La Inteligencia Artificial (IA) y la minería de procesos, están transformando el cuidado de la salud en todo el mundo. De acuerdo al Banco de Desarrollo de América Latina, las inversiones en IA a nivel global se acercarán a los 36 mil millones de dólares para 2025, lo que ayudaría a mejorar y ampliar el sistema de salud de forma significativa.
DataSalus, compañía de análisis de datos y una de nuestras empresas aliadas, asegura que es importante construir una sociedad que sea capaz de poner los beneficios de la IA al servicio de todas las personas. Para ello, es necesario diseñar mecanismos para facilitar el entendimiento de dichas herramientas por parte del personal sanitario, así como desarrollar soluciones tecnológicas prácticas para optimizar procesos.
Una de esas soluciones es el process mining, que ofrece alternativas no solo para estudiar las razones detrás de las demoras o cuellos de botella, sino también para auditar y asegurar control de calidad en los procesos, entre otros beneficios.
En una entrevista con DataSalus, se hizo un amplio análisis de la situación actual, de los beneficios de la Inteligencia Artificial y el process mining, y los retos que enfrentan estas nuevas tecnologías de cara al futuro.
Seguimos dentro de lo que se puede llamar «la revolución de los datos» dentro de la gestión de todo tipo de entidades: ¿cuáles son los grandes beneficios de esta incorporación de la explotación de datos en la industria de la salud?
Creo que se pueden aportar muchos beneficios, sobre todo en un futuro en el que sabemos que la población mayor de 65 años (la que necesita más atención del sistema sanitario) va a ser cada vez más abundante.
En una sociedad avejentada, sería fabuloso conseguir aprovecharnos de esta revolución de datos para ofrecer mayor calidad de vida a nuestros mayores. En este sentido siempre decimos que la revolución que venga debe ser sin prescindir de personal sanitario ni de otros perfiles ligados a los cuidados y acompañamiento de las personas mayores. Los avances tecnológicos deberían usarse siempre como herramienta complementaria que permita mejorar la labor de estos profesionales pero nunca sustituirlos.
La clave es utilizar esta explotación de datos para poner a los pacientes en el centro. Es decir, nuestro enfoque, por ejemplo, es una filosofía que pone en lo alto de la pirámide a las personas, sus preocupaciones, dolencias, calidad de vida y bienestar. Debemos construir una sociedad que sea capaz de poner los beneficios de la IA al servicio de las personas, no a servicio de otros intereses.
En el ámbito sanitario el objetivo final tiene que se mejorar la vida de los pacientes, bien sea a través de diagnósticos de enfermedades más eficaces, priorizando opciones como el hospital a domicilio, encontrando factores y patrones que ayuden a prevenir determinadas dolencias, o avanzando hacia una medicina personalizada en la que las dosis de medicamentos y los procedimientos puedan estar totalmente adaptados a cada paciente.
Creemos que, para conseguir esto, el uso de la Inteligencia Artificial (IA) para el estudio de los grandes volúmenes de datos que se generan día a día y la aplicación de los avances tecnológicos que estamos viviendo van a resultar herramientas necesarias.
¿Cuáles son las grandes barreras para poder integrar la explotación del dato en el día a día de las organizaciones sanitarias?
Aún quedan muchos temas en los que trabajar para lograr una buena integración, pero me gustaría comentar tres aspectos que están especialmente de moda.
En primer lugar hay que conseguir profundizar en un proceso de digitalización que en muchos casos aún dista de ser una realidad. En el ámbito sanitario hay aún una gran cantidad de registros que se siguen tomando en papel porque no se han desplegado herramientas de digitalización suficientes. Es más, en ocasiones sí se dispone de distintas herramientas tecnológicas pero llegan a ser tan poco prácticas en ciertos sentidos que los profesionales optan por volver al papel.
Nosotros decimos siempre que es muy importante incluir de manera activa a los profesionales sanitarios en todo el proceso de captura de requisitos y diseño del software que va a ser luego utilizado por ellos mismos. Es esencial para lograr una digitalización completa. En ocasiones también se intenta llevar a cabo una digitalización que está basada simplemente en el escaneo como imágen de documentos en papel, cuando lo importante es representar toda esa información en un formato machine-readable y machine-understable, es decir, legible e interpretable por máquinas. Para ello, adjuntar a su vez ciertos tipos de metainformación es también fundamental.
