Alejandro SheppertDO, PhD, MBA, es médico residente de medicina interna e investigador de IA y fundador de Matic.
Llegué a la medicina procedente del software. Antes de la facultad de medicina, pasé años escribiendo código, y cuando la IA mejoró en lectura y escritura, el primer uso clínico obvio fue escribir: un médico habla con un paciente durante 10 minutos, la IA escucha y aparece un borrador de la nota. Construí Matic, uno de los primeros escribas de IA, seguro que los médicos lo adoptarían una vez que funcionara.
Esa apuesta fue correcta. La escritura de IA es ahora una de las primeras herramientas de IA convencionales en el cuidado de la salud, utilizada por casi un tercio de los consultorios médicos, según informó KFF Health News.
La FDA ha autorizado una lista cada vez mayor de dispositivos médicos compatibles con IA. Se han destinado alrededor de 60 mil millones de dólares a nuevas empresas de inteligencia artificial médica en la última década, según una investigación de Flare Capital Partners citada por Healthcare Dive. La AMA informa que más del 80% de los médicos utilizan actualmente algún tipo de IA.
En toda la industria, he escuchado a empresas de riesgo y sistemas de salud hacer la misma pregunta: ¿Qué productos de IA son los siguientes? Aquí está mi respuesta.
Una trifecta en el flujo de trabajo
Ahora que practico la medicina en lugar de solo programarla, veo algo que me perdí como ingeniero. La escritura es un tercio del flujo de trabajo por el que pasa cada visita. Fue la primera pieza de dominó que cayó, pero las dos siguientes están listas para ser abordadas.
Primero, antes de que un médico entre a una habitación, revisa el historial de su paciente. En segundo lugar, durante y después de la visita, escriben sus notas. Esta es la parte del proceso que ha sido automatizada. En tercer lugar, la visita se codifica y factura. Esos tres pasos son la columna vertebral de un encuentro, y la escritura con IA aborda solo el paso intermedio.
Revisión del paciente
El primer paso es leer el gráfico. La mayoría de los pacientes ahora tienen años de registros, y un médico que maneja un caso complejo tiene que dedicar tiempo real a revisar esos registros. Gran parte de lo que importa para el tratamiento se encuentra en notas anteriores y resultados antiguos.
He visto cómo una sola entrada incorrecta puede sobrevivir a todos los que participaron en esa entrada: un resultado registrado incorrectamente una vez puede luego copiarse, nota tras nota, hasta que se lea como un hecho establecido. Una herramienta informativa de IA puede leer todo el registro, no solo la nota más reciente, y sacar a la luz esa entrada original y señalar que todo lo escrito desde entonces la contradice.
Codificación y facturación
El tercer paso es codificar y facturar, y el costo de hacerlo mal es alto. El conjunto de códigos de diagnóstico de EE. UU., ICD-10-CM, abarca alrededor de 70.000 entradas. Ningún médico puede guardar todas esas entradas en la memoria. Los médicos pueden elegir el primer código que se parezca más a su caso, incluso cuando existe uno mejor. También pueden asignar códigos que cobran menos de lo que deberían, un patrón llamado subfacturación, porque carecen del tiempo y la capacitación para encontrar el código más preciso.
Algunas organizaciones grandes responden a este problema con equipos de codificación dedicados que auditan gráficos y archivan facturas. Se trata de uno de los niveles burocráticos más costosos de la atención sanitaria estadounidense, y cuesta aproximadamente 40.000 millones de dólares al año sólo en facturación y cobros, según un informe de McKinsey citado por la Asociación Estadounidense de Hospitales.
Un modelo de lenguaje no tiene tal límite. Puede funcionar con los 70.000 códigos de diagnóstico y miles de códigos de procedimiento a la vez y proponer el mejor compatible en segundos. Las aseguradoras, por supuesto, pueden utilizar las mismas herramientas para auditar las mismas notas.
Las objeciones son reales
Creer que estos tres pasos deben abordarse juntos no garantiza el éxito en todos los ámbitos. Un informe que omite algo en el historial de un paciente puede generar responsabilidad y, a diferencia de una nota de un escribano, que un médico firma línea por línea, se tiende a confiar en un informe sin ese escrutinio. La codificación automatizada también invita a realizar auditorías de los pagadores.
Encadenar los tres procesos es más difícil que abordar cada uno individualmente: un error temprano viaja a lo largo de toda la cadena. Si los registros son largos y desordenados, o si el gráfico se encuentra dentro de sistemas fuera de su control, una nueva herramienta puede tener dificultades para asegurar el tipo de acceso correcto. El listón del éxito aquí es alto y la mayoría de los intentos no lo superarán.
Por qué estos tres y por qué ahora
Hace veinte años, ninguno de estos trabajos parecía igual. Un médico formado en la década de 1990 podría recordar una carpeta de papel fino, unas pocas líneas escritas a mano como nota y un breve recibo como factura. Tres leyes cambiaron todo esto.
La Ley HITECH de 2009 pagó a los médicos para que adoptaran registros electrónicos y, en una década, la adopción aumentó a más de cuatro de cada cinco médicos. La Ley de Atención Médica Asequible de 2010 vinculó el reembolso a los diagnósticos reflejados en el cuadro. La transición de la CIE-10 de 2015 amplió los códigos de diagnóstico de aproximadamente 14.000 a aproximadamente 70.000.
Juntas, estas leyes produjeron el flujo de trabajo en el que ahora trabajan los médicos.
Los otros dos dominós
En este momento, estos tres pasos están divididos entre personas que no comparten lo que cada uno sabe, y los errores viven en las brechas entre ellos. Es posible que vea un código incorrecto porque una nota era insuficiente y esa nota era insuficiente porque un gráfico no se leyó. Estos pasos se basan en los mismos registros, por lo que una herramienta que hace bien uno ya es parte del camino para lograr los otros pasos.
Así que esta es mi próxima apuesta: escribir fue lo primero porque era el dominó fácil. La máquina sólo tenía que escuchar. Los otros dos pasos piden a la IA que emita juicios basados en la historia, lo cual es más difícil. Pero dentro de unos años, las prácticas de solución de escriba de IA que acabamos de adoptar dejarán de ser solo un escriba. Esa función de escritura se convertirá en una característica del arsenal de la solución.
Consejo de tecnología de Forbes es una comunidad a la que solo se puede acceder por invitación para CIO, CTO y ejecutivos de tecnología de talla mundial. ¿Califico?
