Beneficios para el cuidado de la salud de combinar Wearables e IA

Resumen.

Existe un enorme interés en aplicar IA a casi todas las áreas de la atención médica. Pero no todas las aplicaciones de IA en el cuidado de la salud producirán beneficios similares. Una de las áreas que más beneficiará es la vigilancia remota de un gran número de personas. Los dispositivos portátiles pueden transmitir volúmenes de datos clínicos: presión arterial, frecuencia respiratoria, niveles de oxígeno, pulso, presión arterial y temperatura corporal. Pero revisar todo esto en tiempo real y saber quién necesita intervención está más allá de la capacidad humana. Sin embargo, la IA puede hacer esto fácilmente. Los pilotos de IA están siendo administrados ahora en el Servicio Nacional de Salud del Reino Unido, Mt. Sinaí, el Hospital Grady en Atlanta, y otros lugares para alertar a pacientes y médicos cuando se necesiten intervenciones de atención médica que podrían haberse perdido de otro modo.

En el sudeste de Inglaterra, los pacientes dados de alta de un grupo de hospitales que atienden a 500.000 personas están equipados con un brazalete habilitado para Wi-Fi que monitorea de forma remota los signos vitales como la frecuencia respiratoria, los niveles de oxígeno, el pulso, la presión arterial y la temperatura corporal.

Bajo un Programa piloto del Servicio Nacional de Salud que ahora incorpora inteligencia artificial para analizar todos los datos de los pacientes en tiempo real, las tasas de readmisión hospitalaria han bajado y se han reducido las visitas a la sala de urgencias. Además, la necesidad de realizar costosas visitas domiciliarias ha disminuido un 22%. A largo plazo, la adherencia a los planes de tratamiento ha aumentado hasta el 96%, en comparación con el promedio de la industria del 50%.

El piloto de IA está dirigido a lo que el profesor de Harvard Business School y co-fundador de Innosight Clay Christensen llama «no consumo». Estas son áreas de oportunidad en las que los consumidores tienen un trabajo por hacer que actualmente no esté abordado por una solución asequible o conveniente.

Antes del piloto del Reino Unido en los hospitales de Dartford y Gravesham, por ejemplo, el monitoreo domiciliario había consistido en enviar personal hospitalario para conducir hasta 90 minutos de ida y vuelta para registrarse con los pacientes en sus hogares aproximadamente una vez por semana. Pero con algoritmos que ahora buscan constantemente señales de advertencia en los datos y alertan tanto a pacientes como profesionales al instante, nace una nueva capacidad: proporcionar atención médica antes de que supiera que incluso la necesita.

La mayor promesa de inteligencia artificial —predicciones precisas a un costo marginal casi nulo — ha generado, con razón, un interés sustancial en aplicar la IA a casi todas las áreas de la atención médica. Pero no todas las aplicaciones de IA en el cuidado de la salud son igualmente adecuadas para beneficiarse. Además, muy pocas aplicaciones sirven como respuesta estratégica adecuada a los mayores problemas que enfrentan casi todos los sistemas de salud: la descentralización y la presión del margen.

Tomemos, por ejemplo, herramientas de inteligencia artificial para imágenes médicas, un área en la que los hospitales están proyectado gastar $2 mil millones anuales en un plazo de cuatro años. Diagnosticar con precisión enfermedades desde cánceres hasta cataratas es una tarea compleja, con consecuencias difíciles de cuantificar pero típicamente importantes. Sin embargo, la tarea es actualmente parte de flujos de trabajo más grandes realizados por médicos altamente especializados y altamente capacitados que se encuentran entre algunas de las mejores mentes del mundo. Estos médicos pueden necesitar ayuda en los márgenes, pero este es un trabajo que ya se está haciendo. Tales factores hacen que el diagnóstico de enfermedades sea un área extraordinariamente difícil para la IA para crear cambios transformadores. Por lo tanto, es poco probable que la aplicación de la IA en estos entornos, aunque sea beneficiosa para los resultados de los pacientes, mejore fundamentalmente la forma en que se proporciona la atención médica o reduzca sustancialmente los costos a corto plazo.

Sin embargo, las organizaciones líderes que buscan descentralizar la atención médica pueden implementar IA para hacer cosas que nunca se habían hecho antes. Por ejemplo: hay una amplia gama de decisiones sanitarias no agudas que los consumidores toman diariamente. Estas decisiones no merecen la atención de un médico calificado, sino que en última instancia juegan un papel importante en la determinación de la salud del paciente y, en última instancia, el costo de la atención médica.

Según la Organización Mundial de la Salud, 60% de los factores relacionados con la salud individual y la calidad de vida están correlacionados con las opciones de estilo de vida, incluyendo tomar recetas como medicamentos para la presión sanguínea correctamente, hacer ejercicio y reducir el estrés. Con la ayuda de modelos impulsados por IA, ahora es posible proporcionar a los pacientes intervenciones y recordatorios a lo largo de este proceso cotidiano basados en cambios en los signos vitales del paciente.

