Cómo construir una base en IA para acelerar la transformación de la salud

Es necesaria una estrategia holística de IA a escala, de modo que si la organización necesita recalibrar durante un proyecto inicial de IA, no conduzca a una pérdida de aceptación organizacional en torno a la realización del poder de GenAI para la salud. "La adopción de nuevas y audaces innovaciones a menudo es un desafío, especialmente con los profesionales de la salud cuya principal preocupación es, ante todo, la seguridad del paciente. No obstante, un liderazgo fuerte puede superar estos desafíos a través de la educación adecuada y puntos de prueba de un claro beneficio clínico para la atención del paciente", dijo el Dr. Mault, de BioIntelliSense.

Más del 40 % de los CEO de atención médica que respondieron a la EY CEO Outlook Pulse survey dijo que ya había establecido un grupo de trabajo de IA, con línea directa con la alta dirección, responsable de la visión y la estrategia de la empresa.

En primer lugar, el liderazgo debe aportar claridad y visión estratégica en torno al futuro modelo operativo infundido por la IA y la GenIA. Al planificar este estado futuro, los ejecutivos deben considerar cómo la organización madurará sus capacidades en torno a la operación y el mantenimiento de un portafolio de algoritmos. Deben planificar cómo supervisarán los datos subyacentes que respaldan los algoritmos, cómo respaldarán las pruebas, el entrenamiento y la gestión de cambios en torno a cada algoritmo y cómo estarán atentos a los cambios en los elementos de datos, los modelos de atención o los procedimientos que puedan afectar a la eficacia relativa de cada algoritmo. Se puede imaginar un futuro en el que los algoritmos dependerán de otros algoritmos y, por lo tanto, las capacidades, roles y habilidades de gestión del cambio en toda la empresa deben evolucionar para gestionar adecuadamente tales complejidades y riesgos. Como tal, los ejecutivos deben considerar estos impactos futuros del modelo operativo de atención médica y qué pasos deben tomarse ahora para planificar, invertir, contratar, capacitar y proteger a la organización de salud. 

Los CEO de atención médica están tomando medidas para dar forma a sus estrategias de IA

Lo que puedes hacer ahora: comienza con una victoria rápida, un caso de uso interno que sea de bajo riesgo, bajo costo y que permita a los stakeholders ejecutivos comprender los algoritmos, el proceso de gobernanza y la gestión del cambio necesarios antes de aventurarse en casos de uso de mayor complejidad.

Enfoque para el futuro: los ejecutivos deben ser actores clave en la defensa de nuevos proyectos y en la provisión de comunicaciones estratégicas y supervisión de proyectos.

A medida que la IA continúa evolucionando a nivel mundial, los reguladores se esfuerzan por transitar este nuevo entorno, especialmente cuando se trata de integrar la tecnología en dispositivos médicos y flujos de trabajo clínicos. Para protegerse contra los riesgos de algoritmos sesgados y conjuntos de datos cambiantes que afectan la atención al paciente, las organizaciones de salud deben estar atentas a la supervisión del rendimiento y la gestión del cambio⁵.

La gobernanza debe ser el ancla para garantizar una IA segura, sostenible, responsable y transparente⁶. "La IA explicable es importante para que los médicos puedan entender que la información presentada se basa en protocolos de tratamiento clínicamente aceptados y puedan tomar decisiones mejor informadas", dijo Femi Ladega, Group Chief Digital Officer de Dedalus, una empresa global de soluciones digitales de atención médica y diagnóstico. "La gobernanza de la IA de una organización debe ser flexible para satisfacer las necesidades maduras de los modelos de IA en la empresa de atención médica".

En el entusiasmo por la IA y la GenAI, a medida que las organizaciones de salud recurren a partes externas para que las ayuden, existe el peligro de apoyarse en docenas de soluciones puntuales, que podrían volverse inmanejables y costosas. Las organizaciones de salud necesitan políticas para examinar y ensamblar adecuadamente el ecosistema de socios y soluciones que pueden elegir en este entorno que cambia rápidamente.

Lo que puedes hacer ahora: armonizar la gobernanza de la IA con la gobernanza organizativa y de datos existente. La IA debe estar conectada a los procesos existentes para que la organización pueda adoptarla y comprenderla mejor.

