¿Por qué el modelo de Salud es un sistema adaptativo complejo?

Luis Eduardo Pino Villarreal MD, MSc, MBA.
Miembro Fundador de Aipocrates

Los sistemas son un conjunto de elementos interactuantes, que pueden ser estáticos o dinámicos y genera un producto. El modelo es la representación de la estructura o de la función del sistema, a través de parámetros o características esenciales, variables o elementos cambiantes en términos de una función y las leyes o reglas que determinan el comportamiento y la evolución.

El modelo genera datos e información que describe el comportamiento pasado del sistema, si es veraz se identifica como coherente y si predice el comportamiento del sistema se considera válido, facilitando el entendimiento y la toma de desiciones para obtener los desenlaces deseados (controlar el sistema – teoría de control). A mayor información, mayor complejidad y mayor necesidad de capacidad de procesamiento.

Los modelos derivados de la mecánica newtoniana asociados a la predicción y gestión, se aplicaron a las organizaciones para analizar las diferentes partes del sistema, adaptarse a las necesidades y cambiar el comportamiento de manera predecible. Funcionaron relativamente bien durante las primeras dos revoluciones industriales, sin embargo, en las organizaciones actuales por su dinámica no lineal e impredecible, los cambios ejecutados no garantizan los desenlaces deseados.

En el caso de los sistemas de salud los elementos y sus relaciones con el tiempo han aumentado, evolucionado, organizado y se han reestructurado, su dinámica se ha vuelto más compleja y el modelo que representaba la relación médico-paciente ha cambiado por los nuevos elementos del sistema como: hospitales, los registros clínicos electrónicos, el aumento en el conocimiento, la investigación, aseguramiento, el aumento poblacional y de la expectativa de vida, autonomía profesional, asociaciones científicas y agentes externos como el aparato judicial entre otros.

La adaptación del modelo se realizó a través del aumento de los parámetros, las variables y las leyes, dando paso a conceptos como redes de servicios, múltiples relacionamientos (coordinación entre agentes o proveedores), transacciones, cantidad masiva de datos multifuente, sostenibilidad, estrategias de negociación y acuerdos.

Esta evolución ha generando cambios en la conceptualización del objetivo del sistema y tambien debio reorientarse el concepto mismo de la salud pasando de una “…ausencia de enfermedad” hacia un “objeto construido y transformado cultural, social e históricamente, como producto de la existencia humana.» o como “la capacidad de los individuos o las comunidades para adaptarse y autocuidarse, frente a los desafíos físicos, mentales o sociales (es decir, un recurso)” (Huber M et al. BMJ, 2011).  Tomado de la presentación Cómo navegar por el sistema de salud colombiano y no morir en el intento, L.E. Pino.

Hemos tocado un techo evolutivo llamado complejidad…somos sistemas adaptativos complejos, ¿por que?

¿Qué es un sistema adaptativo complejo?

Un sistema adaptativo complejo (SAC), es un conjunto de individuos o agentes individuales con libertad de actuar en formas que no son siempre predecibles y cuyas acciones están interconectadas de tal forma que las acciones de cada uno pueden cambiar el contexto de los demás.

Homer y Dixon, compilan asi sus características:

1. Límites difusos.
2. Los sistemas están embebidos dentro de otros sistemas y co-evolucionan, entonces la tensión y la paradoja son fenómenos naturales dentro de ellos que no necesariamente requieren resolverse.
3. Acciones de sus agentes estan basadas en reglas internalizadas, son adaptativos y de comportamiento dinámico.
4. La interacción entre sus miembros lleva a comportamientos que están continuamente surgiendo y cambiando, tienen no-linealidad e impredictibilidad inherente a ellos mismos.
5. Comportamiento atrayente con auto organización gestionada a través de reglas locales de simple aplicación.