El monitoreo de salud en el hogar en sí no es nuevo. Se están llevando a cabo programas activos y estudios piloto a través de instituciones líderes que abarcan desde Partners Healthcare, United Healthcare y la Escuela de Medicina Johns Hopkins, con resultados positivos. Sin embargo, esos esfuerzos todavía no han aprovechado la IA para hacer mejores juicios y recomendaciones en tiempo real. Debido a los enormes volúmenes de datos involucrados, los algoritmos de aprendizaje automático son especialmente adecuados para escalar esa tarea para poblaciones grandes. Después de todo, grandes conjuntos de datos son lo que la IA potencia al hacer que esos algoritmos sean más inteligentes.

Mediante la implementación de IA, por ejemplo, el programa del NHS no sólo puede ampliarse en el Reino Unido, sino también a nivel internacional. Current Health, el fabricante respaldado por capital de riesgo de los dispositivos de monitoreo de pacientes utilizados en el programa, recientemente recibió la autorización de la FDA para pilotar el sistema en Estados Unidos y ahora lo está probando con el Hospital Mount Sinai de Nueva York. Es parte de un esfuerzo por reducir los reingresos de pacientes, que cuesta a los hospitales estadounidenses alrededor de $40 mil millones anuales.

El éxito temprano de estos esfuerzos lleva a cabo tres lecciones sobre el uso de la IA para abordar el problema del no consumo en el nuevo mundo de la atención sanitaria centrada en el paciente:

1) Centrarse en impactar las métricas críticas, por ejemplo, reducir las costosas tasas de readmisión hospitalaria.

Comience con poco a casa en el objetivo de hacer un impacto en una métrica clave vinculada tanto a los resultados de los pacientes como a la sostenibilidad financiera. Al igual que en el proyecto piloto del Reino Unido, esto se puede hacer a través de un programa con hospitales seleccionados o ubicaciones de proveedores. En otro caso el Hospital Grady, el hospital público más grande de Atlanta, apunta a $4M en ahorro de las tasas de readmisión reducidas en un 31% a lo largo de dos años gracias a la adopción de un Herramienta de IA que identifica a los pacientes «en riesgo». El sistema alerta a los equipos clínicos para que inicien puntos de contacto e intervenciones especiales para el paciente.

2) Reduzca el riesgo confiando en nuevos tipos de socios.

No intentes hacer todo solo. En lugar de ello, forjar alianzas con socios que tengan como objetivo abordar problemas similares. Considere la Alianza Synaptic Healthcare, un programa piloto colaborativo entre Aetna, Ascensión, Humana, Optum y otros. La alianza está usando blockchain para crear un conjunto de datos gigante a través de varios proveedores de atención médica, con pruebas de IA sobre los datos que están en marcha. El objetivo es racionalizar la gestión de los datos de los proveedores de atención médica con el objetivo de reducir el costo de tramitar las reclamaciones y, al mismo tiempo, mejorar el acceso a la atención médica. Ir solo puede ser arriesgado debido a problemas de incompatibilidad de datos. Por ejemplo, el M.D. Anderson Cancer Center tuvo que cancelar millones de costos por un proyecto fallido de IA debido en parte a la incompatibilidad con su sistema de registros médicos electrónicos. Al unir fuerzas, el conjunto de datos de Synaptic estará en un formato estándar que hace que los registros y resultados sean transportables.

3) Utilice la IA para colaborar, no competir, con profesionales altamente capacitados.

Los médicos a menudo buscan aumentar su conocimiento y razonamiento, y la IA puede ayudar. Muchas aplicaciones de IA médica realmente compiten con los médicos. En radiología, por ejemplo, algunos algoritmos han realizado diagnósticos de bases de imágenes tan bien como o mejor que los expertos humanos. Sin embargo, no está claro si los pacientes y las instituciones médicas confiarán en la IA para automatizar completamente ese trabajo. Un piloto de la Universidad de California en San Diego en el que AI diagnosticó con éxito enfermedades infantiles con mayor precisión que los pediatras de nivel junior todavía requerían que los médicos mayores revisaran personalmente y firmaran el diagnóstico. El objetivo real siempre será usar la IA para colaborar con los médicos que buscan una mayor precisión, no tratar de reemplazarlos.

MIT y MGH han desarrollado un modelo de aprendizaje profundo que identifica a los pacientes susceptibles de desarrollar cáncer de mama en el futuro. Aprendiendo de los datos de 60.000 pacientes anteriores, el sistema de IA permite a los médicos personalizar su enfoque de detección del cáncer de mama, creando esencialmente un perfil de riesgo detallado para cada paciente.

En conjunto, estas tres lecciones combinadas con soluciones orientadas al no consumo tienen el potencial de proporcionar un camino claro hacia el aprovechamiento eficaz de una tecnología que ha sido objeto de un exceso de prometedor desenfrenado. A más largo plazo, creemos que uno de los beneficios transformadores de la IA será profundizar las relaciones entre los proveedores de salud y los pacientes. El piloto del Reino Unido, por ejemplo, está resultando en registros proactivos más frecuentes que nunca hubieran ocurrido antes. Esto es bueno tanto para mejorar la salud como para la lealtad de los clientes en el emergente mercado de atención médica centrado en el consumidor.

— Escrito por Moni Miyashita Moni Miyashita Michael Brady