Agentes de IA en el sector de la atención a la salud: ventajas y casos de uso

Los agentes de IA, unos asistentes digitales diseñados para ayudar a las organizaciones a automatizar cargas de trabajo y mejorar la toma de decisiones, tienen el potencial de transformar cómo se ofrece la atención a la salud y cómo las personas gestionan su salud.

Aunque muchas organizaciones de atención a la salud están empezando a adoptar la IA para casos de uso puntuales, el verdadero valor se logra al implementar agentes de IA que trabajen de manera coordinada y sin interrupciones, si cada uno se especializa en tareas diferentes. En un entorno clínico, un agente de IA puede encargarse de registrar e interpretar instrucciones verbales o conversaciones entre médico y paciente, otro de analizar resultados de laboratorio, y un tercero de codificar planes de tratamiento para garantizar el reembolso adecuado. Al trabajar juntos bajo la dirección de un sistema capaz de gestionar conjuntos de agentes de IA con una mínima supervisión humana, estos agentes pueden ayudar a obtener una visión global de los pacientes que los médicos pueden utilizar para tomar decisiones clínicas mejor fundamentadas.

¿Qué son los agentes de IA?

Los agentes de IA, combinados con diversos tipos de datos, utilizan modelos de lenguaje a gran escala (LLM, por sus siglas en inglés, que son modelos de aprendizaje automático capaces de realizar tareas de procesamiento del lenguaje natural) y la generación aumentada por recuperación (RAG, por sus siglas en inglés, que ofrece una forma de optimizar el resultado de un LLM sin modificar el modelo en sí). Estos agentes pueden encargarse de realizar tareas, analizar su entorno, tomar decisiones según su rol y ajustar su comportamiento en función de la experiencia y el feedback de los usuarios. Estas tareas van desde responder preguntas sencillas y analizar el contexto o el tono del lenguaje, hasta resolver desafíos operativos complejos en sectores como la atención a la salud, el comercio minorista o la hostelería. Los sistemas de IA agéntica pueden supervisar las acciones de conjuntos complejos de agentes de IA, utilizando técnicas como la IA generativa, el reconocimiento facial y el análisis predictivo, y asignando tareas a agentes especializados para alcanzar un objetivo concreto.

¿Qué son los agentes de IA aplicados al sector de la atención a la salud?

Los agentes de IA en la atención a la salud son componentes de software capaces de realizar las tareas que se les asignan, analizar su entorno, actuar de acuerdo a sus roles y adaptar sus métodos en función de sus experiencias. Los agentes de IA para la atención a la salud utilizan interfaces de chat, texto o voz para resumir lo que se dice, detectar señales que requieran la intervención humana y analizar datos internos y externos con el fin de proporcionar a los usuarios (pacientes y profesionales asistenciales) resultados en tiempo real, además de mejorar continuamente su rendimiento y precisión.

Estos agentes funcionan de la siguiente manera: reciben solicitudes en lenguaje humano, las codifican y las envían al repositorio de datos de la organización. A continuación, el agente utiliza un modelo LLM para entender la consulta, busca en la base de conocimientos la información más relevante, reorganiza el contenido según su relevancia semántica, combina la información más relevante con la consulta en una respuesta coherente y, finalmente, envía al solicitante tanto la respuesta como el contenido utilizado para crearla.

En un nivel básico, al automatizar las tareas rutinarias, los agentes de IA aplicados al sector de la atención a la salud utilizan inteligencia artificial para ayudar a reducir la carga de trabajo de los profesionales de este sector, incluidos los administradores, lo que les permite centrarse más en la interacción con los pacientes, en la toma de decisiones estratégicas y en la mejora de las operaciones.

En un nivel clínico más avanzado, los agentes de IA pueden analizar grandes volúmenes de datos provenientes de HCE, repositorios de investigación médica, bibliotecas de normativas gubernamentales y otras fuentes para ayudar a realizar diagnósticos y a personalizar los planes de tratamiento según la historia clínica y las características de cada paciente. Además, utilizan el análisis predictivo para procesar e interpretar grandes conjuntos de datos, tanto históricos como actuales, con el fin de ayudar a los profesionales asistenciales a tomar decisiones más fundamentadas y a mejorar los resultados clínicos de los pacientes.