Los sistemas biológicos y sociales son inherentemente complejos, por ejemplo:

1. El cuerpo humano está compuesto de múltiples sistemas fisiológicos interactuantes y auto regulados.
2. El comportamiento de cualquier individuo que está determinado parcialmente por un set interno de reglas basadas en experiencias pasadas y particularmente por respuestas adaptativas únicas a los nuevos estímulos del ambiente,
3. Los individuos y sus relaciones sociales están embebidas dentro de sistemas sociopolíticos y culturales, y pueden influenciar los desenlaces en formas impredecibles.

El cuerpo, el comportamiento humano y la enfermedad son impredecibles y no susceptibles de ser representados en modelos sencillos o lineales de causa y efecto; sus alteraciones no pueden analizarse adecuadamente deconstruyendo el sistema en sus componentes y considerándolos de manera aislada. En resumen, cumple las características de un Sistema Adaptativo Complejo al tener un alto grado de conectividad, límites difusos, alto requerimiento de energía de alta calidad (por sus colisiones), comportamiento no lineal, aparición de nuevas propiedades y atractores (situaciones que intentan traer el sistema a un estado estable).

Un ejemplo de una situación compleja en salud es el paciente diabético, dado por la variabilidad en el diagnóstico, el tratamiento (farmacocinética/farmacodinamia), adherencia a las recomendaciones no farmacológicas y farmacológicas, el control glicémico, las complicaciones y las actividades de promoción de la salud.

Gráfica 1: Control glicémico individual como SAC

La incertidumbre diagnóstica y la no concordancia diagnóstica entre los médicos es frecuente, especialmente en la atención primaria, en condiciones de alta incertidumbre y baja concordancia es difícil generar una respuesta definitiva, de tal manera estas dos dimensiones nos pueden clasificar los ambientes de decisión en: simples es decir aquellos que tienen alta certeza y alta concordancia, caóticos aquellos de baja certeza y baja concordancia y complejos los que tienen niveles intermedios de estas dos dimensiones (ver gráfico 2).

Gráfica 2: Ambientes de decisión en salud

¿Cómo gestionar la complejidad en las decisiones clínicas?

En un paciente con un problema clínico los niveles de concordancia y de certeza pueden mapearse desde los hallazgos clínicos, el conocimiento científico relevante y los valores y prioridades de los pacientes; si estos caen en la zona correspondiente a un ambiente simple (Gráfico 2), es razonable utilizar técnicas de gestión mecánica, es decir guías de práctica clínica basadas en la evidencia, que en realidad son sistemas simples de reglas.

Pero pocas veces las situaciones clínicas caen en esta zona, por lo que el juicio clínico necesitará asistirse por elementos reducibles de la incertidumbre factual y subyacer en forma equilibrada a la intuición y la interpretación de una historia mucho más amplia de la enfermedad, en estos casos la adherencia a las guías o protocolos sin crítica puede hacer más daño que beneficio y se requieren herramientas que permitan gestionar la complejidad con contexto.

Algunos autores recomiendan estrategias como:

1. Utilizar la intuición y el pensamiento contextual: se hace lo que se cree es lo mejor, pero no definitivamente la decisión “correcta”, es decir basarse en la experiencia, la evidencia analizada y especialmente el conocimiento de la historia individual.
2. Experimentar, es decir intentar opciones de manejo con pacientes utilizando el esquema de intento/error o un ciclo de planeación, acción, verificación y retroalimentación (PHVA).
3. Especificación de mínimos, es decir ofrecer a los pacientes objetivos generales, sugerencias y ejemplos, ser realistas y no intentar trabajar todo al mismo tiempo, no intentar abarcar más de lo que se puede.
4. Fragmentar, es decir, identificar y enlistar los problemas, priorizarlos y utilizar técnicas de resolución de problemas y en lugar de tratar de resolver cada problema, se procura resolver uno o dos. Es posible que otras soluciones se desarrollen una vez se hayan solucionado los problemas de mayor impacto.
5. Uso de metáforas. La comunicación es difícil cuando se está en un escenario complejo, el utilizar metáforas puede crear un entendimiento compartido.
6. Utilizar preguntas provocadoras, confrontativas, aquellas que pueden generar ideas con presunciones básicas.

