Cómo podemos transformar la atención sanitaria pasando de un modelo lineal a uno de plataforma

A platform-based model can improve the equity, cost and efficiency of healthcare delivery
A platform-based model can improve the equity, cost and efficiency of healthcare deliveryImage: Unsplash/National Cancer Institute
Este contenido ha sido traducido automáticamente con IA.
  • La atención sanitaria es un sector muy complejo que ha sido difícil de cambiar.

  • La transformación debe responder a la necesidad de encontrar más curas, ampliar la escala, lograr la equidad en la atención sanitaria, controlar los costes, proteger la privacidad de los datos y abordar la IA en la atención sanitaria.

  • Para que la transformación responda a estos problemas y sea sostenible, la atención sanitaria debe pasar de un modelo de negocio lineal a uno basado en plataformas.

Durante décadas, la atención sanitaria en todo el mundo ha tenido dificultades para ofrecer un acceso y una calidad uniformes. Aunque pacientes, profesionales y pagadores reclaman cambios, el sector sanitario se ha mostrado en gran medida resistente a las disrupciones externas.

Por tanto, para impulsar la transformación, primero debemos cambiar nuestra forma de pensar. Debemos pasar de la mentalidad tradicional de un modelo de servicios lineal a un enfoque de plataforma que reúna datos médicos longitudinales, productores y consumidores para cocrear un nuevo paradigma sanitario que cambie de raíz la forma de prestar atención sanitaria y avanzar en la búsqueda de curas.

Para lograrlo, creo firmemente que los proveedores de atención sanitaria, como Mayo Clinic y otras instituciones —que cada día sopesan con nuestros pacientes los complejos aspectos emocionales y basados en datos de la toma de decisiones sanitarias— tienen la responsabilidad de colaborar con socios complementarios y liderar una transformación centrada en el paciente. Esta debe abordar no solo el acceso, el coste y la calidad, sino también la escalabilidad, la equidad, la privacidad de los datos y el papel emergente de la inteligencia artificial (IA) en la medicina. En Mayo Clinic, nuestro nuevo vehículo para transformar la atención sanitaria es Mayo Clinic Platform, que puede servir de modelo para la transformación global de la atención sanitaria.

La arquitectura única de una plataforma sanitaria

Una plataforma sanitaria no se puede copiar de otros sectores. Debemos construirla desde cero, y su arquitectura debe conciliar aspectos aparentemente contradictorios: proteger por completo los datos de los pacientes y, al mismo tiempo, facilitar la innovación mediante un acceso amplio a esos datos.

Mayo Clinic Platform parte de una nueva base digital, flexible y muy segura. Nuestra plataforma alojada en la nube —que alberga uno de los mayores conjuntos de datos clínicos longitudinales del mundo— utiliza datos certificados y desidentificados en un modelo de aprendizaje federado. En lugar de enviar los datos a las herramientas, hemos invertido el proceso y llevamos las herramientas algorítmicas hasta los datos desidentificados (véase la figura 1, más abajo). Esta arquitectura crea una «pared de cristal» que permite a los colaboradores externos acceder a los datos para mejorar la atención sanitaria sin que estos salgan nunca de la plataforma. Así, antepone a los pacientes y su derecho a la privacidad de los datos, un requisito fundamental para preservar su confianza en un sistema sanitario basado en plataformas.

Transformar la atención sanitaria pasando de un modelo lineal a uno de plataformaImage: Mayo Clinic

Usar plataformas para innovar, ampliar el acceso y difundir el conocimiento

Una plataforma sanitaria permite agregar y armonizar datos clínicos y no clínicos diversos, lo que nos ayudará a curar a más personas, conectar a las personas y los datos para generar nuevos conocimientos y transformar la atención sanitaria mediante el desarrollo de nuevos algoritmos integrales, validados, y otras soluciones innovadoras para mejorar la atención.

En nuestra práctica, médicos e investigadores, junto con socios externos como Google, nference y otros, han utilizado vastos recursos de datos para desarrollar algoritmos que ayudan a predecir e identificar precozmente enfermedades cardiovasculares, cáncer de mama, cáncer de páncreas, enfermedades neuromusculares y ansiedad y depresión, con el objetivo de cambiar la evolución de la enfermedad en cada paciente. También estamos creando otras aplicaciones de IA que reducen la carga de las tareas clínicas y administrativas repetitivas.