Por ejemplo, un agente puede interpretar datos históricos sobre brotes de enfermedades y compararlos con patrones de valores actuales de laboratorio. Si detecta un agrupamiento de ciertos valores en una comunidad, proporciona al personal clínico predicciones e información sobre un posible brote. Para completar este análisis, el agente encargado de analizar los conjuntos de datos actuales puede apoyarse en otro agente que aporte información regional o nacional, lo que le permite identificar los valores de referencia y determinar a partir de qué punto podría producirse un brote. Asimismo, otro conjunto de agentes puede encargarse de recopilar datos provenientes de un repositorio de mamografías. Estos datos permiten identificar la progresión típica de la enfermedad asociada a un determinado tipo de mamografía y, posteriormente, comparar ese conjunto de datos con la mamografía de una paciente específica. A partir de este análisis comparativo, los agentes ayudan a anticipar cómo podría evolucionar la enfermedad y a ofrecer al médico las opciones de tratamiento disponibles.

Puntos clave

• Los médicos siguen reportando altos niveles de estrés asociados al volumen de tareas administrativas que se espera que gestionen diariamente. En este contexto, los agentes de IA pueden ayudar a aliviar gran parte de esta carga al actuar como asistentes digitales integrados directamente en el sistema de HCE de la organización.
• Los agentes de IA aplicados al sector de la atención a la salud contribuyen a una operación más eficiente y rentable, ya que agilizan y automatizan los procesos administrativos, lo que se traduce en una mayor productividad.
• Aunque para el usuario un agente de IA puede presentarse como una única entidad, en segundo plano pueden operar decenas de agentes especializados. Cada uno asume responsabilidades específicas y variadas, como analizar resultados de laboratorio, gestionar renovaciones de prescripciones o proporcionar al médico recomendaciones precisas relacionadas con la enfermedad de un paciente.

Todo acerca de los agentes de IA aplicados al sector de la atención a la salud

Los agentes de IA aplicados al sector de la atención a la salud son asistentes digitales que mejoran la relación entre pacientes y profesionales asistenciales al combinar inteligencia basada en este sector con interfaces de voz, chat y mensajes de texto.

Lejos de funcionar como aplicaciones independientes, estos agentes de IA se integran en los flujos de trabajo administrativos y clínicos, como, por ejemplo, el registro de un paciente, durante el cual el agente puede automatizar el proceso de compleción de formularios largos y repetitivos. Asimismo, los médicos pueden recurrir a los agentes antes de una cita y solicitar desde su dispositivo un resumen previo del paciente. Así pues, mientras llega a la consulta, el médico puede familiarizarse con la historia clínica del paciente, sus resultados de pruebas más recientes y la razón de la visita. (Este es un ejemplo de cómo un agente principal recopila información de otros agentes especializados para crear un informe unificado). Durante la consulta, y siempre con el consentimiento del paciente, los médicos pueden pedir a los agentes de IA que escuchen la conversación entre médico y paciente para ayudarles a generar automáticamente un resumen de lo que se ha hablado y de las decisiones tomadas. Además, los agentes de IA aplicados al sector de la atención a la salud pueden entrenarse con conjuntos de datos específicos de una enfermedad o condición, lo que permite a los médicos acceder a una gran cantidad de información clínica al momento de tratar a sus pacientes.

En la práctica, el mayor valor de estos agentes de IA, al menos en la etapa inicial, está en su capacidad para liberar a los médicos de la responsabilidad de introducir los datos manualmente. De esta manera, el personal clínico puede centrarse en el paciente, mientras aplica sus conocimientos médicos y su intuición humana. Aunque el agotamiento y desgaste laboral de los médicos ha disminuido desde la pandemia, según la American Medical Association, casi la mitad de los médicos aún reporta al menos un síntoma, siendo una de las principales causas el volumen de tareas administrativas que deben asumir.

Los agentes de IA también pueden mejorar la participación de los pacientes al hacer que la atención sea accesible y personalizada en todo momento. Por ejemplo, los profesionales asistenciales pueden pedir a un agente que ayude a los pacientes a orientarse en el sistema sanitario, lo que incluye encontrar la clínica adecuada, explicar las derivaciones y la cobertura del seguro y ayudar a programar citas. Los agentes pueden recibir entrenamiento sobre árboles de decisión aprobados por el personal clínico para orientar a los pacientes hacia el entorno asistencial más adecuado, por ejemplo, un agente podría hacer preguntas, escuchar los síntomas y ofrecer orientación sobre el autocuidado o recomendar que el paciente acuda a un centro de urgencias o al servicio de urgencias de un hospital.

