El sector sanitario depende de la inteligencia artificial más del doble de alto la economía estadounidense en general. La promesa es enorme, pero la mayoría de los proyectos se estancan una vez que llegan al ámbito hospitalario. Los modelos que funcionan en pruebas piloto fallan cuando se enfrentan a infraestructuras obsoletas y datos incompatibles. De hecho, un nuevo estudio de la iniciativa NANDA del MIT descubrió que el 95% de los pilotos de IA empresarial fallan Para lograr un retorno de la inversión medible, no es porque los algoritmos sean defectuosos, sino porque están mal integrados y rara vez están alineados con los flujos de trabajo del mundo real.
El resultado es una especie de ilusión de progreso. Cada año trae nuevos pilotos, paneles e interfaces, pero muchos hospitales informan que los flujos de trabajo de los médicos siguen siendo los mismos. Los hospitales están rodeados de soluciones puntuales que, en la mayoría de los casos, resuelven alrededor del cinco por ciento del desafío y al mismo tiempo añaden un veinte por ciento más de deuda de integración, lo que crea problemas para los equipos de TI. Este ciclo agota tanto los presupuestos como la paciencia. Mientras los inversores celebran las demostraciones de productos, los médicos siguen luchando contra la interrupción de los flujos de trabajo.
La realidad detrás de la inflación de la IA
Gran parte de la dinámica actual refleja lo que podría llamarse “inflación de la IA”. El algoritmo suele llamar la atención, pero rara vez es la parte más difícil. El progreso real depende de la integración, en particular del software que pueda interpretar formatos de laboratorio inconsistentes, conciliar sistemas de codificación médica y trabajar con estándares como HL7 o FHIR.
Ignorar esta capa es como construir un motor de alto rendimiento sin ruedas. Cuando esto sucede, los hospitales se quedan con decenas de dispositivos desconectados que no pueden comunicarse entre sí, lo que genera más fricción en lugar de menos.
Comience con los datos, no con la demostración
La tecnología sanitaria que prosperará en la era de la IA no será glamorosa. Los sistemas escalables inicialmente abordarán el mundo tal como es, no como los ingenieros quieren que sea. Eso significa lidiar con informes unidimensionales de laboratorios, archivos heredados que nunca cumplieron con los estándares y registros medio escaneados que todavía están en circulación todos los días.
Un enfoque que priorice el analizador puede parecer tedioso, pero determina si un proyecto se convierte en un piloto de corta duración o en una plataforma permanente. Los hospitales que progresan son aquellos cuyos socios aceptan esta realidad desde el principio.
Middleware, no un reemplazo
Todo CIO de hospital sabe que los sistemas básicos de TI no se pueden crear desde cero. No es realista esperar que cientos de instalaciones reemplacen sus registros médicos electrónicos o su infraestructura de laboratorio. El camino a seguir pasa por el middleware, una tecnología que se ubica entre silos, traduciendo y normalizando datos. Al mismo tiempo, esto ofrece a médicos y pacientes una visión coherente.
El sector financiero ya ha resuelto un desafío similar. Las redes de pago no han reescrito todos los sistemas bancarios. Han creado interfaces que los conectan. La atención médica necesita su propia versión de esta capa de conexión que oculte la complejidad detrás de una interfaz simple y permita que la información fluya donde se necesita.
El coste humano de una mala integración
Los médicos ya están abrumados con la documentación. Los registros médicos electrónicos han convertido a muchos médicos en administradores de datos en lugar de cuidadores. Colocar inteligencia artificial encima sin una integración adecuada e interfaces útiles corre el riesgo de agregar otra bandeja de entrada, otro conjunto de alertas y otra forma de carga cognitiva. Con La carga de trabajo ya es altaY 83 por ciento de los trabajadores sanitarios de primera línea de la Generación Z Los informes sobre agotamiento y sistemas mal conectados desperdician inversiones y aumentan la fatiga.
Si se implementa cuidadosamente, la IA podría tener el efecto contrario. Esto podría reducir las cargas administrativas, reducir la entrada de datos duplicados y restaurar el tiempo de atención al paciente. La diferencia entre estos resultados radica enteramente en la integración. Las herramientas mal conectadas multiplican el agotamiento. Los sistemas bien diseñados lo reducen.
Construir para el largo plazo
El próximo cambio en la atención sanitaria no vendrá de algoritmos que intenten reemplazar a los médicos, sino de una infraestructura que conecte sus herramientas. Esto es crucial en un momento en el que la IA en la atención sanitaria es cada vez más criticada por su rápida pérdida de cualificación, por ejemplo. Estudios recientes encontraron que las habilidades de diagnóstico de los médicos disminuyeron después del fuerte apoyo de la IA.. Por lo tanto, el verdadero valor no reside en inventar más modelos, sino en hacer que los modelos existentes sean utilizables en entornos clínicos reales. Eso significa invertir en capas de traducción, estándares abiertos y responsabilidad compartida entre proveedores y sistemas de salud.
Hasta entonces, los hospitales seguirán ejecutando proyectos piloto que parecen prometedores en las diapositivas pero que fracasan en la práctica. El “momento Stripe” de la industria no llegará hasta que alguien decida resolver los ignominiosos problemas de normalización e interoperabilidad. Piense en ello como el sistema de plomería que permite que todo lo demás funcione.
Puede que la integración no parezca revolucionaria, pero es la base sobre la que descansará cualquier verdadera revolución en la tecnología sanitaria. La transformación sólo se producirá cuando la IA deje de vivir aislada y empiece a conectar el ecosistema al que debe servir.
Foto: J Studios, Getty Images
jonathan kron es el director ejecutivo de SangreGPTuna plataforma impulsada por inteligencia artificial para laboratorios y clínicas de diagnóstico que interpreta los resultados de los análisis de sangre en segundos. Es un estratega y emprendedor de atención médica con más de 20 años de experiencia en la creación y ampliación de empresas de atención médica. Antes de unirse a BloodGPT, fundó y salió de Med24, una clínica con sede en Londres (recaudó £5 millones y salió en 2022), cofundó PCG, una startup de atención médica domiciliaria con sede en Mónaco que obtuvo contratos por valor de más de $1 millón con un presupuesto inicial de $500,000, y asesoró a empresas de salud digital como Klarity y LIPS Healthcare sobre financiación y crecimiento clave.
Este artículo aparece en el Influencer de MedCity Programa. A través de MedCity Influencer, cualquiera puede publicar sus puntos de vista sobre negocios e innovación en la atención médica en MedCity News. Haga clic aquí para descubrir cómo.