De cara al futuro, confiamos en que la aplicación de datos, análisis y tecnología mejorará la atención sanitaria, la democratizará y la hará más accesible y asequible para todos. Un ejemplo es nuestro trabajo con algoritmos de IA para electrocardiogramas. Creemos que, en un futuro no muy lejano y a un coste muy bajo, un reloj inteligente o cualquier dispositivo económico de una sola derivación podrá ejecutar varios algoritmos de IA y monitorizar a las personas para detectar entre 15 y 20 trastornos asintomáticos. Esto nos permitirá realizar pruebas de detección a gran escala e identificar enfermedades muy pronto para poder intervenir. Otro ejemplo escalable es un algoritmo que reduce de 17 horas a una hora el tiempo que los profesionales clínicos dedican a diseñar planes complejos de radioterapia para la cabeza y el cuello. En los próximos años, prevemos que muchos más hospitales de todo el mundo podrán diagnosticar, tratar y prevenir enfermedades complejas gracias al flujo de conocimiento clínico de nuestra plataforma.

Llevar el hospital al paciente

Pasar de una mentalidad lineal a una de plataforma también permite ampliar la atención a distancia —incluidos los modelos de hospitalización en casa—, en los que llegamos a depender durante la pandemia. Se estima que el 40 % de los proveedores trasladará a los hogares el 20 % de sus camas hospitalarias durante los próximos tres años.

En los primeros días de la pandemia de COVID-19, pusimos en marcha Advanced Care at Home (ACH), un servicio que ofrece a los pacientes en sus hogares una atención integral de nivel hospitalario, con disponibilidad permanente de un profesional de Mayo Clinic y visitas periódicas a domicilio de una red de socios sanitarios locales. En colaboración con nuestro socio Medically Home, esta iniciativa coordina todos los elementos necesarios para ofrecer atención hospitalaria en casa y combina tecnología, una red de profesionales y experiencia clínica para responder a las necesidades de cada paciente. Con ACH, hemos logrado reducir a la mitad los reingresos, de modo que los pacientes pasan menos tiempo en nuestras instalaciones y más tiempo con sus familias y disfrutando de la vida. Colaboramos con Kaiser Permanente y Medically Home para ampliar este modelo de atención, y hemos creado una coalición amplia, Advanced Care at Home Coalition, para expandirlo de forma sostenible. ACH será solo una parte de la futura experiencia sanitaria, que utilizará múltiples fuentes de datos para lograr transiciones fluidas entre la atención digital y la atención presencial tradicional.

Usar plataformas para mejorar la equidad

Es legítimo preocuparse por que el uso de la IA en conjuntos de datos de una plataforma sanitaria pueda agravar las disparidades. Por el contrario, el uso ético y validado de la IA, combinado con una mentalidad de plataforma, abre el acceso equitativo a la atención sanitaria para muchas poblaciones desatendidas de todo el mundo.

Como parte de Mayo Clinic Platform, hemos establecido un proceso para validar cada algoritmo que desarrollamos e implementamos y asegurarnos de que sea adecuado para su propósito. Junto con proveedores sanitarios estadounidenses y socios de distintos sectores, hemos creado la Coalition of Health Care AI para elaborar directrices que impulsen una atención sanitaria de alta calidad para todos mediante sistemas de IA sanitaria fiables y transparentes. Uno de los resultados de la coalición es un modelo de etiquetado de algoritmos que describirá los datos utilizados para desarrollar cada algoritmo, su utilidad y sus limitaciones para una población determinada. Por ejemplo, un algoritmo entrenado únicamente con datos de mujeres podría no ser útil para los hombres. El proyecto de etiquetado de datos busca aumentar la credibilidad, la equidad y la inclusión, generando más confianza y transparencia en los algoritmos de IA y asegurándose de que el usuario final sepa si son adecuados para el uso previsto (véase la figura 2, más abajo).

Image: Mayo Clinic

Pasar de una mentalidad lineal a una de plataforma ofrece grandes posibilidades para transformar la atención sanitaria y aportar la flexibilidad necesaria para gestionar mejor la próxima crisis sanitaria inevitable. En los últimos dos años, hemos demostrado el potencial, la aplicabilidad y la escalabilidad de la mentalidad de plataforma en la atención sanitaria. Ahora necesitamos que gobiernos, empresas biotecnológicas y farmacéuticas, ONG y proveedores de atención sanitaria la adopten a gran escala, con barreras que eviten volver a una mentalidad lineal. La mentalidad de plataforma nos ayudará a predecir y prevenir enfermedades, facilitar la atención de nivel hospitalario a pacientes en sus hogares y ampliar el alcance del conocimiento clínico para llegar a personas diversas en lugares remotos del mundo. Este es el futuro que estamos construyendo juntos ahora, mientras la revolución de las plataformas llega por fin a la atención sanitaria.

Licencia y republicación
Los artículos del Foro Económico Mundial pueden volver a publicarse de acuerdo con la Licencia Pública Internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0, y de acuerdo con nuestras condiciones de uso. Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.