La Revolución de la IA en la Salud: Mejoras en Diagnósticos y Tratamientos

Dr. Carlos Alberto Díaz. Profesor Titular Universidad ISALUD.

La Inteligencia Artificial (IA) es vista como la 4ª revolución industrial del siglo XXI. Su tecnología está transformando cómo los profesionales de la salud evalúan, tratan y mantienen los registros de los pacientes, eligen tratamientos y mejoran la precisión de los diagnósticos.

La inteligencia artificial en el ámbito de la salud posee la capacidad de analizar y evaluar grandes volúmenes de datos y documentación clínica. Su aplicación contribuye a reducir los errores médicos en las prácticas clínicas y permite a los profesionales de la salud identificar rápidamente marcadores de diagnóstico diferenciales que podrían ser pasados por alto.

La inteligencia artificial está transformando diversas industrias, incluida la salud. Es una herramienta esencial para optimizar la productividad y mejorar los resultados clínicos debido a las crecientes demandas de atención médica y al enfoque intensificado en la medicina de precisión. (Topol, 2019). El análisis predictivo, los tratamientos personalizados y la detección temprana de enfermedades son posibles gracias a la integración de la IA en la gestión sanitaria. Las aplicaciones de la IA son amplias y revolucionarias, abarcando desde modelos avanzados de aprendizaje automático que pronostican brotes epidemiológicos hasta chatbot asistidos por IA que brindan soporte a los pacientes.

La inteligencia artificial tiene el potencial de reducir los costos en los entornos sanitarios mediante la optimización de la gestión del flujo de trabajo, la programación y la asignación de recursos. En términos generales, el avance de la IA en la administración de la salud ejemplifica una transición paulatina desde conceptos teóricos hacia aplicaciones prácticas que actualmente están transformando tanto el tratamiento de los pacientes como la eficiencia operativa.

En 2023, el modelo de IA Med-PaLM de Google fue capaz de proporcionar respuestas médicas a nivel experto, ayudando a los médicos a diagnosticar casos complejos. Del mismo modo, el cribado asistido por IA para el cáncer de pulmón en China ha reducido los falsos positivos en un 50% en comparación con los métodos tradicionales. La rapidez y precisión del diagnóstico de enfermedades ha aumentado significativamente gracias a la IA. Grandes volúmenes de datos de pacientes son examinados por modelos predictivos, que pueden detectar tendencias que los médicos humanos no notarían (Esteva et al., 2017).

El análisis impulsado por IA ha optimizado las imágenes médicas, tales como tomografías computarizadas, resonancias magnéticas y radiografías. Los sistemas de IA disminuyen la posibilidad de diagnósticos erróneos al identificar con precisión las anomalías en las exploraciones médicas. En comparación con las técnicas convencionales, las herramientas de radiología basadas en IA permiten a los médicos detectar tumores, fracturas y otras afecciones de manera más rápida y precisa (McKinney y otros, 2020). Qure.ai, una herramienta de imagen impulsada por IA, se introdujo en hospitales de toda la India en 2022 y pudo identificar complicaciones de la COVID-19 y la tuberculosis en los pacientes más rápidamente que las técnicas tradicionales.

La IA permite el desarrollo de planes de tratamiento individualizados para cada paciente. La IA puede proponer opciones de tratamiento adaptadas que optimicen la eficacia mediante la evaluación de datos genéticos, clínicos y de estilo de vida. En oncología, la IA facilita la elección del tratamiento más adecuado contra el cáncer en función del perfil genético del paciente, lo cual mejora las tasas de supervivencia y minimiza los efectos secundarios relacionados con el tratamiento (Kourou et al., 2015). Basándose en el historial del paciente y en la investigación clínica más reciente, IBM Watson for Oncology proporciona recomendaciones de tratamiento personalizadas contra el cáncer en hospitales alrededor del mundo.

La IA es útil para optimizar los procesos administrativos y médicos. Las soluciones impulsadas por IA apoyan la participación del paciente, el procesamiento de seguros, la programación de citas y el mantenimiento de registros médicos. Estas herramientas reducen los errores de gestión de datos y disminuyen la carga de trabajo para los humanos (He et al., 2019). Los chatbots de IA y los asistentes virtuales, como Babylon Health, ayudan a los pacientes a programar citas con los médicos y proporcionan evaluaciones médicas preliminares basadas en los síntomas.

