La IA se está expandiendo rápidamente en la atención sanitaria, quizá demasiado rápido.
Una implementación demasiado apresurada de esta tecnología puede dar lugar a resultados subóptimos para los pacientes, recursos desperdiciados y una pérdida de confianza.
Un enfoque estratégico, que siga cinco pasos interconectados, es la vía para hacer realidad la promesa de la IA.
La inteligencia artificial (IA) está transformando el futuro de la atención sanitaria y ofrece posibilidades revolucionarias en el diagnóstico y el tratamiento, además de una mayor eficiencia operativa. Al reducir las brechas de acceso y permitir una atención personalizada, la IA tiene el potencial de revolucionar el sector. Por ejemplo, un estudio de 2023 publicado en The Lancet Oncology demostró que el cribado mamográfico asistido por IA permitió a los radiólogos detectar un 20% más de cánceres de mama que los métodos tradicionales de doble lectura, lo que mejoró considerablemente la precisión diagnóstica y redujo en un 44% la carga de trabajo de los radiólogos.
El mercado mundial de la IA para la salud, valorado en 11.000 millones de dólares en 2021, tiene una proyección de superar los 187.000 millones de dólares para 2030, impulsado por los avances en aprendizaje automático y análisis de macrodatos. La inteligencia artificial sigue demostrando su potencial transformador en la atención sanitaria. Por ejemplo, un estudio de 2021 publicado en BMC Medical Informatics and Decision Making mostró que los modelos de aprendizaje automático predecían con precisión los reingresos hospitalarios no planificados en un plazo de 14 días, lo que permitía intervenciones específicas para mejorar los resultados y reducir los costes.
Pese a estos avances, persisten los desafíos. Los datos aislados, las preocupaciones sobre la privacidad y los sesgos algorítmicos pueden socavar el potencial de la IA. Los marcos regulatorios y los conjuntos de datos de alta calidad son fundamentales para garantizar una integración responsable. Sin preparación, las organizaciones corren el riesgo de desperdiciar recursos, generar expectativas incumplidas y erosionar la confianza. Un enfoque meditado y equilibrado es esencial para hacer realidad la promesa de la IA y abordar a la vez las complejidades éticas, clínicas y prácticas.
Los riesgos de una «fiebre del oro» de la IA
La carrera mundial por adoptar la IA en la atención sanitaria pone de manifiesto su promesa transformadora, pero, sin una estrategia clara, este entusiasmo corre el riesgo de convertirse en caos. El atractivo de la tecnología más avanzada suele llevar a las organizaciones a dar el salto antes de evaluar su preparación, con resultados decepcionantes. Los fracasos de proyectos de IA de gran repercusión subrayan los peligros de un enfoque apresurado y carente de estructura.
Por ejemplo, el Modelo de estratificación predictiva del riesgo del NHS (PRISM) del Reino Unido tenía como objetivo identificar los ingresos de emergencia de alto riesgo. Sin embargo, la integración insuficiente de datos y unos flujos de trabajo desalineados hicieron que fracasara: señalaba a los pacientes equivocados y no detectaba a otros. ¿El resultado? Recursos desperdiciados, oportunidades de atención perdidas y un claro recordatorio de la importancia de una preparación básica. Del mismo modo, en Estados Unidos, una herramienta de triaje basada en IA, entrenada con datos de una población no representativa, agravó las ineficiencias, especialmente para los grupos desatendidos.
Desafíos recurrentes como los datos inconsistentes, la falta de alineación de los flujos de trabajo y la escasez de talento suelen ser causas habituales. Los datos de baja calidad socavan la precisión de las predicciones, mientras que las herramientas que no se ajustan a los flujos de trabajo clínicos suelen perturbar las operaciones en lugar de mejorarlas. Además, sin conocimientos especializados en IA, los equipos sanitarios tienen dificultades para aprovechar eficazmente su potencial. Estos problemas suelen generar «deuda tecnológica»: herramientas costosas que no ofrecen beneficios significativos. Según un artículo de Forbes artículo, alrededor del 90% de los proyectos de IA/aprendizaje automático no logra obtener un retorno de la inversión debido a prioridades y herramientas desalineadas.
El potencial de la IA es como un tesoro escondido en un bosque denso. Aunque su promesa es innegable, avanzar con prisas y sin una estrategia bien concebida entraña el riesgo de perder el rumbo. El progreso no depende de la velocidad, sino de la precisión. Los esfuerzos desalineados, las herramientas desconectadas y las expectativas incumplidas conducen a la decepción, las pérdidas financieras y la erosión de la confianza en la capacidad transformadora de la IA.
Un enfoque estratégico para integrar la IA
El antídoto contra estos desafíos está claro: la estrategia debe primar sobre la velocidad, y una metodología estructurada garantiza que las organizaciones puedan aprovechar plenamente el potencial de la IA y minimizar los riesgos. Como se muestra en la infografía anterior, las siguientes cinco fases interconectadas pueden servir de marco, desde la preparación hasta la expansión sostenible:
Evaluaciones de referencia: Comience con una evaluación exhaustiva de las capacidades actuales, centrándose en la calidad de los datos, la infraestructura y la preparación del personal. Comprender el punto de partida es fundamental para identificar brechas y fijar objetivos realistas.