Enfoque para el futuro: establecer ciclos de retroalimentación continuos que supervisen los cambios normativos, los riesgos y los sesgos en todo el portafolio de IA. El bucle de retroalimentación debe formar parte de la estructura de gobernanza para supervisar y mejorar constantemente todos los algoritmos.

Las organizaciones de salud tendrán empleados que comenzarán a usar la IA y la GenAI por su cuenta, o que tomarán decisiones basadas en los resultados, por lo que es importante pensar en la capacitación necesaria para ayudar a los trabajadores a reconocer el sesgo y comprender cómo monitorear el desempeño. Trabajar con los médicos a la hora de implementar herramientas de IA o GenAI es fundamental para el éxito de la integración. La transparencia en torno a los datos y modelos que alimentan los resultados es necesaria desde el principio para que los médicos sepan exactamente cómo estas nuevas herramientas podrían afectar a su estado futuro.

Lo que puedes hacer ahora: cuando se trata de educación en IA en general, muchas universidades destacadas están incorporando cursos de IA para preparar a la futura fuerza laboral. Las personas que prestan cuidados deben recibir formación en alfabetización en IA para prepararlas para la incorporación de la IA y la GenAI en su vida diaria.

Enfoque para el futuro: establecer roles específicos para que más proveedores de atención médica alfabetizados o interesados en la IA trabajen con quienes desarrollan y mantienen algoritmos de IA para crear continuamente experiencias que satisfagan a los pacientes y optimizar la prestación de atención.

Las organizaciones de salud querrán asegurarse de que su inversión valga la pena en términos de ecuación de valor, ya sea valor financiero o para la experiencia del médico y del paciente. Para producir valor, se debe aplicar el tipo correcto de IA en función de la situación, lo que sea más aplicable clínicamente, rentable y, lo que es más importante, sostenible. Es posible que cada caso de uso no gire solo en torno a la GenAI o un tipo de IA, sino más bien en una combinación de automatización robótica de procesos (RPA, por sus siglas en inglés), aprendizaje automático y GenAI para ser rentables y sostenibles. La clave es diseñar estas herramientas juntas de una manera que sea manejable y tenga la supervisión adecuada para producir algoritmos éticos y valiosos a escala.

El costo es sin duda un factor determinante cuando se trata de mantener algoritmos a escala. Los conjuntos de datos y las tendencias de los algoritmos pueden cambiar con el tiempo, lo que significa que deberán optimizarse continuamente. A medida que los algoritmos se vuelven más complejos y crecen en escala, el modelo operativo de cómo gestionarlos cambia drásticamente. Además, a nivel empresarial, habrá un portafolio de algoritmos de IA que deberán ser supervisados, mantenidos, rastreados y regulados sistemáticamente, lo que requiere habilidades especializadas, infraestructura de datos y una supervisión significativa.

Pero el valor no es solo financiero, dice el Dr. Stewart, de Johns Hopkins Medicine. El valor puede venir en forma de una mayor satisfacción de los médicos a través de la reducción de los clicks en las historias clínicas electrónicas, o dando pasos de gigante para mejorar la salud del mundo. "Si pudiera abordar la disparidad en la atención de la salud en la aplicación de las mejores prácticas en todas las personas para la hipertensión, la diabetes, la insuficiencia cardíaca congestiva y el cáncer de mama, y eliminar las disparidades en la atención de la salud para esas enfermedades en todas las personas, entonces casi no me importaría cuánto cuesta", dijo.

Esto es lo que puedes hacer ahora: determina los objetivos estratégicos y las metas de tu organización al usar IA. ¿El objetivo es la reducción de costos, el crecimiento de los ingresos, la eficiencia operativa, la satisfacción del cliente o la innovación? Comienza con un caso de uso de bajo riesgo y fácil de implementar que se ajuste a tus objetivos.

Enfoque para el futuro: una vez que haya probado su gobernanza en algunos casos de uso y a medida que la infraestructura y los conjuntos de habilidades maduren, tu organización puede asumir un caso de uso más complejo y transformador. Mide continuamente los casos de uso que se implementan para determinar si están cumpliendo con los resultados deseados o si necesitan optimizarse aún más.

Un agradecimiento especial a las siguientes personas que contribuyeron en gran medida al desarrollo de este punto de vista:

Sezin Palmer, EY Global Health Sector AI Leader

Kayla Horan, EY Global Smart Health Analytics Solution Leader

Crystal Yednak, EY Global Health Senior Analyst

Rachel Dunscombe, CEO, OpenEHR