanitaria en la actualidad. Históricamente, los incentivos del mercado han influido profundamente en la adopción de tecnologías, y no siempre para el mayor bien. Debemos diseñar cuidadosamente los incentivos para promover los resultados que deseamos y mitigar cualquier efecto adverso. La IA no puede transformar un sistema construido sobre incentivos mal alineados. Hoy en día, el reembolso de honorarios por servicio sigue siendo el modelo de pago dominante en Estados Unidos, que recompensa el volumen de atención prestada y no la calidad o el impacto a largo plazo de esa atención. Este modelo prioriza la facturación sobre el impacto clínico y sigue desalentando las intervenciones que hacen hincapié en la prevención, la detección precoz y la mejora de la salud a largo plazo. Por ejemplo, una mejor gestión de la diabetes en fase temprana podría reducir la mortalidad por todas las causas en los pacientes en casi un 20%, pero las estructuras de reembolso en Estados Unidos a menudo no apoyan las intervenciones necesarias a largo plazo. Y en general, las herramientas que permiten la monitorización continua, el diagnóstico precoz o la planificación personalizada del tratamiento suelen estar infrautilizadas y sin financiación. Los Centros de Servicios de Medicare y Medicaid (CMS, por sus siglas en inglés ) han estado avanzando constantemente en el cambio hacia una atención basada en el valor, promoviendomodelos que priorizan los resultados sanitarios sobre el volumen. Aunque esto representa un paso importante en la dirección correcta, para aprovechar todo el potencial de estas reformas, debemos asegurarnos de que la IA esté integrada en la próxima generación de estrategias de atención basadas en el valor. Eso incluye actualizar los códigos de facturación para que reflejen los procedimientos habilitados por la IA, ampliar la cobertura de los diagnósticos digitales y las herramientas de monitorización remota, y crear vías de reembolso que recompensen el uso de la IA para prevenir enfermedades, no sólo para tratarlas. Una legislación como la recientemente presentada Ley bipartidista de Inversión en Tecnología Sanitaria ofrece un marco oportuno y prometedor. El proyecto de ley propone ampliar las vías de reembolso para las tecnologías sanitarias digitales, incluida la IA, y permitir su adopción en diversos entornos clínicos. Un apoyo financiero estructurado como éste es fundamental para evitar un futuro fragmentado en el que sólo las instituciones con buenos recursos tengan un papel en la configuración de una asistencia respaldada por la IA. La IA también puede formar parte de la solución a los problemas de reembolso, pero debe abordarse con cuidado. Desplegando cuidadosamente la IA para automatizar procesos como la verificación de la elegibilidad, la presentación de reclamaciones y la detección de errores en tiempo real, podemos reducir las cargas administrativas sin exacerbar el tira y afloja entre pagadores y proveedores. Bien hecho, esto podría liberar tiempo y recursos para centrarse en lo que más importa: el paciente. 2. Integrar la IA en la educación y la formación médicas. Las HCE cambiaron radicalmente la forma de trabajar de los profesionales sanitarios, a menudo de formas que no se habían previsto o comprendido del todo. Los estudios sobre la implantación de las HCE pusieron de manifiesto importantes disrupciones en el flujo de trabajo, soluciones poco seguras y errores de documentación, a menudo debidos a lagunas en la formación y la comprensión. La IA traerá consigo cambios igualmente profundos, lo que supondrá un importante reto de formación y un cambio cultural. En medicina, nos enfrentamos a una importante "brecha saber-hacer": el desfase entre el momento en que sabemos que algo es beneficioso y el momento en que realmente se adopta en la práctica. Por término medio, las nuevas prácticas basadas en la evidencia tardan 17 años en convertirse en la práctica habitual en Estados Unidos, en gran parte debido al obstinado compromiso con prácticas arraigadas y al sobrecogedor volumen de datos emergentes que deben interpretar los profesionales sanitarios. Superar estas barreras requiere una educación continua y cambios sistémicos para fomentar la rápida integración y adaptación de los nuevos conocimientos. Integrar la IA en los planes de estudios de educación médica es una parte fundamental de la solución. Las futuras generaciones de proveedores deben ser educadas y equipadas con las habilidades y