Los agentes de IA también pueden mejorar la atención a la salud en las zonas rurales al reducir las barreras relacionadas con la distancia. Por ejemplo, los agentes de IA pueden facilitar la coordinación de la atención entre servicios dispersos, como las visitas de seguimiento, las derivaciones, los medios de transporte, las opciones de atención domiciliaria y los programas comunitarios. Asimismo, pueden interpretar los flujos de datos procedentes de dispositivos domésticos, como tensiómetros, glucómetros y oxímetros de pulso y enviar alertas a los profesionales asistenciales únicamente cuando se alcancen determinados umbrales o se observen tendencias preocupantes.

Otra ventaja de los agentes de IA es que ayudan a alinear los códigos de tratamiento con las directrices de los pagadores, lo que garantiza que los proveedores asistenciales reciban el reembolso correspondiente a los cuidados proporcionados. Esto cobra especial relevancia si se considera que las organizaciones de atención a la salud de EE. UU. operan con un margen de ganancia de apenas un 4,5 %, de acuerdo con el informe Kaufman Hall National Hospital Flash publicado en noviembre de 2024.

Los agentes de IA requieren una gran capacidad de procesamiento, mucho mayor de la que cualquier organización de atención a la salud podría disponer en sus propias instalaciones, por lo que es imprescindible ejecutarlos en la nube. Además, la nube permite a las organizaciones de atención a la salud aprovechar las ventajas que ofrecen los modelos LLM entrenados con conjuntos de datos médicos. Como alternativa, ese entrenamiento también puede realizarse sobre conjuntos de datos privados en una nube privada, de manera que las organizaciones puedan mantener el control total sobre su información. La computación en la nube es fundamental para los sistemas interoperables que requieren los agentes de IA. Estos sistemas pueden utilizar hardware, software, formatos de datos y sistemas de almacenamiento diferentes y, aun así, funcionar conjuntamente como redes interoperables. Dado que la atención sanitaria a un solo paciente suele implicar a múltiples proveedores y sistemas, y que la seguridad del paciente, la privacidad y el cumplimiento normativo dependen de un flujo de información oportuno y trazable, el sector de la salud necesita hacer uso de sistemas interoperables. Estos sistemas interconectan los datos procedentes de los diferentes proveedores, pagadores y organizaciones comunitarias de atención a la salud, y ayudan a los investigadores y a otros actores a tomar decisiones basadas en información precisa.

La importancia de los agentes de IA en el sector de la atención a la salud

El sector de la atención a la salud aún se encuentra en una etapa temprana de la adopción de agentes de IA, principalmente debido a la complejidad de este sector y a las normativas que definen cuándo y cómo pueden utilizarse estos agentes. Por ejemplo, una tarea que podría parecer ideal para la automatización, como la renovación de una prescripción, requiere que un agente de IA considere si es seguro autorizar dosis adicionales del medicamento sin una evaluación clínica reciente, ya sea mediante una consulta presencial o una videoconsulta. Sin embargo, cuando se implementan de forma correcta, los agentes de IA permiten liberar al personal clínico de tareas de introducción de datos, mejorar la precisión y las tasas de reembolso de los cuidados proporcionados y fortalecer la toma de decisiones relativas a la atención a la salud. A lo largo de este artículo, proporcionaremos más información acerca de estas y otras ventajas.

¿Cómo funcionan los agentes de IA en el sector de la atención a la salud?

En lugar de depender de un único agente, las organizaciones de atención a la salud pueden utilizar una combinación de agentes de IA. Cada uno de ellos está diseñado para realizar una tarea específica: programar citas, prerregistrar pacientes, preparar al personal clínico antes de las consultas, registrar y resumir los detalles de un examen médico, o gestionar el seguimiento de los pacientes. Estos agentes funcionan mediante el aprovechamiento de un vasto repertorio de conocimiento, tanto de fuentes internas (incluidas las HCE de los pacientes) como de fuentes externas, para reconocer patrones y comprender las necesidades de los usuarios.

Este es el proceso de planificación estándar para crear un sistema de IA agéntica y su conjunto de agentes de IA asociados:

• El sistema de IA agéntica se programa de acuerdo con los objetivos de la organización, que se priorizan de modo que las acciones críticas tengan preferencia.
• El sistema se entrena con los datos internos y externos necesarios para gestionar las solicitudes, convirtiendo los datos en bruto en datos utilizables.
• El sistema de IA agéntica opera al servicio de los objetivos de la organización asignando tareas a los diferentes agentes de IA, monitorea su propia precisión y realiza un seguimiento de sus acciones y resultados. Además, modifican las tareas según sea necesario, basándose en los comentarios de las personas y en las circunstancias cambiantes, y reincorporan esos datos al sistema de IA agéntica.
• El sistema de IA agéntica evalúa el éxito en función de los objetivos originales, identifica áreas de mejora e incorpora nueva información y comentarios de las personas a la base de conocimientos para mejorar continuamente su rendimiento.