Estas recomendaciones impactan el micronivel (médico-paciente), pero existen diversas metodologías aplicables a las organizaciones que integran la ciencia de la decisión y los sistemas complejos adaptativos, algunas utilizan simulaciones como el método ABM es decir “Modelación Basada en Agentes”, que representa escenarios complejos y a la vez comportamientos emergentes.

Otros métodos consisten en disminuir la variabilidad y ajustar las reglas mediante modelos de inteligencia artificial usando aprendizaje supervisado (es decir rotulos) y el aprendizaje por reforzamiento que es menos restrictivo.

¿Por qué las soluciones industriales (usualmente) no funcionan en el sector salud?

A diferencia de otros sectores en donde los abordajes de descomposición funcional de los problemas y la toma de decisiones basadas en costo o los modelos de optimización han sido exitosos, el uso de estas estrategias en salud pueden ser problemáticas por:

• El tipo de servicio que es la salud, la diversidad de factores en cantidad, características, relaciones de causa efecto o asociación perceptibles y ocultas.
• Los modelos de relacionamiento no se traducen necesariamente en una mejora en los resultados o experiencias en salud, por ejemplo los modelos de pago por evento, que se enfocan en episodios individuales de atención y en capacidades volumétricas no generan incentivos para una atención coordinada, colaborativa, ni producen valor.

Para entender los sistemas de salud como un sistema adaptativo complejo y abordar la ciencia de la decisión, hay 3 factores claves:

1. Los sistemas de salud tienen estabilidad limitada, por tanto desarrollar modelos de causa efecto, de método científico tradicional o decisiones reduccionistas, no serán válidos (ni coherentes ni predictivos) y por lo tanto fracasarán.
2. Las métricas utilizadas para evaluar el sistema deben ser sistémicas y no desarrolladas para evaluar el contexto particular de un problema ya qué se ignoran los componentes e interacciones del mismo, en este escenario los análisis de colisión usando redes neuronales profundas pueden ser de ayuda.

A pesar del gran interés en los sistemas complejos y las dinámicas no lineales desde el año 2001, han sido pocas las innovaciones y las aplicaciones en la complejidad y adaptación en los sistemas de salud y sigue siendo un reto transformar la visión conservadora y jerárquica de la enfermedad en un pensamiento complejo, dinámico y biopsicosocial.

Para este cambio se requiere el empoderamiento de los liderazgos adaptativos en las organizaciones de salud, en dedicarse no solo a resolver problemas de la microgestión diaria, sino facilitar el trabajo adaptativo necesario para que las personas lo hagan directamente mediante la innovación, una palabra que esta siendo sobreutilizada en nuestro sector. No mas retos sectoriales inconexos.

Es así como el formato de los datos, el almacenamiento (bases de datos), el preprocesamiento, análisis de big data y la interoperabilidad son pasos para generar la información necesaria para el desarrollo de soluciones y la toma de decisiones, soluciones como los sistemas de soporte al razonamiento clínico con capacidad de aprendizaje y adaptación al entorno (condiciones sociales, psicológicas y biológicas incluyendo multi-omics), permitiran avanzar hacia la verdadera medicina personalizada, aquella que me gusta llamar exponenciomics.

Lecturas recomendadas

1. Health Care Organizations as Complex Adaptive Systems. Ratnapalan, S. The Health Care Manager 2019.
2. The challenge of complexity in healthcare Paul E Plsek, Trisha Greenhalgh BMJ, 2001 vol 323
3. Complexity and clinical care, Tim Wilson, Tim Holt BMJ, 20221, vol 324
4. Complex adaptive systems approaches in health care—A slow but real emergence?. Editorial en J Eval Clin Pract. 2018;24:266–268.
5. Decision-making in healthcare as a complex adaptive system. Kuziemsky Craig. Healthcare Management Forum 2016, Vol. 29(1) 4-7

---