El uso de la inteligencia artificial (IA) para optimizar las operaciones hospitalarias se centra en tres áreas críticas: programación, flujo de trabajo y asignación de recursos. La implementación de la IA en la optimización de las operaciones hospitalarias puede analizarse desde diversas perspectivas teóricas interrelacionadas, tanto de la gestión sanitaria como de los sistemas de información. Entre ellas, la Teoría de Sistemas, la Teoría de Sistemas Sociotécnicos y la Teoría de la Decisión proporcionan información fundamental sobre cómo la IA se integra en los entornos hospitalarios para mejorar la programación, el flujo de trabajo y la asignación de recursos.

La Teoría de Sistemas postula que una organización funciona como un conjunto complejo e interdependiente de subsistemas que trabajan hacia un objetivo común. En un contexto hospitalario, estos subsistemas incluyen departamentos como urgencias, cirugía, administración, farmacia y cadena de suministro. La IA sirve como un mecanismo integrador que permite que estos subsistemas se comuniquen, coordinen y adapten dinámicamente en función de datos en tiempo real. A través de análisis predictivos y algoritmos de optimización, la IA ayuda a optimizar las operaciones anticipando cuellos de botella, mejorando el flujo de información y alineando los recursos con la demanda en todo el sistema hospitalario.

Estrechamente alineada está la Teoría de Sistemas Sociotécnicos, que enfatiza la interdependencia de las personas, la tecnología y las estructuras organizacionales en el diseño de sistemas efectivos. La IA en las operaciones hospitalarias no funciona de forma aislada, sino que interactúa con los trabajadores sanitarios, la infraestructura de TI y los flujos de trabajo institucionales. Por ejemplo, los sistemas de programación impulsados por IA deben tener en cuenta no sólo las limitaciones computacionales, sino también los elementos humanos, como la disponibilidad de los médicos, el agotamiento y las preferencias de los pacientes. Esta teoría subraya la importancia del diseño centrado en el usuario, la gestión del cambio y la implementación ética de la IA en los hospitales para garantizar una adopción exitosa y mejoras sostenidas en el rendimiento.

Otro marco relevante es la Teoría de la Decisión, particularmente el Modelo de Racionalidad Acotada propuesto por Herbert Simon (1972), que reconoce que los tomadores de decisiones humanos a menudo operan bajo restricciones de información, tiempo y capacidad cognitiva limitados. La IA mejora la toma de decisiones en las operaciones hospitalarias al ampliar el alcance y la precisión de la información disponible para administradores y clínicos. Los algoritmos de IA pueden procesar grandes volúmenes de datos para presentar información procesable, lo que ayuda a los líderes a tomar decisiones más informadas con respecto a la dotación de personal, la priorización de pacientes y la logística. En este sentido, la IA actúa como una herramienta de apoyo a la toma de decisiones que complementa, en lugar de sustituir, el juicio humano. Además, los conceptos de Lean Management y Operations Research también proporcionan apoyo teórico para la optimización basada en IA. Los principios Lean tienen como objetivo eliminar el desperdicio, reducir la variación y mejorar el flujo dentro de los objetivos de los sistemas que se alinean estrechamente con las capacidades de la IA en la programación y la automatización del flujo de trabajo. La investigación de operaciones, especialmente la teoría de colas y la programación lineal, informa el diseño de modelos de IA que optimizan la gestión de camas de hospital, los horarios quirúrgicos y las estrategias de asignación de recursos bajo restricciones. En conjunto, estos marcos teóricos ofrecen una comprensión holística de cómo la IA puede integrarse estratégicamente en las operaciones hospitalarias. Destacan que el éxito de la implementación depende no solo de la sofisticación tecnológica, sino también de la preparación de la organización, la participación de las partes interesadas y la adaptación continua del sistema.