¿Cómo están transformando los agentes de IA el sector de la atención a la salud?

Los agentes de IA pueden reducir las cargas administrativas, mejorar la coordinación de la atención y ampliar el acceso a la misma en aquellas comunidades que estén más desatendidas. Asimismo, se ocupan de elaborar resúmenes con fines de investigación y de optimizar los flujos de trabajo para que los profesionales asistenciales puedan centrarse en la toma de decisiones y en la relación con los pacientes. Además, mejoran la experiencia del paciente, ya que este cuenta con un "asistente" de confianza que le ayuda a orientarse en el complejo sistema de atención a la salud y a lograr mejores resultados de salud. Los agentes de IA pueden facilitar el acceso a los cuidados, su continuidad entre visitas y reducir el papeleo. Aunque los pacientes perciban a estos agentes como una única fuente de ayuda y conocimiento, en realidad existen muchos agentes distintos, cada uno encargado de manejar una parte diferente del proceso de atención a la salud del paciente. Es probable que estos agentes provengan de varios proveedores y que cada uno esté especializado en un área específica.

Ventajas de los agentes de IA en el sector de la atención a la salud

Los agentes de IA pueden aportar ventajas tanto a las organizaciones de atención a la salud como a sus pacientes, principalmente de dos formas: mejorando la toma de decisiones clínicas y los tratamientos, y reduciendo la carga y el costo de las tareas administrativas. Para obtener más información acerca de estas y otras ventajas, continúe leyendo.

• Apoyo a los profesionales asistenciales. Los agentes de IA pueden ayudar a los médicos en la toma de decisiones al proporcionales resúmenes de las historias clínicas de los pacientes antes de las consultas, así como acceso a herramientas de aprendizaje automático entrenadas con conjuntos de datos clínicos específicos. Por ejemplo, un oncólogo que atienda a un paciente con cáncer de pulmón puede pedir al agente de IA que recopile información de varias ubicaciones, por ejemplo, la investigación clínica más reciente sobre la enfermedad, informes de laboratorio, tomografías computarizadas (TAC) y hábitos de vida referidos por el paciente, y con ello generar un análisis predictivo mediante modelos que ayude a recomendar un plan de tratamiento. Los agentes también pueden ayudar a reducir el posible agotamiento y desgaste laboral de los médicos y el personal administrativo al eliminar ciertas tareas manuales de entrada de datos.
  
  St. John’s Health está utilizando agentes de IA para facilitar a los médicos mantenerse al día con las notas posteriores a las visitas de los pacientes. Con el permiso del paciente, los médicos pueden entrar en la consulta con su dispositivo móvil en modo escucha ambiental. Así pues, el agente analiza la conversación, identifica la información relevante para la continuidad de los cuidados y la facturación, y genera un resumen digital conciso y claro.
• Reducción de costos. Con márgenes operativos que a veces no superan el 5 %, las organizaciones de atención a la salud deben controlar estrictamente sus datos. En relación con esto, el uso de los agentes de IA para automatizar y agilizar los procesos de facturación, codificación y reembolso a los pagadores, permite que las organizaciones puedan reducir sus gastos administrativos sin comprometer la calidad de los cuidados.
• Mejora de los diagnósticos. Los agentes de IA pueden proporcionar al personal clínico resúmenes concisos de la historia clínica de un paciente (e incluso datos genómicos), investigación médica relevante y datos de dispositivos de seguimiento del paciente, así como análisis de radiografías, tomografías computarizadas (TAC) y resonancias magnéticas (RM), lo que ayuda a realizar diagnósticos más precisos.
• Tratamientos personalizados. Al combinar datos de pacientes de múltiples fuentes, los agentes de IA pueden generar planes de tratamiento personalizados para que el personal clínico los revise y apruebe. Además, pueden recibir información de sensores de dispositivos médicos personales y alertar a los profesionales asistenciales cuando alguna lectura esté fuera de los intervalos normales.
• Mayor eficiencia. En promedio, los médicos dedican unos 15 minutos por paciente y otros 15 a 20 minutos a actualizar la HCE de cada paciente. Al automatizar estas actualizaciones de la HCE y la codificación de tratamientos para facilitar la obtención de reembolsos precisos, los agentes de IA ofrecen más tiempo a los médicos para atender mejor a los pacientes y colaborar con equipos de cuidados extendidos en la toma de decisiones clínicas.
  
