¿Es el ‘Big Data’ la solución milagrosa para la salud en Estados Unidos?

A principios de este verano, la decisión histórica de la Corte Suprema de anular la deferencia de Chevron generó efectos de ondas en las industrias. La decisión impacta significativamente la latitud y autonomía que las agencias federales han tenido para definir, interpretar y hacer cumplir regulaciones. En salud, el hito sirve como una oportunidad para hacer un balance de lo que se ha logrado hasta ahora con big data y cómo se ven las perspectivas en este nuevo panorama regulatorio.

Desde el principio, la nueva sentencia introduce una complejidad adicional a un marco regulatorio de AI en salud que ya era confuso, especialmente en torno a cómo tecnologías avanzadas como la AI pueden mejorar la salud analizando enormes conjuntos de datos de salud (o el llamado “big data”). El debate subsiguiente sobre la regulación de la AI ha pasado por alto en gran medida el punto de su potencial para ayudar a transformar la salud estadounidense para mejor.

Datos importantes no resolverán los desafíos de la salud. Aquí está el por qué: Durante décadas, hemos estado recolectando y analizando cantidades masivas de datos de salud, esperando mejorar los resultados de salud, reducir costos y lograr equidad en salud. De hecho, este año se cumplen 15 años de la Ley HITECH, un programa de incentivos federales de $27 mil millones para impulsar la adopción de registros médicos electrónicos, creando vastos conjuntos de datos de salud con el potencial de mejorar la atención. Junto con eso, las compañías farmacéuticas, reclamaciones de seguros, dispositivos portátiles y otras fuentes también han estado contribuyendo con ricos tesoros de big data.

LEAR  Cómo obtener suficiente para una salud óptima.

Años más tarde, ¿qué tenemos para mostrar? No mucho en términos de mejorar los resultados de salud. Estados Unidos sigue siendo el sistema de salud más caro del mundo. A pesar del alto gasto, los estadounidenses experimentan algunos de los peores resultados de salud en general entre las naciones de altos ingresos. Tenemos la esperanza de vida más baja al nacer, las tasas de mortalidad más altas para condiciones evitables o tratables, y la mortalidad materna e infantil más alta. Estados Unidos también tiene la tasa más alta de personas con múltiples enfermedades crónicas y una tasa de obesidad casi el doble del promedio de otras naciones ricas.

¿A dónde vamos desde aquí? La transformación real y el cambio se ven continuamente obstaculizados por masivos obstáculos estructurales y sistémicos como nuestro sistema enrevesado de cómo se paga y se reembolsa la atención, el acceso irregular a la atención y, más ampliamente, obstáculos y fricciones en la interacción entre proveedores, pagadores y consumidores. Hasta ahora, los avances tecnológicos por sí solos han fracasado en abordar la tan buscada “transformación del ecosistema” que se necesita para mover la curva de resultados de salud a la derecha, para beneficiar a todas las personas.

¿Qué puede ofrecer el big data para impulsar tales esfuerzos? Apliquemos la AI para empoderar a los pacientes para que puedan tomar decisiones más informadas basadas en evidencias mientras alinean proactivamente los incentivos. Las decisiones médicas guiadas por datos razonados pueden llevar a una atención al paciente más individualizada, costos mejor optimizados y resultados equitativos que superen los estándares globales.

Las tecnologías emergentes de AI ofrecen una oportunidad sin precedentes para mejorar la eficiencia, reducir el desperdicio y abordar las desigualdades. Tener más diversidad en las fuentes de datos también representa una oportunidad sin explotar. Los propios pacientes pueden aportar información valiosa sobre factores como los beneficios y daños a largo plazo de la cirugía o las opciones de terapias médicas. Los resultados informados por los pacientes importan y, con la ayuda de big data que los aprovecha, pueden convertirse en un componente central de la toma de decisiones. Además, también pueden estar directamente relacionados con la utilización y fijación de precios.

LEAR  Startup irlandés consigue $120 millones para implante de insuficiencia cardíaca

Del mismo modo, un enfoque de elección informada con los pacientes, en lugar del consentimiento informado tradicional, ofrece una forma de integrar los valores y preferencias de los pacientes en la atención. Con herramientas de AI generativas, podemos hacer un mejor trabajo al brindar claridad a los pacientes sobre los beneficios y daños de un tratamiento dado.

Estos cambios deben venir con beneficios tangibles para los pacientes si queremos fomentar una mayor participación, y confianza, en el intercambio de datos. Imagina dar a los pacientes información personalizada sobre su salud. Esto nos ayuda a pasar de una atención estandarizada a una atención optimizada para cada paciente. Esto abre caminos para reducir el gasto evitando procedimientos y tratamientos persistentemente utilizados que podrían ser injustificados, ineficaces o simplemente no deseados por un paciente mejor informado. Hoy, celebremos la promesa de la tecnología emergente como la AI generativa para aprovechar el big data para una mejor salud. Más importante aún, los tecnólogos y los clínicos deben seguir trabajando como agentes de cambio, presionando por una verdadera reimaginación del ecosistema de la salud donde el potencial del big data pueda florecer.

Foto: metamorworks, Getty Images

El Dr. Peter Bonis es el Director Médico de Wolters Kluwer Health y Profesor Adjunto de Medicina en la Facultad de Medicina de la Universidad de Tufts. El Dr. Jim Weinstein es Jefe de Acceso y Equidad Global en Microsoft. Anteriormente fue CEO de Dartmouth Health, Director Inaugural y Presidente Peggy Thompson del Dartmouth Institute, y Profesor en Dartmouth y Profesor Clínico en la Universidad Northwestern (Kellogg School of Management).

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 averiguar cómo.

LEAR  Cómo quemar la grasa del vientre - 3 cosas que puedes hacer de inmediato para quemar la grasa del vientre

Deja un comentario