El flujo de información en un ambiente médico

Hemos iniciado en AIpocrates (https://aipocrates.org) con pasos hacia el norte que denominamos: “el proceso de construir el concepto de inteligencia artificial desde la medicina y no hacia ella.” El campo de la inteligencia sea esta humana o artificial, tiene dos palabras que siempre intervienen: enseñanza y aprendizaje; el humano enseña y aprende y la máquina (artificial) aprende a través de algoritmos (instrucciones para la toma de decisiones mediante lenguajes de programación o lenguaje máquina)[1].

Pero nuestro afán y necesidad, antes de despegar a las estrellas y conquistar lo específico como sociedad académica, es pensar en las bases de la inteligencia artificial, en el sustrato para construirla y optimizarla[2]. Podemos hablar de aprendizaje de máquina, redes neurales o unidades de procesamiento de video (todas ellas ya están presentes entre nosotros y en nuestro día a día) pero, si no sabemos qué la constituye o cuáles son sus bases, todo esfuerzo por entender el potencial de la IA en el campo de la salud será poco útil.

Las bases o sus bloques para construirla y optimizarla, son los datos. La evolución del ingenio humano ha permitido observar eventos y fenómenos y según sus características asignarles un valor cualitativo o cuantitativo, pero no solo eso, también hacerlo de manera que una máquina pueda entenderlo; así que, dichas características con un valor cualitativo o cuantitativo se denominan “variables”, una variable de una persona específica es un dato y al reunir muchas variables de muchas personas podemos obtener miles o generalmente millones de datos (sean valores de laboratorio, opacidades en una placa de rayos X o simplemente un signo o síntoma). El presentar estos datos en grupo nos permite identificarlos y organizarlos por rasgos comunes, como formas o patrones, esto se denomina información[3][4][5].

La gran cantidad de eventos -no solo en salud- que ahora son medibles, ha generado una avalancha de datos que supera las capacidades actuales, datos que no se logran consolidar en información o información que queda sin sentido al no encajar en un contexto o mensaje adecuado. Por ejemplo, datos que por su mala captación o desestructuración impiden la identificación de patrones y la obtención de información útil, eso nos obliga a reorganizar la legibilidad, el almacenamiento y posterior acceso a los datos. Muchos de nosotros como médicos hemos vivido el registro del dato de manera analógica (escritura manual, máquinas de escribir) y en última instancia el registro digital, es decir, la evolución de bolígrafo/papel/carpeta, luego la máquina de escribir/papel/carpeta, luego el ordenador/disco duro-servidor/impresora-papel y ahora ordenadores/nube/interconexión.

Este gran volumen de datos e información que se debe registrar, almacenar, acceder, procesar y estructurar, necesita ser analizado y ha abierto la puerta a soluciones que aumentan el poder de procesamiento, una forma de “inteligencia aumentada” denominada analítica de datos o simplemente ciencia de datos[2]. La analítica o ciencia de datos le da sentido a todos esos datos e información recolectada y bien estructurada (medición óptima, asignación de valor, agrupación, etc.).

La ciencia de datos en salud nos lleva a encontrar patrones invisibles pero precisos y directos[6], aumentando la velocidad de entendimiento del proceso salud-enfermedad, su gestión y optimización de recursos y obviamente mejores terapéuticas; en última instancia nos lleva a una medicina integral y personalizada, fundamentada en la genómica y metabolómica, una medicina ambiental y psico-sociocultural personalizada[7][8]. Ello produce el abandono del punto de inicio del proceso sanitario, que históricamente ha sido en la enfermedad (presencia/ausencia), y lo concentra en el paradigma de la humanización, acompañamiento y generación de lazos empáticos en la asistencia sanitaria, sin la disrupción administrativa y el caos operativo (Conferencia de La Tecnología al Servicio del aseguramiento en Salud)[9]. Sí! La ciencia de datos y la automatización del sector salud nos va a brindar lo más preciado… tiempo, tiempo para humanizar (otra vez) la asistencia sanitaria.

Todo lo mencionado suena a utopía, pero, debemos iniciar con el reconocimiento de los problemas y dificultades que aquejan al sector salud, para establecer cuál es el potencial de la ciencia de datos en este campo. A nivel mundial, y sobre todo en Latinoamérica, nos encontramos en una fase de migración y transformación, somos víctimas de una gran generación de datos que comúnmente mueren sin utilidad. Los datos eran históricamente sepultados en archivadores y bodegas en casas de salud, ahora son sepultados en servidores, en contraste al dato bien usado es el que genera información, se recicla y nunca muere.

También somos víctimas de la “idad” (operatividad, productividad, sostenibilidad y el intento de salubridad o “salud para todos”), esta situación no es actual, tal y como lo describe A.J. Cronin en su libro “La Ciudadela: El Drama de los Médicos y la Medicina”. Esta “idad” en el subuniverso de la atención ambulatoria se agrava con tiempos de 20 minutos por consulta y registros clínicos electrónicos obsoletos, lo que genera un ambiente de no fluidez de los datos del paciente, dificultando su posterior análisis o ciencia de datos[10].