  Gracias a los agentes de IA, las notas de los médicos de Billings Clinic se transfieren automáticamente a la historia clínica electrónica, lo que mejora considerablemente la eficiencia. La clínica afirma tener una reducción global del 37,59 % en el tiempo medio ajustado dedicado a la documentación así como una reducción del 16,69 % en el tiempo medio ajustado que los médicos dedican a la historia clínica electrónica por paciente.
• Seguimiento en tiempo real. Al conectarse con herramientas de seguimiento remoto de pacientes, como relojes inteligentes, monitores cardíacos y glucómetros, los agentes de IA pueden realizar un seguimiento continuo de la salud del paciente. Como resultado, en lugar de depender únicamente de la información recopilada durante las consultas presenciales o las visitas inesperadas al Departamento de urgencias (DU), los médicos tienen acceso a un flujo continuo de datos de salud que el agente de IA puede analizar e interpretar. Esto permite que los médicos reciban solo las alertas que requieren intervención por su parte. Así pues, este tipo de seguimiento en tiempo real puede ayudar a los pacientes a involucrarse más en su estado de salud, ya que el agente de IA se puede configurar para comunicarse con ellos mediante el uso de lenguaje natural.
• Desarrollo más rápido de fármacos. Es imposible que los médicos conozcan todos los ensayos clínicos que podrían resultar útiles para un paciente. En este sentido, los agentes de IA pueden realizar un seguimiento continuo de los ensayos clínicos en cuestión y, además, avisar a los médicos cuando alguno se ajuste al conjunto de enfermedades y antecedentes médicos de un paciente específico, lo que a su vez acelera la investigación y el descubrimiento de nuevos tratamientos.
• Mayor accesibilidad. Los agentes de IA conversacional utilizan el lenguaje natural para facilitar a los pacientes tomar el control de su atención a la salud. Por ejemplo, los pacientes pueden consultar a un agente sobre un síntoma, avisarle para programar una cita o recibir recordatorios sobre la renovación de prescripciones.
  
  Los directivos de AtlantiCare, un sistema de atención a la salud de Nueva Jersey, esperaban obtener ventajas operativas cuando la organización implementara agentes de inteligencia artificial. Lo que no esperaban es el impacto positivo que ha tenido en los índices de satisfacción de los pacientes. AtlantiCare también utiliza agentes de IA para generar notas en varios idiomas con el fin de atender mejor a los pacientes que no hablan inglés.
• Información predictiva. Los agentes de IA que utilizan el análisis predictivo de datos pueden ayudar a los médicos a anticipar riesgos de salud y enfermedades que puede desarrollar un paciente, lo que les permite diseñar planes de tratamiento personalizados.

Componentes de los agentes de IA aplicados al sector de la atención a la salud

Los agentes de IA utilizan distintos tipos de información para realizar su trabajo, según el rol específico que desempeñan dentro del entorno de la atención a la salud. Así pues, un agente orientado a la interacción con pacientes puede conversar directamente con ellos y, al mismo tiempo, acceder a diversas fuentes de datos del paciente y a otros datos relevantes para responder a consultas y ofrecer apoyo relacionado con hábitos de vida. Del mismo modo, otro agente puede escuchar una consulta médica y extraer la información específica necesaria para actualizar la historia clínica del paciente. Además, algunos agentes responden únicamente a solicitudes de otros agentes. Por ejemplo, un agente responsable de resumir un plan de tratamiento puede conectarse con otro agente que comprende los valores de laboratorio y con un tercero capaz de interpretar imágenes de radiología. En conjunto, la mayoría de los agentes de IA aplicados al sector de la atención a la salud requieren una combinación compleja de los siguientes componentes:

• Percepción. Los agentes de IA aplicados al sector de la atención a la salud utilizan grabadoras de audio y vídeo para recopilar información de su entorno (por ejemplo, la consulta de un médico) y, a partir de ahí, convertir estos datos en formatos que puedan incorporarse a la HCE de un paciente y ser utilizados por parte de un médico para recomendar un tratamiento concreto.
• Acción. Este componente actúa en función del análisis, la información y las directrices del agente. Así, los agentes pueden interactuar con su entorno proporcionando a los médicos un resumen de la visita, sugiriendo opciones para el diagnóstico y recomendando tratamientos que tengan en cuenta la historia clínica completa del paciente. Además, un agente puede comunicarse con el paciente fuera de la ubicación del tratamiento para enviar recordatorios de medicación o sugerencias relacionadas con hábitos de vida saludables.
• Utilidad. Para determinar la eficacia de un agente de IA, los proveedores asistenciales pueden medir qué tan bien cumple con sus objetivos. Entre los criterios se incluyen los resultados del paciente, la satisfacción del usuario y el grado de exactitud de las recomendaciones clínicas proporcionadas.
• Aprendizaje. Los agentes de IA pueden utilizar ciclos de feedback de usuarios para mejorar sus resultados. Por ejemplo, pueden identificar qué conjuntos de datos propios y qué tipos de preguntas generan mejores respuestas. Asimismo, pueden perfeccionar su rendimiento con el tiempo mediante el entrenamiento adicional con nuevos conjuntos de datos. Cuando los médicos validan los análisis o recomendaciones del agente de IA, esa información se utiliza para guiar acciones futuras.
• Razonamiento. Con base en datos tanto adquiridos como almacenados, los agentes de IA aplican técnicas de razonamiento para ayudar a interpretar la información, predecir la probabilidad de determinados resultados y, de este modo, ofrecer opciones que ayuden al personal clínico a tomar decisiones fundamentadas sobre el mejor tratamiento para cada paciente.
• Memoria. El módulo de memoria de un agente de IA no solo almacena datos de pacientes e investigación médica, sino que además aprende del feedback de los usuarios para mejorar de forma continua las recomendaciones de cuidados a lo largo del tiempo.

Casos de uso clave de los agentes de IA en el sector de la atención a la salud

Los casos de uso más relevantes de los agentes de IA en el sector de la atención a la salud aprovechan la capacidad de la IA para analizar grandes volúmenes de datos con el objetivo de mejorar los cuidados al paciente y, al mismo tiempo, reducir la carga administrativa. En especial, destacan aquellos casos en los que el agente puede aprender y mejorar con el tiempo. Entre los más destacables, se encuentran los siguientes:

1. Asistencia en los diagnósticos. Los agentes de IA pueden ayudar al personal clínico a ofrecer diagnósticos más precisos mediante el análisis de datos médicos (incluidos resultados de laboratorio, estudios de imágenes digitales, historias clínicas y literatura médica), facilitando así la identificación de enfermedades.
2. Recomendaciones de tratamiento. A partir de las necesidades del paciente y de la investigación médica más reciente, así como de directrices clínicas y prácticas recomendadas, los agentes de IA pueden ayudar a los médicos a personalizar los planes de tratamiento. Cabe destacar que se trata únicamente de recomendaciones, por lo que los médicos, teniendo en cuenta las sugerencias de los agentes, y basándose en su experiencia y criterio, son los que decidirán qué tratamiento es el que ofrecerá mejores resultados al paciente.
3. Análisis predictivos. Al incorporar variables como la edad, el género, la ubicación geográfica, el estilo de vida, la historia clínica e incluso datos genómicos del paciente, los análisis predictivos permiten anticipar riesgos de desarrollar determinadas enfermedades y posibles resultados clínicos.
4. Análisis de diagnóstico por imagen. Los agentes de IA pueden detectar anomalías en radiografías, resonancias magnéticas (RM) y tomografías computarizadas (TAC), y enviar automáticamente las imágenes a especialistas para su revisión, lo que contribuye a una mayor precisión diagnóstica.
5. Asistencia en la toma de decisiones clínicas. Según algunas estimaciones, un médico necesitaría 13 años para leer toda la literatura médica publicada en un solo año. Por ello, los médicos se benefician de los agentes de IA generativa que pueden procesar grandes volúmenes de información de investigación, resumirla y ofrecer recomendaciones relevantes basadas en el estado de salud de cada paciente.
6. Descubrimiento de fármacos. Las compañías farmacéuticas ya utilizan la IA como ayuda para analizar bibliotecas de compuestos químicos y resumir literatura científica relativa a la salud, datos de ensayos clínicos, perfiles de pacientes e incluso información demográfica de pacientes. En este contexto, los agentes de IA pueden acelerar la identificación y el desarrollo de nuevos medicamentos prometedores, incluso aquellos que anteriormente los investigadores habían descartado como posibles tratamientos para ciertas enfermedades.
7. Seguimiento de pacientes. Los agentes de IA pueden realizar el seguimiento de la información de salud proveniente de dispositivos portables y equipos médicos domiciliarios para generar alertas en tiempo real cuando variables como la presión arterial o la glucemia alcanzan ciertos niveles. Y lo más relevante es que pueden filtrar enormes volúmenes de datos generados por varios dispositivos médicos a fin de proporcionar a los profesionales asistenciales solo la información necesaria para mejorar los cuidados a los pacientes a corto y largo plazo.
8. Asistentes virtuales de salud. Los asistentes virtuales de salud impulsados por IA pueden responder a las consultas de los pacientes, ofrecer recomendaciones de salud, enviar recordatorios y realizar un seguimiento de sus datos de salud. De manera general, son accesibles a través de aplicaciones móviles o sitios web. Estos asistentes pueden comunicarse con los pacientes utilizando interfaces de lenguaje natural y acceder a grandes conjuntos de datos de salud para ofrecer respuestas exactas y actualizadas a los pacientes.
9. Automatización administrativa. Los agentes de IA pueden optimizar la programación de citas, la facturación y la gestión de registros, además de responder de forma inmediata a las consultas administrativas de los pacientes, así como gestionar las solicitudes de renovación de prescripciones. También pueden automatizar la incorporación de pacientes en el sistema, lo que permite que el personal se enfoque en tareas más importantes.
10. Apoyo a la salud mental. Las aplicaciones de terapia asistidas por IA se utilizan para ayudar a tratar la depresión y la ansiedad. En estas aplicaciones, los agentes de IA “conversan” con los usuarios, formulan preguntas similares a las que haría un terapeuta e identifican palabras o expresiones en el lenguaje de las respuestas que pueden indicar problemas de salud mental. A partir de esta información, ayudan a los pacientes a reconocer emociones y adoptar técnicas para reducir el malestar emocional. Estos agentes están orientados a objetivos y pueden utilizar de manera autónoma el feedback de los usuarios para decidir la mejor manera de cómo alcanzarlos, por ejemplo, estabilizando al paciente o previniendo pensamientos relacionados con la autolesión o la dependencia del alcohol. Como puede imaginar, este tipo de apoyo resulta especialmente valioso en regiones con acceso limitado a servicios de atención a la salud mental.
11. Acceso del paciente, navegación y participación. Los agentes de IA pueden recopilar los antecedentes médicos mediante cuestionarios previos a la consulta y la derivación basada en el triaje, proceso en el que el agente sigue un árbol de decisión establecido para determinar si un paciente debe ser derivado al servicio asistencial de cuidados a domicilio, a las urgencias intermedias, o al servicio de urgencias hospitalarias de un centro. Asimismo, pueden ayudar con la programación de citas, los recordatorios de citas, las instrucciones para la preparación de los procedimientos y la coordinación del seguimiento. Los cuidados tras el alta pueden incluir el seguimiento posterior para confirmar que el paciente sigue las instrucciones y los recordatorios proporcionados sobre la medicación prescrita.
12. Ciclo de ingresos y operaciones del pagador. Los agentes de IA pueden agilizar el proceso de autorización previa recopilando la documentación necesaria y redactando las solicitudes para su revisión. Además, pueden facilitar la tramitación de solicitudes de reembolso y la codificación sugiriendo códigos, señalando la documentación que falta y manteniendo registros de auditoría. En caso de denegaciones de las solicitudes de reembolso, los agentes pueden resumir las razones de dichas denegaciones, recomendar los pasos a seguir y redactar cartas de apelación para acelerar la resolución.
13. Coordinación de cuidados entre distintos entornos asistenciales. Los agentes de IA pueden facilitar las transiciones de cuidados mediante el seguimiento de las tareas posteriores al alta, como la organización de la salud en el hogar y la entrega domiciliaria de cualquier equipo o dispositivo médico. Del mismo modo, pueden gestionar las derivaciones, verificando que se cumplan los prerrequisitos necesarios y enviando recordatorios a las partes interesadas cuando sea necesario.
14. Salud poblacional y de la comunidad. Los agentes de IA pueden ayudar a identificar las carencias en la atención a la salud a nivel de la comunidad, como vacunas o revisiones médicas pendientes vencidas, y priorizar los servicios de asistencia según corresponda. Los agentes también pueden detectar señales, por ejemplo, a partir de datos sobre absentismo escolar o publicaciones en redes sociales, que indiquen un brote de una enfermedad. Además, los agentes pueden generar contenido de divulgación específico para cada paciente o comunidad y hacer un seguimiento de la participación para medir su eficacia.
15. Educación dirigida al paciente. Los agentes de IA pueden proporcionar materiales educativos personalizados en el idioma que prefiera el paciente, ayudarle a orientarse en cuanto a beneficios y cobertura, localizar profesionales dentro de la red asistencial y aclarar los pasos a seguir. En el caso de las enfermedades crónicas, estos pueden ofrecer consejos sobre alimentación, ejercicio y otros hábitos de salud, con directrices claras de seguridad y orientación sobre cuándo acudir a un nivel superior de atención.