la mentalidad necesarias para integrar la IA en la atención al paciente. Más allá de las aulas, los sistemas sanitarios también deben ampliar las oportunidades de formación y fomentar una cultura de aprendizaje continuo para garantizar que sus profesionales sanitarios estén preparados para adoptar la IA como herramienta para mejorar lo que mejor saben hacer. Las oportunidades son, de hecho, significativas. Pensemos en el uso de las juntas tumorales asistidas por IA, que podrían revolucionar la atención oncológica. Las juntas de tumores son equipos especializados y multidisciplinares de profesionales sanitarios que se reúnen para debatir casos de cáncer y determinar los mejores planes de tratamiento para los pacientes. La IA podría mejorar el modo en que las juntas de tumores asimilan las últimas investigaciones, los datos de los pacientes y las opiniones de los expertos, ayudando a cerrar la brecha de conocimientos a la hora de aplicar nuevos tratamientos contra el cáncer. Con el apoyo de una beca de investigación, Stanford Medicine está explorando activamente este tipo de integración de la IA. 3. Implicar a médicos y pacientes en el desarrollo y el uso de la IA. Debido a que el desarrollo de las HCE excluía en gran medida las voces de médicos y pacientes, las herramientas no satisfacían sus necesidades. Encuestas recientes muestran que el 50% de los médicos considera que las HCE han comprometido su eficacia clínica y casi el 60% aboga por una revisión completa de estos sistemas. Para que la IA evite este escollo, los médicos y los pacientes deben participar activamente en el desarrollo, las pruebas y la aplicación de las herramientas de IA desde el principio. Según una encuesta de la Asociación Médica Estadounidense (AMA),el 78% de los médicos quiere explicaciones claras sobre cómo toman decisiones los sistemas de IA. Sin embargo, muchos sistemas aún carecen de la transparencia necesaria para que los médicos entiendan y confíen en las recomendaciones generadas por la IA, un reto que no podemos permitirnos pasar por alto. Para que los pacientes confíen en la IA, también es necesario implicarlos. Ya existen pruebas preocupantes de que los pacientes se muestran cada vez más escépticos ante la IA. Un estudio del Pew Research Center de 2023 reveló que el 60% de los estadounidenses se sentirían incómodos si su proveedor de atención sanitaria confiara en la IA para el diagnóstico y las recomendaciones de tratamiento. Para mitigar estos riesgos, las herramientas de IA deben desarrollarse utilizando diversos conjuntos de datos que representen a una amplia gama de poblaciones. Además, implicar a pacientes y médicos en las fases de diseño y prueba garantizará que las herramientas de IA sean equitativas, fiables y eficaces en los distintos grupos demográficos. De hecho, es el factor humano -equipar a pacientes y médicos para que utilicen la IA con el fin de tomar mejores decisiones asistenciales- el que permitirá una integración más fluida de estas herramientas. A medida que los sistemas de IA se vuelven más avanzados, una cuestión crítica es cómo deben utilizarse en la toma de decisiones clínicas: como herramientas para ayudar a los médicos o como agentes autónomos que toman decisiones de forma independiente. En Stanford, compartimos con muchos otros la opinión de que, a corto plazo, la IA debe utilizarse para apoyar, no para sustituir, el juicio clínico. Con el tiempo, sin embargo, a medida que los modelos de IA sean más capaces y se validen en entornos reales, la línea entre apoyo y autonomía puede difuminarse. Esta evolución subraya la importancia de una supervisión y una regulación rigurosas y continuas. Los marcos reguladores, como el enfoque de la Administración de Alimentos y Medicamentos para supervisar los algoritmos de aprendizaje continuo, tendrán que seguir el ritmo del cambio tecnológico al tiempo que garantizan la seguridad, la transparencia y la equidad. La IA representa una oportunidad única para transformar el futuro de la asistencia sanitaria. Pero esta transformación no se producirá de forma automática. Debemos actuar deliberadamente y aprender de los errores del pasado. Alineando los incentivos, fomentando una cultura de aprendizaje continuo e implicando a todas las partes interesadas, podemos garantizar que la IA ofrezca un mejor sistema sanitario en Estados Unidos, uno que funcione para todos.

La IA por sí sola no transformará la sanidad estadounidense

Resumen.

Partner Center