Programación hospitalaria impulsada por IA

La programación en hospitales implica la coordinación de diversos elementos: citas ambulatorias, procedimientos quirúrgicos, turnos de personal, disponibilidad de equipos e ingresos hospitalarios. Tradicionalmente, esto se ha gestionado manualmente o mediante herramientas digitales básicas, lo que frecuentemente ocasiona ineficiencias como la doble reserva, el subaprovechamiento de recursos y los prolongados tiempos de espera para los pacientes. La Inteligencia Artificial introduce mecanismos de programación predictivos, adaptativos y dinámicos que optimizan significativamente estos procesos.

Programación de citas de pacientes

Los algoritmos de inteligencia artificial emplean datos históricos, patrones de comportamiento de los pacientes y análisis en tiempo real para optimizar la programación de citas ambulatorias. Por ejemplo, los modelos de aprendizaje automático pueden predecir la probabilidad de ausencias de pacientes basándose en variables como las condiciones meteorológicas, la demografía del paciente o los registros previos de asistencia. Esto permite a las clínicas sobre reservar franjas horarias de manera calculada, maximizando así el uso de recursos sin saturar el sistema. Los chatbots y asistentes virtuales basados en procesamiento del lenguaje natural (NLP) mejoran aún más la programación al proporcionar opciones automatizadas de reprogramación, recordatorios e instrucciones previas a la cita, lo que incrementa la adherencia y mejora la experiencia del paciente.

Programación de los quirófanos:

El quirófano es uno de los sectores hospitalarios que más recursos consume y costos genera. Las herramientas de programación de quirófanos habilitadas para IA analizan la duración de los procedimientos, las métricas de rendimiento del cirujano, el tiempo de anestesiología y la disponibilidad de la sala de recuperación para crear programas quirúrgicos óptimos. Estos sistemas también permiten ajustes en tiempo real, lo que ayuda a los hospitales a adaptarse a casos de emergencia o retrasos sin interrumpir las operaciones diarias. Las herramientas de IA se utilizan cada vez más para crear listas dinámicas de personal que se alineen con los volúmenes de pacientes proyectados y los niveles de gravedad. Los análisis predictivos pueden determinar las horas punta o los aumentos estacionales, permitiendo así una proporción óptima de enfermeras por paciente y reduciendo el agotamiento del personal. Al equilibrar la distribución de la carga de trabajo y minimizar las horas extras, los hospitales pueden mejorar la satisfacción laboral y reducir la rotación de personal.

Optimización del flujo de trabajo habilitada por IA

La eficiencia en el flujo de trabajo es crucial para el rendimiento hospitalario, impactando tanto la calidad de atención como los costos. Los cuellos de botella surgen por retrasos en diagnósticos, mala comunicación y tareas administrativas redundantes. Tecnologías de IA como RPA y NLP automatizan tareas como facturación, reclamaciones de seguros y documentación clínica, reduciendo la carga administrativa y dando más tiempo a los proveedores para centrarse en los pacientes.

Por ejemplo, las herramientas de transcripción asistida por IA convierten notas clínicas habladas en entradas estructuradas de EHR con alta precisión. Los CDSS integran datos de pacientes, guías basadas en evidencia y análisis en tiempo real, ayudando a los médicos con diagnósticos, planificación de tratamientos y estratificación del riesgo. Estos sistemas mejoran la precisión y consistencia, agilizando decisiones y reduciendo pruebas innecesarias y estancias hospitalarias.

Algunos hospitales adoptan centros de mando impulsados por IA para supervisar el flujo de pacientes, ocupación de camas, congestión de urgencias y logística de transporte. En el Hospital Johns Hopkins, este sistema redujo los retrasos en traslado de pacientes en un 63% y mejoró la utilización de camas en un 30%. Estos centros predicen cuellos de botella, automatizan asignación de camas y envían equipos de transporte en tiempo real, mejorando la respuesta operativa.

Asignación inteligente de recursos

La asignación de recursos, en particular de camas, personal, equipos y suministros, es un factor determinante para la eficiencia hospitalaria. La inteligencia artificial (IA) optimiza la gestión de estos recursos mediante el uso de información predictiva y algoritmos de optimización que facilitan la planificación proactiva y la respuesta ante crisis. Los modelos de IA son capaces de prever la demanda de recursos basándose en datos históricos, estacionalidad, tendencias de infección y alertas de salud pública.

