El mercado de la salud ha sido inundado con nuevas soluciones de IA, y para estar seguros, algunas de estas soluciones aplican la IA de manera significativa y efectiva; sin embargo, hay tantas soluciones que prometen revolucionar la prestación y administración de cuidados. En realidad, muchas de estas soluciones se reducen a poco más que el uso de chatbots potenciados por IA para reducir marginalmente los flujos de trabajo manuales y los gastos generales, mientras cobran sumas exorbitantes a los clientes.
La tendencia de las empresas de IA que se adentran en la salud y las empresas de salud que se adentran en la IA, impulsadas por grandes inversiones tecnológicas, es evidencia clara del enorme potencial de la IA. Sin embargo, incluso las empresas de IA más establecidas han tenido dificultades para adaptar sus soluciones a las complejidades de la salud. ChatGPT es ampliamente considerado como la IA generativa más avanzada disponible para el público, sin embargo, cuando los investigadores de JAMA Pediatrics pusieron a prueba ChatGPT recientemente, el programa diagnosticó incorrectamente un asombroso 83% de los casos pediátricos.
Estas aplicaciones de bajo retorno de la inversión dificultan que las soluciones legítimas de IA de organizaciones de IA de salud establecidas obtengan un lugar en el mercado. Y este patrón de prometer demasiado y no cumplir inevitablemente generará escepticismo entre los líderes de la salud, lo que a su vez obstaculizará la adopción de soluciones habilitadas por IA en toda la industria.
Para utilizar de manera efectiva la IA en la salud, los líderes de la salud primero necesitan comprender qué es capaz de hacer la IA y, igual de importante, qué no es capaz de hacer. Una comprensión más completa de la IA es esencial para ayudar a la industria de la salud a separar la verdad de la exageración. Las organizaciones proveedoras en particular necesitan tener mucho cuidado en cómo aplican la IA, especialmente en lo que respecta a la atención al paciente. Pero hay un punto óptimo para la IA en el continuum de la salud: para abordar la abrumadora carga administrativa con la que muchas organizaciones están luchando. La IA tiene un tremendo potencial para ayudar con la simplificación administrativa, el ajuste de riesgos y la atención basada en el valor.
Gran parte del revuelo en torno a la IA en la salud se centra en el potencial de los modelos generativos. Boston Consulting Group afirma que la IA generativa puede leer y analizar RMN, diagnosticar condiciones, crear planes de tratamiento personalizados para pacientes, mejorar la interoperabilidad de los datos de salud e incluso apoyar iniciativas de salud poblacional.
El potencial para estas aplicaciones ciertamente existe, pero hay algunos obstáculos significativos que deben superarse antes de que la industria de la salud pueda aplicar de manera significativa la IA generativa con poco o ningún aporte humano. Se espera que la IA generativa cometa errores a medida que aprende; de hecho, estos errores son cómo la IA aprende. Otras industrias pueden permitirse un enfoque de ensayo y error, pero ese no es el caso en la salud, donde las apuestas son mucho más altas y el fracaso puede ser fatal. Los proveedores de atención tienen el deber legal y moral de proteger la vida de sus pacientes, y simplemente no hay margen de error.
A pesar de estos desafíos, la necesidad de adoptar la IA en la salud es clara. El movimiento de la industria hacia la atención basada en el valor requiere cantidades masivas de datos de pacientes/miembros y poblacionales para ser efectivo. Cuantos más datos recolecten las organizaciones de salud, más trabajo administrativo se necesita para gestionarlos y más gasta la industria en tareas administrativas. Un informe reciente del Consejo para la Calidad y la Eficiencia en el Cuidado de la Salud (CAQH) encontró que la industria de la salud gastó $60 mil millones en tareas administrativas en 2022, un aumento de $18 mil millones desde 2021.
La mayoría de los datos de los pacientes son no estructurados (imágenes, notas de historias clínicas, PDFs no OCR y faxes, etc.) y no se organizan ni se integran fácilmente en los sistemas de salud para su análisis posterior. Como resultado, las ideas valiosas sobre los pacientes/miembros y las poblaciones a menudo siguen siendo inaccesibles para las organizaciones de salud. Los costos administrativos pueden reducirse significativamente aplicando IA para ayudar a que los trabajadores humanos sean más eficientes. La IA generativa puede proporcionar datos contextuales para proporcionar detalles y ayuda y así reducir drásticamente las tareas administrativas.
Las organizaciones de salud también operan en sistemas dispares, lo que exacerba el desafío del intercambio de datos. Las ideas que los proveedores y los planes de salud intercambian entre sí a menudo están fragmentadas e incompletas, lo que a su vez crea fricciones entre las organizaciones asociadas. Superar estos obstáculos es vital para el éxito en la atención basada en el valor.
Aprovechar y aplicar de manera efectiva la inteligencia derivada de los datos es un gran obstáculo para la industria de la salud. Otro es la necesidad de garantizar la fidelidad y precisión de esos datos. Los modelos de IA son tan precisos como los datos en los que se entrenan; las organizaciones de salud deben priorizar la fidelidad de los datos para optimizar la precisión de las ideas impulsadas por la IA.
El camino hacia una adopción significativa de la IA en la salud es largo. Sin embargo, el problema de datos de la industria de la salud subraya la necesidad urgente de apoyo de la IA. Al priorizar la precisión y la interoperabilidad de los datos, los interesados pueden comenzar a desbloquear el potencial de la IA en la salud. Como siempre ha sido, la industria continuará evolucionando. Reconfigurar el futuro de la prestación y administración de la salud requerirá una aplicación responsable y juiciosa de las soluciones de IA. Y aunque la IA puede mejorar el trabajo que hacen los humanos, es importante recordar que la IA por sí sola no es un sustituto aceptable de la interacción humana y la evaluación clínica.
Foto: Sylverarts, Getty Images
Como Director de Tecnología, Sundar Shenbagam es responsable de establecer la dirección y estrategia tecnológica de Edifecs. Tiene una amplia experiencia en procesos ágiles, desarrollo de calidad primero y conversión de productos locales a servicios en la nube. Sundar se unió a Edifecs desde Oracle, donde pasó 24 años construyendo múltiples productos empresariales y servicios en la nube. Más recientemente, lideró el servicio en la nube Oracle AI Voice Digital Assistant, el servicio en la nube de automatización de IA de Oracle y la suite de productos Oracle BPM. Sundar tiene una maestría en Ciencias de la Computación de IIT Bombay.
Esta publicación aparece a través del programa MedCity Influencers. Cualquiera puede publicar su perspectiva sobre negocios e innovación en salud en MedCity News a través de MedCity Influencers. Haga clic aquí para saber cómo.