Aunque los sistemas de salud han visto alguna mejora muy necesaria en los márgenes operativos en los últimos trimestres, estos titulares positivos ocultan una realidad perturbadora que ilustra los inmensos desafíos que la mayoría de los sistemas de salud todavía enfrentan con las operaciones hospitalarias: el 40% de los hospitales en la nación están perdiendo dinero.
Para muchos sistemas de salud que están luchando financieramente, el paso clave para transformar sus operaciones hospitalarias no radica en contratar más personal o crear más camas. Más bien, proviene de utilizar sus camas existentes de manera más eficiente. En otras palabras, optimizar el flujo de pacientes.
Para optimizar el flujo de pacientes, los líderes hospitalarios necesitan nuevas formas de tomar decisiones mejores y más claras sobre lo que está sucediendo tanto a nivel macro como a nivel de paciente en cada paso del viaje de atención aguda desde la admisión hasta el alta. En este sentido, la inteligencia artificial (IA) tiene el potencial de prever y predecir dónde los líderes hospitalarios deberían dirigir los recursos limitados como clínicos, personal y camas para mejorar la eficiencia operativa y lograr mejores resultados para los pacientes.
Cuatro desafíos comunes en el flujo de pacientes
El promedio de gastos ajustados por día de hospitalización en hospitales fue de $2,883 en 2021, con un máximo nacional de $4,181 en California, según la Fundación Kaiser Family. Los hospitales que no alcanzan el rendimiento de sus pares en relación a días evitables de pacientes o la duración de la estancia (LOS) pueden hacerlo por diversas razones, como problemas de personal, desafíos geográficos o decisiones de alta deficientes. Independientemente de la razón, el resultado es el mismo: un flujo de pacientes subóptimo que compromete la atención al paciente, sobrecarga a los clínicos y al personal, y obstaculiza el desempeño financiero.
A continuación se presentan algunos obstáculos comunes que los hospitales enfrentan con frecuencia en cada etapa del proceso de flujo de pacientes:
Transferencias ineficientes: Para muchos sistemas de salud, el proceso de transferencia está asociado con una falta de conciencia o procesos lentos e ineficientes debido a un esfuerzo manual extenso. Estos problemas provocan transferencias ineficientes, que disminuyen la calidad de la experiencia del paciente, añaden estrés a la fuerza laboral y resultan en fugas de pacientes a medida que las instalaciones y proveedores remitentes seleccionan otras opciones de atención terciaria.
Planificación de altas variable y demorada: Variaciones y demoras en la planificación de altas que conducen a días evitables excesivos y, en última instancia, a la LOS, creando ineficiencias operativas para los hospitales. Cuando los proveedores y el personal carecen de las herramientas, capacidad o tiempo necesarios para centrarse en la progresión de atención eficiente de cada paciente, el resultado son interrupciones en la progresión de la atención y altas demoradas de pacientes.
Barreras tediosas: Hay numerosas barreras tediosas en el flujo de pacientes que surgen con frecuencia en la progresión de pacientes agudos, incluidas demoras en los servicios de diagnóstico, demoras en los proveedores consultores y demoras en las transiciones de atención. Estas demoras pueden crear experiencias negativas para el personal mientras tienen que trabajar alrededor de impedimentos, y para los pacientes mientras esperan la atención necesaria.
Acceso a la atención postaguda (PAC) y problemas de transporte: Los problemas de PAC cobran mayor importancia cuanto más tarde se abordan en el proceso de atención aguda. Si la planificación de altas comienza al ingreso y se gestiona de manera efectiva durante las rondas diarias durante la estancia hospitalaria, entonces estos obstáculos pueden reducirse sustancialmente y la planificación de PAC puede comenzar lo antes posible en el viaje de atención del paciente.
Mejorando el flujo de pacientes con IA
Los hospitales recopilan vastas cantidades de datos todos los días sobre la atención al paciente y las operaciones. Sin embargo, estos datos no solo son útiles para revisiones retrospectivas; si se habilitan con tecnología de IA, también pueden permitir a los administradores prever y prepararse para la demanda futura y capacitar a los clínicos para tomar decisiones sobre el flujo de pacientes en tiempo real.
Con la aparición de la IA, los hospitales tienen una oportunidad única de integrar estas prácticas impulsadas por datos en la gestión diaria del flujo de pacientes, desde la admisión hasta el alta. Al aprovechar la IA y el modelado predictivo, los hospitales pueden descubrir patrones e información relevante en el flujo de pacientes y necesidades de atención a partir de vastas cantidades de datos hospitalarios en tiempo real e históricos. Estos conocimientos se actualizan rutinariamente en base a las mejores prácticas genéricas para incorporar tendencias y circunstancias recientes y mejorar su valor predictivo, permitiendo a los hospitales gestionar la atención de manera más efectiva en entornos y adaptarse rápidamente a circunstancias cambiantes. Pero si se implementa correctamente, la IA puede ayudar a los hospitales a crear modelos de datos que sean únicos para su negocio y adaptados a sus necesidades operativas específicas.
Una de las funciones más importantes que la IA puede brindar a los administradores hospitalarios es brindar claridad sobre los problemas y métricas más relevantes en los que los líderes deberían centrarse para lograr sus objetivos. Por ejemplo, si los líderes hospitalarios aprovechan la IA para predecir los recursos disponibles en función de las necesidades anticipadas de los pacientes, pueden alinear proactivamente los recursos con la demanda entrante y garantizar transiciones de pacientes óptimas.
Además, los modelos de IA pueden adaptarse para analizar datos específicos de pacientes y hospitales del sistema de salud para proporcionar detalles detallados a los clínicos sobre los pasos operativos y decisiones específicas a tomar para ciertos pacientes. Es importante tener en cuenta que esos pasos a menudo difieren entre los sistemas de salud, incluso para poblaciones de pacientes similares.
Este enfoque es un cambio significativo respecto a la práctica tradicional de integrar alertas de mejores prácticas en los flujos de trabajo de los clínicos en varios puntos críticos. Por el contrario, la IA debe examinar los datos y modelos de cada sistema de salud individual para identificar las visiones a nivel del sistema, así como las acciones únicas a tomar para cada paciente.
Para los administradores hospitalarios que investigan el uso de la IA, es fundamental identificar primero qué casos de uso se espera que mejore la tecnología. Los líderes deben evitar el error de adquirir una solución de IA y luego descubrir más tarde a qué problemas aplicarla.
Además, al aplicar la IA a un caso de uso o problema, es esencial que los líderes identifiquen algún medio para cambiar el proceso en torno a ese caso de uso para extraer todo el valor de la inversión tecnológica.
En última instancia, no hay un negocio más complicado en el cuidado de la salud que el espacio de cuidados agudos. En consecuencia, agregar una pieza de tecnología, por sofisticada que sea la solución, no hará que los desafíos operativos de los hospitales desaparezcan. Sin embargo, al utilizar la IA para necesidades específicas que anticipen problemas, brinden la capacidad de tomar decisiones de manera proactiva y impulsen cambios operativos en el flujo de pacientes, los líderes hospitalarios pueden comenzar a desbloquear oportunidades para avanzar en el rendimiento de los pacientes, la eficiencia operativa y los resultados para los pacientes.