Las organizaciones enfocadas a la atención médica están experimentando ahorros significativos al usar Inteligencia Artificial en sistemas administrativos.
La Inteligencia Artificial (IA) para el cuidado de la salud está de moda. ¿Quién no estaría entusiasmado con las aplicaciones que podrían ayudar a detectar el cáncer, diagnosticar el COVID-19 o incluso la demencia mucho antes de que se noten, o predecir la diabetes antes de su aparición?
Piyush Gupta, CEO de DBS Bank: retrato de un líder en Inteligencia Artificial
Ya se ha demostrado que el aprendizaje automático y profundo hacen posibles estos resultados.
Posible, es decir, en el laboratorio de investigación. En el cuidado de la salud, a menudo hay un largo retraso entre los resultados de la investigación y la implementación al lado de la cama.
Para que los avances impulsados por la IA se conviertan en una realidad clínica, deben ser presentados y aprobados por la Administración de Alimentos y Medicamentos (o autoridades reguladoras similares fuera de Estados Unidos) como “software basado en IA/aprendizaje automático como dispositivo médico”.
Ya se han aprobado varios cientos de estas solicitudes. Pero esas herramientas luego deben ser aceptadas por los médicos, fusionadas en sus flujos de trabajo clínicos, integradas en registros de salud electrónicos y otros sistemas, y reembolsadas por las aseguradoras de salud.
Pocos sistemas clínicos de IA han ejecutado con éxito todo este desafío. Y hasta que los sistemas de IA clínica den como resultado avances significativos en la productividad, el valor económico de ellos está en duda. Hasta ahora, por ejemplo, estamos seguros de que no han reemplazado a un solo médico humano.
Compare esa situación con el potencial actual de los sistemas administrativos de IA en el cuidado de la salud.
Estos casos de uso no tienen que ser aprobados por la FDA, ni siquiera por las compañías de seguros (de hecho, se utilizan en muchos casos para reducir la fricción con los pagadores).
No tienen que ser aceptados por los médicos, en su mayor parte. Si bien tienen que estar integrados con flujos de trabajo y sistemas administrativos, los sistemas de IA basados en API y en la nube facilitan mucho el proceso.
Por qué las empresas deben adoptar prácticas responsables con la Inteligencia Artificial
En términos de valor económico, el caso de la IA administrativa también es mucho más claro. Los costos administrativos en Estados Unidos promediaron 2497 dólares per cápita en 2017, el 34% de los costos totales de atención médica.
Los economistas de la atención médica en Estados Unidos a menudo argumentan que reducir los costos administrativos es una de las formas más factibles de reducir los costos generales de la atención médica.
Por ejemplo, David Cutler, un economista de Harvard, quien fue uno de los arquitectos del sistema de la Ley del Cuidado de Salud a Bajo Precio (“Obamacare”) de Estados Unidos, ha propuesto una serie de cambios en los procesos administrativos que, según él, podrían ahorrar 50 mil millones de dólares en costos y mayor satisfacción tanto para los pacientes como para los proveedores.
Algunas de estas propuestas involucran automatización e Inteligencia Artificial, como una cámara de compensación de reclamos automatizada y procesos de autorización previa automatizados. El potencial aquí es significativo.
La principal de las oportunidades para la IA administrativa es el área del ciclo de ingresos: autorización, facturación y pagos. Esta es un área polémica y que requiere mucha mano de obra para muchos proveedores de atención médica y pagadores.
Varias compañías de seguros, incluidas Anthem, Optum de United Healthcare y Florida Blue, están automatizando el proceso de autorización previa mediante IA. Un estudio estimó que las autorizaciones previas manuales pueden tomar hasta 16 horas por semana para los médicos.
Codificar tratamientos médicos para reembolso y mantenimiento de registros es una tarea desafiante para los humanos, con más de 55,000 códigos diferentes en la última versión de la Clasificación Internacional de Enfermedades.
Varias empresas ya han implementado sistemas de IA de asistencia para la codificación que traducen notas clínicas en códigos, pero por ahora aún requieren revisión por parte de codificadores humanos.
Otro desafío para los humanos en el ciclo de ingresos es la estimación de las facturas médicas antes del tratamiento.
Los arreglos complejos de facturación y pago dificultan la estimación, pero es más probable que los pacientes paguen las facturas médicas cuando tienen estimaciones precisas, y el gobierno de Estados Unidos ahora las exige, aunque muchos proveedores no cumplen.
Sin embargo, el sistema de Baylor Scott & White Health ha utilizado un sistema basado en aprendizaje automático para crear estimaciones precisas basadas en datos de facturación anteriores.
Alrededor del 70% de sus estimaciones se crean sin intervención humana, y las estimaciones han llevado a una mejora del 60% al 100% en las recolecciones en los puntos de servicio.
Los proveedores y los pagadores también se involucran en muchas idas y vueltas sobre los pagos y cuándo se realizarán. Esta es otra gran área para la aplicación de la automatización y la IA.