 Además, se suma la dificultad del registro de la historia clínica electrónica en macropantallas que no permiten el contacto visual con el paciente, con una gran cantidad de variables y clicks sin automatización, que entorpecen la toma de decisiones,  terminando de dinamitar la humanización de la consulta, en medio de la tecnocracia en forma de escalas y guías que no tienen en cuenta el contexto humano del médico (ahora “prestador de servicios”), ni del paciente (ahora usuario, cliente externo).

Un aspecto que tiene gran impacto en estos ciclos deletéreos es la preparación anacrónica de los médicos y personal de salud por parte de la academia, que obtienen un título para una realidad en la que sus habilidades cognitivas y psicomotrices no son las adecuadas o necesarias para enfrentar el campo de la salud actual o futuro. Actualmente, ninguna universidad está enseñando el registro y uso adecuado del dato en los innumerables sistemas de registro electrónico de historias clínicas, requisito esencial para construir el sistema de salud del mañana (ya profundizaremos en el aspecto educativo).

En este contexto han aparecido, aparecen y seguirán apareciendo soluciones que utilizan la ciencia de datos y desarrollo de software para resolver los problemas mencionados, engendrando inteligencias aumentadas que permiten la sinergia entre ambientes humanos, en términos de atención a personas, y ambientes ágiles, en términos de generación de volúmenes de datos e información aplicable, un sistema con la menor fricción posible entre los componentes que generan y analizan los datos es un sistema que permite la creación de un ecosistema en salud, donde todos los componentes crecen y aportan.

En próximas entregas analizaremos con detalle la transformación de este paradigma de relación con la inteligencia artificial, que actualmente es, de manera forzosa bidimensional, hacia una adecuada evolución en una tridimensional, que toma en cuenta el tiempo o los datos en tiempo real para tomar decisiones sobre la marcha, y no datos y eventos que ya han pasado hace meses (o años), ya que el dinamismo sociocultural y humano genera cambios muy rápido y hay que adaptarse a ese ritmo. Porque la inteligencia artificial en salud ya está aquí, o si no, preguntemos a nuestros asistentes virtuales de voz, Siri, Alexa, qué opinan de ello…[11]

Referencias

[1]      «“Lecciones para equipos exponenciales desde la fábrica de innovación”». [En línea]. Disponible en: https://aipocrates.org/2021/08/29/lecciones-para-equipos-exponenciales-desde-la-fabrica-de-innovacion/. [Accedido: 30-sep-2021].

[2]      «WMA Statement on Augmented Intelligence in Medical Care – WMA – The World Medical Association». [En línea]. Disponible en: https://www.wma.net/policies-post/wma-statement-on-augmented-intelligence-in-medical-care/. [Accedido: 30-sep-2021].

[3]      «Gestión de la Calidad en los Datos». [En línea]. Disponible en: https://aipocrates.org/2021/09/19/gestion-de-la-calidad-en-los-datos/. [Accedido: 30-sep-2021].

[4]      «Dato – Qué es, concepto, ejemplos y tipos de datos». [En línea]. Disponible en: https://concepto.de/dato/#ixzz5z2l17cUS. [Accedido: 30-sep-2021].

[5]      «Concepto de información – Definición, Significado y Qué es». [En línea]. Disponible en: https://definicion.de/informacion/. [Accedido: 30-sep-2021].

[6]      «AI, teamed with physicians’ intelligence, could improve care | American Medical Association». [En línea]. Disponible en: https://www.ama-assn.org/practice-management/digital/ai-teamed-physicians-intelligence-could-improve-care. [Accedido: 30-sep-2021].

[7]      «Caminando a hombros de gigantes: intersección entre la genómica y la IA (Parte I)». [En línea]. Disponible en: https://aipocrates.org/2021/08/15/caminando-a-hombros-de-gigantes-interseccion-entre-la-genomica-y-la-ia/. [Accedido: 30-sep-2021].

[8]      «Una Visión General de la Inteligencia Artificial en Neurología». [En línea]. Disponible en: https://aipocrates.org/2021/09/05/una-vision-general-de-la-inteligencia-artificial-en-neurologia/. [Accedido: 30-sep-2021].

[9]      «La tecnología al servicio del aseguramiento en salud – YouTube». [En línea]. Disponible en: https://www.youtube.com/watch?v=HZ2wzzdgkks&ab_channel=ACEMIColombia. [Accedido: 29-sep-2021].

[10]    «Fricción de los Datos en Salud». [En línea]. Disponible en: https://aipocrates.org/2021/09/12/friccion-de-los-datos-en-salud/. [Accedido: 30-sep-2021].

[11]    «¿Los robots se harán cargo de nuestros trabajos en el sector sanitario?» [En línea]. Disponible en: https://aipocrates.org/2021/08/01/los-robots-se-haran-cargo-de-nuestros-trabajos-en-el-sector-sanitario/. [Accedido: 30-sep-2021].