Durante la pandemia de COVID-19, los hospitales que implementaron la IA pudieron anticipar con mayor precisión la ocupación de camas de UCI, las necesidades de respiradores y la escasez de EPI, permitiendo así tomar medidas preventivas. Al predecir las admisiones y altas de pacientes, los hospitales pueden optimizar la rotación de camas, reducir la saturación de los servicios de urgencias y evitar la cancelación de cirugías electivas debido a la falta de recursos.

Los sistemas de IA monitorean y analizan los patrones de uso de los equipos médicos, dispositivos de imagen y laboratorios de diagnóstico para identificar la infrautilización o el exceso de reservas. Además, los modelos de mantenimiento predictivo alertan a los administradores sobre cuándo deben revisarse los equipos, minimizando así el tiempo de inactividad y garantizando la continuidad operativa.

Las herramientas de IA también evalúan las cargas de trabajo clínicas y la complejidad de los pacientes para recomendar una distribución óptima del personal. Estas herramientas pueden señalar situaciones en las que se requiere formación adicional o habilidades complementarias, mejorando así la flexibilidad de la fuerza laboral. Los hospitales que emplean la IA en la planificación de recursos humanos informan de una menor rotación de personal y una mayor satisfacción de los pacientes, gracias a la mejora en la continuidad de la atención.

Desafíos y consideraciones

Aunque la inteligencia artificial tiene el potencial de transformar las operaciones hospitalarias, su implementación enfrenta varios desafíos importantes y en nuestro país es muy incipiente la implementación, fundamentalmente en imágenes, oncología, quirófanos, organización hospitalaria. La privacidad y la seguridad de los datos son algunas de las principales inquietudes. Los sistemas de IA dependen considerablemente de grandes volúmenes de datos, incluyendo información confidencial de los pacientes proveniente de registros médicos electrónicos (EHR), sistemas de diagnóstico y bases de datos administrativas. El uso de estos datos plantea cuestiones éticas y legales relativas a la confidencialidad del paciente y al riesgo de violaciones de datos. Las instituciones sanitarias deben adherirse a estrictas normativas de protección de datos, como la HIPAA en Estados Unidos y el RGPD en Europa, para garantizar la confianza de los pacientes y el cumplimiento legal.

Además, la anonimización y los protocolos seguros de intercambio de datos son fundamentales para reducir el riesgo de ciberataques y acceso no autorizado a los datos. Otra cuestión importante es el riesgo de sesgo algorítmico. Los modelos de IA entrenados con datos históricos de salud pueden reflejar y mantener los sesgos existentes en la prestación de atención médica, especialmente si ciertas poblaciones están infrarrepresentadas en los conjuntos de datos de entrenamiento. Esto puede generar disparidades en las predicciones, los diagnósticos y la asignación de recursos, aumentando así las diferencias en salud en lugar de reducirlas. Los comités de ética institucionales y los equipos interdisciplinarios de supervisión pueden desempeñar un papel significativo en la orientación de la adopción responsable de la IA.

Sistemas de apoyo a la toma de decisiones clínicas. Los sistemas de apoyo a la toma de decisiones clínicas basados en inteligencia artificial analizan la literatura médica y los historiales clínicos de los pacientes con el objetivo de asistir a los profesionales de la salud en diversas áreas:

• Sugerencias precisas para diagnósticos.

• Regímenes de tratamiento fundamentados en evidencia científica.

• Mejora de la seguridad del paciente y reducción de errores diagnósticos.

Automatización de procesos:

La inteligencia artificial optimiza las operaciones rutinarias tales como la gestión de reclamaciones de seguros, la facturación y la documentación. Consecuentemente, se reducen los errores humanos, los costos operativos y la necesidad de trabajo manual.

La IA de Logística e Inventario Inteligente

Prevé los requisitos de inventario basándose en análisis detallados de las tendencias de consumo históricas y los patrones de afluencia de pacientes, asegurando una reposición eficiente de suministros esenciales y minimizando el desperdicio.

Además, esta tecnología asistida por IA optimiza el triage en las salas de urgencias, permitiendo clasificar a los pacientes según la gravedad y la urgencia de sus condiciones, especialmente durante situaciones críticas como pandemias o desastres naturales. La analítica en tiempo real fortalece la toma de decisiones bajo presión.