En segundo lugar, podríamos resaltar todos los esfuerzos que se han hecho y se continúan haciendo en temas tan importantes como la protección de datos. Debemos tener en cuenta que los datos sanitarios son especialmente sensibles en este sentido. Es vital diseñar mecanismos de protección, anonimización, o compartición de datos por citar algunos ejemplos.
Dentro de la IA, existen soluciones como el Federated Learning, el cual es especialmente relevante en términos de privacidad y seguridad de datos, derechos de acceso a los datos e integración de orígenes heterogéneos. En este sentido resaltaría también todas las técnicas que están orientadas a ser capaces de mezclar y homogeneizar información que ha sido generada por diversas fuentes y/o protocolos. Hay un gran beneficio en ser capaces de aprovechar los datos procedentes, por ejemplo, de distintos hospitales o clínicas que no tienen, a priori, nada que ver. Se consigue representar la realidad de una manera mucho más amplia.
Por último resaltaría otro aspecto también primordial y que está totalmente relacionado con la Inteligencia Artificial. Es vital lograr vencer la barrera de la falta de confianza y aceptación de la IA por parte de algunos sectores sanitarios. En un ambiente en el que debería ser muy importante poder auditar y explicar el porqué de las decisiones tomadas, la IA puede visualizarse como algo demasiado opaco o difícil de entender. Nos encontramos aquí con el problema tradicional de black box o caja negra. Cuando incluso los diseñadores de IA no podemos explicar por qué ésta ha llegado a una determinada decisión o conclusión, imaginémonos lo que esto supone para profesionales ajenos a este dominio. Por ello, creo que uno de los retos futuros va a ser promover la xAI, o eXplainable Artificial Intelligence.
Estos nuevos paradigmas inciden en conceptos de transparencia, explicabilidad e interpretabilidad de la IA y esto es fundamental en un ámbito como el sanitario en el que los sistemas de soporte a la toma de decisiones están experimentando un fuerte crecimiento. Hay que recordar que la propia Unión Europea (UE) ya incluye algo que podríamos llamar ‘derecho a la explicación’ en la reciente GDPR con la intención de lidiar con los problemas que pueden surgir de este despliegue de nuevos algoritmos en nuestro día a día.
Si una IA toma decisiones (o ayuda a tomarlas) sobre cuestiones médicas de un paciente, ¿por qué éste no va a poder conocer lo que hay detrás de estas decisiones, si es algo que afecta a su bienestar?
Se habla mucho de la Inteligencia Artificial dentro la salud, casi siempre a la opinión pública llegan los casos de las imágenes de radiografías como gran ejemplo de su aplicación, ¿pero qué otros retos son importantes?
Sí, es verdad que todo el ámbito de computer vision puede ser muy llamativo o, digamos, ‘vistoso’. Pero hay innumerables aplicaciones de la IA a la salud que ya se están poniendo en práctica en distintos contextos, aunque también existan subámbitos con escasa adopción.
Un buen ejemplo de aplicación serían los sistemas de soporte al diagnóstico y predicción de la evolución clínica de los pacientes. Estos pueden ayudar, por ejemplo, a evitar o anticipar futuras hospitalizaciones o reingresos hospitalarios en pacientes crónicos. Por retomar aquello de ser capaces de poner a los pacientes en el centro, reducir hospitalizaciones supone un importante beneficio para el bienestar de los pacientes. Y también para el consumo de recursos sanitarios, claro.
De cara al futuro, hay un reto que yo siempre he creído que aún dará mucho juego. Se debería mejorar tanto la usabilidad como la comprensibilidad de todos estos sistemas TIC de cara a su utilización por los profesionales sanitarios. Creo que es importante crear indicadores representativos pero que también consigan mostrar la información en un lenguaje cercano a los profesionales sanitarios. Estoy seguro de que la IA nos puede ayudar con esto.
Por último, me gustaría comentar un ejemplo que seguramente tiene menos ‘gancho’ para la opinión pública pero desde luego va a ser una de las aplicaciones más relevantes y con mayor influencia en el consumo de recursos sanitarios en los próximos años.
Empieza a existir todo un conjunto de sistemas de soporte a la toma de decisiones basados en IA que están orientados a los policymakers sanitarios. Hemos visto en los últimos tiempos como aparecían convocatorias de fondos europeos destinadas a investigar sobre este tipo de sistemas de IA para su uso por los responsables de políticas sanitarias, es decir, aquellos equipos de personas que toman decisiones de especial interés y repercusión en asuntos de gestión, financiación, acuerdos de suministros, elaboración de políticas sanitarias o evaluación de los enfoques de investigación médicos más relevantes para los próximos años, por citar algunos ejemplos. En este sentido, va a ser muy importante que la opinión pública establezca debates sobre ética e IA.