El futuro de los agentes de IA en el sector de la atención a la salud

Durante años, muchas de las primeras tecnologías utilizadas en el sector de la atención a la salud resultaban complejas, lentas y frustrantes para el personal clínico en todos los niveles. Además, este personal debía saber dónde se encontraban almacenados los distintos conjuntos de datos y encargarse de reunirlos manualmente para obtener una visión completa y precisa del paciente. Por ello, aliviar esa carga administrativa se convirtió en una prioridad clave para las empresas de tecnología aplicada al sector de la atención a la salud, ya que esta presión ha contribuido al agotamiento y desgaste laboral de los médicos, a jubilaciones anticipadas y, en algunos casos, a que los médicos abandonen la práctica clínica en busca de roles menos estresantes. En este escenario, los agentes de IA prometen ayudar a reducir esa carga y, al mismo tiempo, reducir los errores de diagnóstico, permitir que los médicos se centren más en sus pacientes, mejorar los resultados de salud y ayudar a garantizar que los médicos reciban de manera oportuna el pago por los servicios que prestan.

Mejore la experiencia de los pacientes y del personal clínico con Oracle

Con la adquisición de Cerner, un desarrollador de HCE, Oracle ha ampliado su ya sólido portafolio de productos y servicios tecnológicos aplicados al sector de la atención a la salud. Además, lo ha reforzado al combinarlo con su profunda experiencia en gestión de datos, aplicaciones e infraestructura en la nube, y capacidades de IA. En este contexto, el Agente de IA clínica de Oracle Health puede brindar apoyo en cada etapa del ciclo de vida del paciente, desde el primer contacto y la admisión inicial hasta el seguimiento clínico posterior. Al automatizar todo el proceso de documentación y sincronizar la información directamente con la HCE del paciente, el agente de IA contribuye a ofrecer una mejor experiencia para el paciente, al mismo tiempo que ayuda a mejorar los diagnósticos y los tratamientos.

Preguntas frecuentes sobre los agentes de IA aplicados al sector de la atención a la salud

¿Cómo se utilizará la IA en el sector de la atención a la salud?
Aunque la IA no puede reemplazar el conocimiento, la intuición y la experiencia de un profesional asistencial, puede convertirse en un asistente en el que se puede confiar. En la práctica, puede automatizar procesos como la programación, la admisión de pacientes y otras tareas administrativas, además de resumir los detalles de las consultas médicas, ayudar a respaldar diagnósticos y tratamientos, y facilitar la gestión de las consultas de seguimiento de los pacientes.

¿Qué herramienta de IA se utiliza en el sector de la atención a la salud?
A día de hoy, las herramientas más comunes son los asistentes basados en IA generativa, que ayudan a mejorar la precisión y la velocidad de la documentación clínica y, al mismo tiempo, reducen la carga administrativa a la que se enfrenta el personal clínico.

¿Qué tipos de agentes de IA existen?
Existen distintos tipos de agentes de IA. Por un lado, están los agentes reflejos simples, que reaccionan a una entrada específica sin tener en cuenta el contexto general. Por otro, los agentes reflejos basados en modelos utilizan un modelo del entorno relacionado con su función para evaluar los efectos desencadenados de sus acciones antes de hacer una recomendación. A su vez, los agentes basados en objetivos consideran metas a largo plazo y formulan recomendaciones teniendo en cuenta esa información. También existen agentes basados en utilidad, diseñados para ejecutar una función concreta, y agentes de aprendizaje, que, con el tiempo, ajustan y mejoran su rendimiento a partir de la interacción con los usuarios.

¿Cuál es el uso más común de la IA en el sector de la atención a la salud?
Aunque la IA está comenzando a asumir un número creciente de funciones dentro de las organizaciones de atención a la salud, hoy en día sus usos más habituales incluyen el análisis de resultados de laboratorio, la elaboración de resúmenes de consultas médicas y la interpretación de formularios en papel e imágenes escaneadas, como radiografías y tomografías computarizadas (TAC).