Ventajas de la automatización administrativa impulsada por IA

Eficiencia operativa: Incremento en la velocidad de los procesos y reducción del tiempo dedicado a tareas operativas repetitivas.

Reducción de costos: Optimización del uso de recursos, minimización del trabajo manual y disminución de la sobrecarga administrativa.

Precisión de los datos: Mejora en la exactitud de la facturación y en los registros de los pacientes.

Experiencia mejorada del paciente: Aceleración de procedimientos como la entrega de resultados de pruebas y pagos, influenciando positivamente la gestión de la atención médica y los registros.

Escalabilidad: Capacidad para ampliar los sistemas fácilmente sin aumentar proporcionalmente la carga administrativa, permitiendo una adaptación eficiente a las crecientes demandas de los pacientes.

Dominios clave de la automatización con IA en servicios médicos:

Codificación y facturación:

• Asigna códigos adecuados automáticamente a partir de registros médicos.
• Reduce errores humanos.
• Agiliza reembolsos.
• Detecta y previene fraudes.

Programación de citas y flujo de pacientes:

• Chatbots organizan citas y responden preguntas.
• Reducen ausencias con recordatorios automáticos.
• Adaptan horarios y especialistas a las necesidades del paciente.
• Disminuyen la carga administrativa en recepción.

Gestión de historias clínicas electrónicas (HCE)

La inteligencia artificial (IA) facilita la recopilación autónoma de datos de pacientes provenientes de múltiples fuentes, incluidas las tecnologías portátiles, los resultados de pruebas y las notas de los médicos, contribuyendo así a mantener y actualizar las historias clínicas electrónicas. Entre sus beneficios se encuentran:

• Incrementa la precisión de la documentación.
• Mejora el acceso de los médicos a la información.
• Permite que los departamentos compartan datos en tiempo real.

El aprendizaje automático y el procesamiento del lenguaje natural (NLP) optimizan el proceso de tramitación de reclamaciones mediante:

• La extracción y verificación de información contenida en documentos.
• La identificación de reclamaciones erróneas o incompletas.
• La aceleración de aprobaciones y la reducción de rechazos de reclamaciones.

Los sistemas de gestión de la fuerza laboral impulsados por IA para empleados y supervisores de turno pronostican los requisitos de personal mediante el análisis de patrones pasados y volúmenes de pacientes:

• Los horarios están automatizados.
• Distribuye las cargas de trabajo del equipo de manera uniforme.
• Reduce el riesgo de tener demasiados o muy pocos empleados.

Automatización de la cadena de suministro y el inventario

La IA realiza un seguimiento del consumo de inventario y prevé los requisitos, lo que permite:

• Comprar suministros médicos a tiempo.
• Evitar el exceso de existencias y la escasez.
• Conectar los sistemas de los proveedores para permitir un reordenamiento sin problemas.

Colaboración y comunicación interna

Las plataformas de colaboración impulsadas por IA utilizan chatbots y asistentes inteligentes para automatizar los procesos de comunicación interna, entre ellos:

• Colaboración interdepartamental.
• Recordatorios de tareas.
• Notificaciones al personal.

Los programas de cribado asistidos por IA mejoran en gran medida el pronóstico al detectar precozmente enfermedades como la retinopatía diabética y el cáncer de mama (Bejnordi et al., 2017).

AI y cirugía robótica:

Los sistemas robóticos impulsados por IA ayudan a realizar cirugías altamente precisas y mínimamente invasivas. Estos dispositivos, como el Sistema Quirúrgico Da Vinci, mejoran la precisión quirúrgica, acortan los períodos de recuperación y reducen el riesgo de complicaciones.  Añade capacidad de análisis, aprendizaje y toma de decisiones asistidas, analiza imágenes previas para crear mapas anatómicos, puede describir trayectorias óptimas de abordaje quirúrgico, anticipa riesgos. Reconoce estructuras anatómicas en tiempo real, señala tejidos o zonas de riesgo, como los vasos, nervios, tumores. Ajuste automático de la presión, dirección o profundidad de los instrumentos. Sirve también para la formación y la simulación quirúrgica, creando entornos de realidad virtual, evalúa habilidades quirúrgicas objetivamente y sugiere mejoras. Esta combinación está cambiando radicalmente la medicina quirúrgica del presente y marcará un nuevo estándar en los próximos años. En EE.UU. hay cerca de 5000 robots en este momento, con un crecimiento exponencial en cirugías. En Argentina hay 6 robots y se realizaron 500 cirugías. En el mundo se realizan doce millones de cirugías robóticas.