Planes estratégicos: Defina objetivos claros y alineados con las prioridades de la organización, ya sea mejorar los resultados de los pacientes, reducir los costes o agilizar las operaciones. Un plan proporciona enfoque y garantiza la alineación entre los equipos.
Proyectos piloto de IA: Pruebe las herramientas en entornos controlados para recabar comentarios, perfeccionar los modelos y abordar los desafíos antes de ampliarlas. Los proyectos piloto son una forma de bajo riesgo de generar confianza y demostrar el valor.
Participación de las partes interesadas: La colaboración es clave para una integración exitosa. Involucre desde el principio a profesionales clínicos, administradores y pacientes para fomentar la confianza y adaptar las soluciones de IA a los flujos de trabajo cotidianos.
Expansión sostenible: Amplíe gradualmente los proyectos de IA, basándose en los proyectos piloto exitosos. A medida que crezca la adopción, asegúrese de que los recursos, la tecnología y el talento evolucionen para mantener el impulso y el impacto.
Este enfoque por fases permite a las organizaciones equilibrar la ambición con la preparación, garantizando que cada paso sea deliberado y tenga impacto.
Aprender de los casos de éxito
Las organizaciones que han adoptado un enfoque de IA que prioriza la estrategia ofrecen valiosas lecciones:
Kaiser Permanente (Estados Unidos): Al implementar por fases su sistema HealthConnect , Kaiser alineó las soluciones de IA con su visión de una atención centrada en el paciente. La participación temprana del personal garantizó una integración fluida, lo que mejoró la coordinación y la seguridad de la atención.
Moorfields Eye Hospital (Reino Unido): En colaboración con Google DeepMind, Moorfields desarrolló modelos de IA capaces de diagnosticar más de 50 enfermedades oculares. Al integrar estas herramientas en los flujos de trabajo clínicos, el hospital redujo la carga de trabajo y mejoró la precisión diagnóstica.
Estos ejemplos ponen de relieve el poder transformador de una integración de la IA deliberada y bien planificada. El éxito no proviene de apresurarse a implementar la tecnología, sino de construir una base sólida que alinee las soluciones de IA con los objetivos de la organización.
Estrategia por encima de velocidad
La promesa de la IA en la atención sanitaria es innegable: puede revolucionar la prestación de servicios, mejorar los resultados y reducir las desigualdades en todo el mundo. Sin embargo, esta promesa solo puede hacerse realidad mediante acciones estratégicas y meditadas. El atractivo de una implementación rápida suele dar lugar a errores, recursos desperdiciados y pérdida de confianza. Los líderes deben reconocer que, en la carrera por innovar, la estrategia siempre prevalecerá sobre la velocidad.
Adoptar la IA sin preparación entraña riesgos de pérdidas financieras y daños a los pacientes. Las evaluaciones de preparación deben valorar la infraestructura, las capacidades del personal y la integridad de los datos. Las consideraciones éticas —como los sesgos, la privacidad y el acceso equitativo— son esenciales para mantener la confianza pública. La colaboración entre gobiernos, proveedores de atención sanitaria y empresas tecnológicas es crucial para establecer marcos que permitan una integración sostenible de la IA.
Los vencedores de la revolución de la IA en la atención sanitaria no serán quienes se apresuren, sino quienes se detengan a construir bases sólidas. Los proyectos piloto deliberados, la expansión iterativa y la participación de las partes interesadas garantizan que cada paso sea intencional, tenga impacto y perdure. La IA no es simplemente una herramienta de automatización; es un catalizador de transformación cuando se implementa de forma responsable.
¿Qué está haciendo el Foro Económico Mundial para mejorar los sistemas de salud?
El Centro de Salud y Atención Sanitaria conecta a líderes para comprender los desafíos a los que se enfrentan los sistemas de salud de todo el mundo, incluidos el acceso, la equidad, la resiliencia y la preparación.
Mediante un diálogo basado en la confianza y la colaboración público-privada, el Centro permite que sus socios se alineen en torno a prioridades compartidas e impulsen la acción colectiva para mejorar los resultados de salud.
Los líderes deben cambiar su mentalidad: pasar de la urgencia a actuar con intención. Al adoptar un enfoque que priorice la estrategia sobre la velocidad, podemos desbloquear todo el potencial de la IA para crear sistemas más saludables y equitativos que estén al servicio de todos. Hay que actuar ahora, pero con cuidado, previsión y propósito. Hagamos realidad la promesa de la IA de forma sostenible, ética y con impacto mundial.
La Hoja de ruta para la adopción gradual de la IA que se presenta en este artículo se basó en el trabajo fundamental de HIMSS Digital Health Framework, WHO AI for Health Guidelines & Digital Health Framework y McKinsey's Digital & AI Transformation Framework.
