Estamos en un punto de inflexión en tecnología de la salud. Grandes recursos de datos se han desbloqueado a través de la transición a registros médicos electrónicos, la atención basada en valores requiere un análisis sofisticado de los resultados del paciente y el aprendizaje automático, y la inteligencia artificial (IA) ha evolucionado rápidamente. Todas las herramientas están listas, y la parte difícil es lo que viene después.

En mi carrera en salud y oncología, soy químico, farmacólogo, emprendedor, analista, académico, investigador, capitalista de riesgo y tecnólogo. Vi esta "parte difícil" desde muchos ángulos. Los cambios no ocurren fácilmente en la atención médica. Los sistemas de toma de decisiones en nuestra industria hoy en día son ineficientes, están llenos de fallas y prejuicios humanos. Esto es evidente en oncología, el área de enfoque de mi compañía y también en la especialidad de mi brillante esposa.

Me di cuenta de que el problema no es la tecnología, sino el contexto. Necesitamos compartir una visión. Necesitamos traducir información de un lado a otro entre médicos, investigadores, pacientes y computadoras para hacer mejores preguntas y encontrar mejores respuestas. La forma de reunir a los líderes de salud en torno a la IA es invitarlos al entorno contextual adecuado para los hallazgos.

¿Cómo contextualizamos esto? A principios de este año, me uní al nuevo grupo de trabajo de la National Academy of Medicine de Inteligencia de Atención Médica / Aprendizaje Automático. Junto con otros 35 líderes de salud, describimos la promesa, el desarrollo, el despliegue y el uso de la IA para los responsables políticos, proveedores, pagadores, farmacéuticos, compañías tecnológicas y pacientes. Cada parte de nuestro sistema de salud necesita una mejor traducción:

• Médicos: los médicos son comunicadores y ponen su conocimiento en las decisiones sobre la atención y las expectativas del paciente. AI necesita comprender y evolucionar dentro de ese marco, utilizando la experiencia de un médico para hacer preguntas informadas de vastos conjuntos de datos. No debería detenerse ahí: la IA debe presentar a los médicos recomendaciones estadísticas complejas en un formato fácil de usar y cerrar el ciclo de retroalimentación con un análisis de lo que funcionó. A medida que evoluciona la atención médica, el valor de la traducción médica se expande. Los médicos traducirán conceptos cada vez más complejos para los pacientes, además de traducir cómo se aplica la experiencia médica al aprendizaje automático y cómo se transforma la práctica médica en base a datos del mundo real.

• Pacientes: el Dr. Google es casi siempre una segunda opinión en la sala de examen. Con el advenimiento del aprendizaje automático, la alfabetización de datos del paciente también debería ser un enfoque. Los pacientes deben y pueden participar en las decisiones de atención: sopesar los riesgos, los costos y las molestias en función de los datos del mundo real sobre lo que funciona en su situación exacta. Es esencial que los pacientes puedan contextualizar con sus proveedores lo que realmente les importa.

• Pagadores: ¿ha mejorado el paciente? ¿Fue el tratamiento que aprobamos el más económico? ¿Dónde podemos reducir el riesgo sin dejar de innovar? Los planes de salud saben que los costos crecientes de la atención médica actual no son sostenibles. Agregar el contexto del pagador en torno a los objetivos de reembolso en ciencias puede ayudar a reducir los costos y mejorar los resultados. Los contribuyentes ciertamente podrían hacer un mejor trabajo al traducir por qué toman decisiones sobre denegaciones y costos, que la explicación críptica de las cartas de beneficios anteriores o las denegaciones de autorización enviadas hoy.

• Investigadores: cómo mejorar nuestro proceso de descubrimiento de fármacos y ensayos clínicos es el tema de un libro, no un punto, pero es justo decir que existen grandes oportunidades para una mejor traducción en los sectores farmacéutico, de dispositivos y biotecnología. Estoy muy emocionado de mejorar cómo los investigadores seleccionan de manera inteligente grupos de pacientes seguros para ensayos clínicos que reducen los eventos adversos y usan datos del mundo real para mostrar que una pequeña experiencia de control se traduce en segmentos de pacientes amplios y diversos.

• Investigadores: cómo mejorar nuestro proceso de descubrimiento de fármacos y ensayos clínicos es el tema de un libro, pero es justo decir que existen grandes oportunidades para una mejor traducción en los sectores farmacéutico, de dispositivos y biotecnológico. Estoy muy emocionado de mejorar cómo los investigadores seleccionan de manera inteligente grupos de pacientes seguros para ensayos clínicos que reducen los eventos adversos y utilizan datos del mundo real para demostrar que una pequeña experiencia de control se traduce en segmentos de pacientes grandes y diversos.

• Tecnología: los líderes tecnológicos también comparten la carga de la traducción aquí. Las tecnologías sanitarias a menudo se desarrollan en el vacío, lejos de escuchar lo que realmente necesitan los médicos, pacientes, pagadores y farmacéuticos. Los primeros comentarios sobre IA prometieron curas milagrosas y produjeron pocos resultados. Para ser efectiva, la IA necesita ser cuidadosamente entrenada para contextualizar los resultados en acciones más prácticas "y qué". Es una conversación y no es fácil.

Hasta que podamos responder con claridad y consistencia, "Si este paciente toma este medicamento, ¿funcionará mejor que otro, y vale la pena el precio?", Se necesita más contexto para hacerlo. La inteligencia artificial es solo una herramienta para ayudarnos a llegar allí. Solo funcionará bien cuando esté muy bien entrenado y entendido.

Fuente: Brigham Hyde para Forbes