A medida que la IA continúa adaptándose, su papel en la atención médica probablemente se amplificará, marcando el comienzo de una nueva tecnología de innovación clínica. algunas de las directrices futuras prometedoras para la IA en el descubrimiento de fármacos y tratamientos personalizados consisten en:

1. Oncología de precisión impulsada por IA: La integración continua de la IA con datos genómicos y científicos permitirá el desarrollo de tratamientos más personalizados para la mayoría de los cánceres, con más precisión en la determinación de posibles objetivos curativos y la predicción de las respuestas de los pacientes. La IA también podría desempeñar una función esencial en la búsqueda de nuevos biomarcadores de la mayoría de los cánceres para la detección temprana (Zhu et al., 2020).

2. IA en el manejo de enfermedades crónicas: Los dispositivos portátiles impulsados por IA y las aplicaciones de fitness celular revolucionarán el control de situaciones persistentes, proporcionando monitoreo personalizado, intervención en tiempo real y estructuras de alerta temprana para prevenir la exacerbación de la enfermedad. La integración de la IA con la telemedicina permitirá a los pacientes adquirir una atención continua y remota (Banaee et al., 2013).

3. La IA en el desarrollo de vacunas: Es posible que la IA quiera impulsar el diseño y la fabricación de vacunas, principalmente para enfermedades infecciosas emergentes. Mediante la lectura de las secuencias genómicas de los patógenos, la IA debería darse cuenta de la capacidad de las vacunas candidatas más rápidamente que las estrategias convencionales, lo que disminuiría el tiempo de comercialización de nuevas vacunas (Liu et al., 2021).

4. Reutilización de medicamentos impulsada por IA: la capacidad de la IA para analizar conjuntos de datos masivos y predecir nuevos usos de las tabletas actuales desempeñará un papel crucial en el abordaje de la página pública | 33 El impacto de la inteligencia artificial en la gestión sanitaria ISBN: 978-81-988164-5-0 crisis de fitness como pandemias. Al descubrir tabletas reutilizadas, la IA puede proporcionar respuestas breves a amenazas apremiantes para la aptitud física, como se vio en la reacción a la COVID-19 (Beck et al., 2020).

5. Integración de la IA y la robótica: La convergencia de la IA y la robótica provocará la mejora de los robots quirúrgicos avanzados que pueden ayudar en procedimientos complejos con una precisión extraordinaria. esas estructuras dependerán de la IA para investigar los hechos de las personas afectadas y las acciones quirúrgicas manuales en tiempo real (Elthus et al., 2021).

6. IA para la gestión de la salud de la población: La IA permitirá a los sistemas de salud esperar mejor las tendencias de salud de la población, seleccionar a las personas al azar y desplegar intervenciones preventivas a mayor escala. mediante el análisis de estadísticas demográficas, conductuales y científicas, la IA ayudará a los responsables de la formulación de políticas a asignar los activos de forma más correcta y a hacer frente a las disparidades de aptitud pública (Vogel et al., 2020).

La combinación de la inteligencia sintética (IA) en la atención médica representa un viaje transformador que abarca todo el proceso de atención, desde los primeros niveles de descubrimiento de medicamentos hasta la implementación de estrategias de tratamiento bastante individualizadas.

Las habilidades dinámicas de la tecnología de IA han marcado el comienzo de una nueva era de eficiencia, precisión e innovación, que las estructuras sanitarias convencionales han buscado durante mucho tiempo, pero que han luchado por cosechar debido a las barreras en el procesamiento de estadísticas y la capacidad humana.

Es necesario que para prepararse para el futuro, el hospital deberá invertir en áreas relacionadas con la eficiencia de los flujos de trabajo, integrar los sistemas de datos de los pacientes y aumentar la eficiencia operativa.