Si vamos a usar la IA para ayudarnos a tomar decisiones de especial importancia, ¿qué reglas generales deben gobernar a la IA a la hora de enfrentarse a esas decisiones?, y, ¿quién define esas reglas?
La minería de procesos es una actividad emergente en la gestión, ¿por qué consideráis que es importante para la gestión de organizaciones sanitarias?
El sistema sanitario se está enfrentando a grandes retos. Ya comentamos el hecho de que la sociedad es cada vez más ‘vieja’, pero hay otros asuntos de interés. Por ejemplo, y sin tener en cuenta el efecto COVID-19, los costes sanitarios no han parado de crecer y esto es algo que hay que abordar para poder seguir ofreciendo una sanidad de calidad.
Por otra parte, los cuidados de larga duración se están también incrementando de manera importante desde principios del siglo actual. Y la previsión es que todo esto siga creciendo. Entender más a fondo los procesos y mejorar la gestión de los recursos puede ayudar a lidiar con estos aspectos. Y no solo hablamos de ‘gasto de dinero’. Por ejemplo, el process mining permite entender y mejorar un aspecto que se está empezando a priorizar en muchas políticas sanitarias: los largos tiempos de espera. Los tiempos para recibir un determinado tratamiento o someterse a una prueba médica se dilatan muchas veces más de lo deseado y esto tiene impactos negativos en el control de costes, pero también en el bienestar de los pacientes. En el mejor de los casos los beneficios de los tratamientos se están posponiendo, y, en el peor, llegan demasiado tarde.
Es primordial mejorar la productividad y reducir los tiempos de espera a la vez que se reducen los costes. Para ello, el process mining ya nos está ofreciendo herramientas para estudiar los cuellos de botella y proponer soluciones para remediarlos, dar soporte a la trazabilidad de las historias clínicas y de los propios medicamentos, auditar la adherencia a protocolos sanitarios o asegurar el cumplimiento de los puntos críticos y controles de calidad en temas como la elaboración y administración de medicamentos biopeligrosos.
Pero, por supuesto, a pesar de estas bondades, existen aún retos futuros muy importantes. Por ejemplo, hay uno que me interesa especialmente y sobre el cual centré buena parte de la atención en mi tesis doctoral. En el ámbito sanitario no es algo aislado el encontrarse con procesos y entornos que, por el motivo que sea, tienen unas características de monitorización incompletas. Esto es, es posible que de todo el conjunto de actividades que componen un proceso, un 25 %, por ejemplo, no tengan la capacidad de generar trazas, o events, como le llamamos en el ámbito del process mining. Esto dificulta enormemente la creación de logs de calidad.
La solución tradicional siempre ha pasado por ‘filtrar’ esas actividades del proceso y hacer como si no existieran, dedicando todos los esfuerzos de análisis a aquellas actividades que sí tienen capacidad de generar eventos. Pero yo digo, ahí estás perdiendo información sobre la naturaleza del proceso que puede ser muy útil. Esas actividades ‘especiales’ también se relacionan con las demás del proceso y, realmente, están ahí, se ejecutan en el mundo real y tienen una importancia y un efecto determinado sobre las instancias del proceso. Creo que es un reto ver cómo encajamos todo esto.
¿En qué estado consideráis que está la gestión por procesos dentro del ámbito sanitario?
Las organizaciones sanitarias están hoy en día bajo una gran presión. Se les exige “hacer más con menos” y se están dando cuenta de que para lograr esto va a haber que hacer una gestión de los procesos y los recursos mucho más completa y compleja.
Desde hace un tiempo, términos como Business Process Management empiezan a ‘sonar’ entre los profesionales y gestores sanitarios. Yo creo que el process mining ha llegado al ámbito sanitario para quedarse y que estamos comenzando a ver su gran potencia. En particular, las técnicas de process mining que se más se están demandando son las relacionadas con conformance checking, esto es, analizar la adherencia a protocolos normativos, y process discovery, o lo que es lo mismo, ser capaces de entender cómo son verdaderamente los procesos y que es lo que está pasando en ellos.