Waystar, el proveedor de la herramienta de estimación de Baylor Scott & White, automatiza el proceso de verificar el estado de las reclamaciones con los departamentos de cuentas por pagar de las compañías de seguros para ver si se han realizado los reembolsos, un proceso que antes se realizaba por teléfono. Parece probable que “Haz que tu IA llame a mi IA” se convierta en un estribillo común.
Si bien a nadie le gusta hablar mucho al respecto, también hay mucho FWA (fraude, desperdicio y abuso) en los pagos de atención médica.
Esta área se adapta bien al uso de aprendizaje automático (y, en algunos casos, sistemas expertos basados en reglas, una generación anterior de IA) para el análisis de reclamos.
Las aseguradoras nos han dicho que el ROI de tales sistemas se encuentra entre los más altos de todas las inversiones en IA: una gran aseguradora de salud con la que hablamos ahorra mil millones de dólares anualmente a través de FWA prevenido por IA.
La IA puede mejorar la administración de las empresas
Los proveedores de atención médica tienen una variedad de recursos escasos, incluidos médicos, quirófanos, camas y equipos costosos, que son difíciles de programar de manera efectiva.
Todos estos recursos se gestionan cada vez más con la ayuda de la IA. Por ejemplo, la Clínica Mayo tiene más de 300 cirujanos y 139 quirófanos y ha utilizado IA para organizar de manera más eficiente tanto al personal como al espacio.
En un proyecto que utilizó IA para probar mejores formas de programar cirugías espinales, pudo reducir las horas extra de los médicos en un 10% y aumentar la utilización de su espacio en un 19%. (También está llevando a cabo muchos proyectos de IA clínica).
Una empresa noruega de software de programación para personal médico, Globus.AI, afirma que la mayor precisión de programación de su software permite a los hospitales llenar un 40% más de turnos.
El equipo de imágenes de radiología es notoriamente costoso (y, a menudo, rentable para los proveedores), y la utilización eficiente es fundamental.
El Hospital General de Massachusetts ha desarrollado un algoritmo que predice si es probable que un paciente en particular se presente a una cita. Si el paciente tiene una alta probabilidad de no presentarse, es posible que reciba más recordatorios u otras intervenciones.
Los investigadores de Mass General también desarrollaron un sistema automatizado de traducción de idiomas que traduce instrucciones de radiología para pacientes que no hablan inglés; resultó en una reducción estadísticamente significativa en la variabilidad de los tiempos de procedimiento de radiología para esos pacientes.
Los suministros hospitalarios también son un recurso costoso que la IA puede ayudar a administrar. Algunos suministros, como un marcapasos o un stent liberador de fármacos, pueden costar miles de dólares. Puede costar más de 10,000 dólares por un mes de suministro de medicamentos para un paciente de Estados Unidos.
La firma consultora Navigant estima que los hospitales de Estados Unidos gastan más de 25 mil millones de dólares por año en costos innecesarios de la cadena de suministro.
Minimizar el exceso de inventario y proporcionar los suministros adecuados para las necesidades de los pacientes puede ser demasiado complejo para hacerlo bien sin IA.
Hay varias formas en que la IA puede mejorar las cadenas de suministro de atención médica, incluida la coincidencia de la oferta y la demanda.
Los modelos de aprendizaje automático pueden predecir cuántos pacientes, de qué tipo y con qué necesidades de atención médica llegarán a un hospital o consultorio médico, y las predicciones se pueden comparar con los inventarios de suministros.
A medida que la atención se traslada cada vez más de los hospitales de cuidados intensivos a una variedad de otros entornos, incluidas farmacias, centros de rehabilitación, clínicas y hogares de pacientes, la IA puede ayudar a los gerentes de la cadena de suministro a optimizar los métodos de transporte, la frecuencia y la ruta de los suministros.
La automatización de procesos robóticos y las tecnologías de aprendizaje automático pueden ayudar con el pedido de suministros: pueden verificar automáticamente la disponibilidad de productos pendientes, buscar medicamentos o dispositivos clínicos equivalentes, enviar órdenes de compra y facturas, y hacer coincidir las entregas con las facturas.
La tecnología puede hacerle frente a la escasez de enfermeras
AI también está extrayendo términos clave de los contratos e incorporándolos en los sistemas de transacción de la cadena de suministro y los procesos de auditoría. Una startup de IA, Kalderos, realiza un seguimiento de todos los descuentos de medicamentos relevantes y evalúa si los descuentos cumplen con las regulaciones federales y locales en Estados Unidos.
Nadie ganará el Premio Nobel de medicina por aplicar la IA a la administración de la atención de la salud. Los elogios y gran parte de la atención de los medios y del público se destinarán a las aplicaciones clínicas de la tecnología.
No estamos diciendo que los proveedores de atención médica y los pagadores deban renunciar a las aplicaciones clínicas de la IA, pero los desafíos y los tiempos de ciclo para desarrollar e implementar esos avances significan que muchas organizaciones también querrán considerar seriamente la IA administrativa.
Si ese tipo de IA puede reducir sustancialmente el costo de la atención, podría ser tan útil para el sistema de atención médica en general, y para muchos pacientes individualmente, como cualquier avance clínico.