¿Puede la IA Salvar la Consulta de Atención Primaria del Desgaste de Calidad?

Introducción

Años atrás, un líder de operaciones de práctica me dijo que cada encuentro con un paciente, sin importar cuán urgente, era una oportunidad para capturar una métrica de calidad. Se refería a esto como «in-reach», elogiando el acercamiento a los pacientes cuando no están en la oficina.

«¿Incluso cuando alguien está gravemente enfermo?» pregunté. «Incluso entonces,» me respondió.

La implicación era clara: en medio del tratamiento de un paciente con gastroenteritis, también debería pensar en mamografías atrasadas.

En ese momento, me horroricé. Hoy, como director médico de una gran red de atención primaria, entiendo mejor las fuerzas detrás de esa mentalidad. Ayudo a liderar esfuerzos para cumplir con objetivos de calidad a nivel del sistema vinculados a pagos basados en el valor y la reputación. Veo su importancia. Y, sin embargo, la incomodidad persiste. La sala de exámenes, ya sea física o virtual, es un espacio íntimo donde los clínicos deberían estar completamente enfocados en el paciente frente a ellos. Cada vez más, también es un lugar donde agendas competing se interponen.

IA y la Relación Médico-Paciente

A medida que la inteligencia artificial (IA) generativa entra rápidamente en los flujos de trabajo de atención primaria, está surgiendo una nueva pregunta: ¿Restaurarán estas herramientas la relación médico-paciente o afianzarán aún más las métricas que la han tensionado?

Para responder eso, vale la pena revisar qué problema se suponía que resolvía la medición de calidad. Los primeros esfuerzos estaban diseñados para establecer puntos de referencia de mejores prácticas, estandarizar el cuidado y mejorar resultados mientras se reducen costos. Con el tiempo, sin embargo, la medición de calidad se ha vinculado estrechamente a la retribución. Lo que comenzó como una herramienta de mejora clínica ha evolucionado en un ejercicio de documentación que a menudo prioriza lo que se puede medir y cobrar sobre lo que más importa a los pacientes.

Las consecuencias no son teóricas. Médicos de familia en un reciente estudio cualitativo describieron angustia moral cuando las métricas de calidad interferían con su capacidad para proporcionar atención centrada en el paciente. Muchos clínicos experimentan esta tensión diariamente, equilibrando las necesidades del paciente individual con las demandas de los objetivos de salud poblacional incrustados en flujos de trabajo electrónicos.

Promesas y Riesgos de la IA

Ahora la IA promete alivio. Las herramientas de hoy pueden resumir historias clínicas, redactar mensajes, identificar brechas en la atención y automatizar la documentación. Una industria en crecimiento de empresas va más allá, utilizando IA para identificar datos que cumplen con métricas de pagadores y generar notas «listas para auditorías». Para los clínicos sobrecargados, esto puede sentirse como un salvavidas.

Pero estas herramientas no resuelven el problema subyacente: lo industrializan.

Automatizar el cumplimiento de métricas defectuosas arriesga escalar las presiones que erosionan la sala de exámenes. El factor «wow» de la documentación generada por IA puede distraer de una pregunta más fundamental: ¿estamos midiendo las cosas correctas? Pulir la regla no arregla un sistema de medición roto.

También hay una dimensión competitiva que hace esto más difícil de ignorar. Los sistemas de salud operan con márgenes reducidos y los programas de pago basados en el valor recompensan a aquellos que documentan métricas de manera más efectiva. Las herramientas de IA que aceleran la captura de métricas corren el riesgo de convertirse en los esteroides anabólicos del juego de calidad. Si todos los demás las están utilizando, aquellos que se abstienen pueden quedarse atrás, no porque brinden una atención peor, sino porque documentan menos agresivamente.

Medición de Calidad y IA

Esta dinámica debería darnos pausa. Cuando el éxito depende de optimizar la documentación en lugar de mejorar la atención, corremos el riesgo de ampliar la brecha entre lo que los pacientes necesitan y lo que los sistemas recompensan.

Nada de esto es un argumento en contra de la medición en sí. La rendición de cuentas importa. Pero el camino hacia adelante requiere re-centra la medición de calidad en los resultados que los pacientes valoran y que los clínicos pueden influir de manera significativa. Eso significa enfatizar resultados sobre procesos, acreditar la toma de decisiones compartidas y reconocer que los pacientes informados pueden razonablemente rechazar análisis o tratamientos recomendados.

También significa reconocer las realidades de la atención primaria. Muchas prácticas operan con personal limitado, acceso restringido y una carga administrativa significativa. Los informes de calidad deberían ser directos, con datos fácilmente extraídos del registro electrónico de salud, no dependientes de capas de trabajo manual que alejen a los clínicos y al personal de la atención al paciente.

Conclusión: Un Futuro Mejor con la IA

Entonces, ¿dónde encaja la IA en una mejor versión de este sistema?

Usada de manera reflexiva, puede ayudar. La revisión de gráficos asistida por IA puede mejorar el ajuste del riesgo y resaltar determinantes sociales de salud que afectan de manera significativa los resultados. Las herramientas de planificación previas a la visita pueden identificar brechas en la atención antes de que el paciente llegue, permitiendo que los equipos las aborden de manera eficiente cuando sea apropiado. El acercamiento automatizado, ya sea a través de portales, mensajes de texto u otros canales, puede desplazar el trabajo de salud poblacional fuera de la visita, preservando el encuentro para las preocupaciones inmediatas del paciente.

Igualmente importante, la tecnología debería reducir, no intensificar, la vigilancia de los clínicos. La puntuación excesiva y el monitoreo del desempeño individual en comparación con métricas del sistema pueden provocar agotamiento, alentar la manipulación y profundizar la brecha entre prioridades clínicas y empresariales. La IA debería aspirar a disminuir el ruido de fondo, no amplificarlo.

Mirando atrás aquella conversación temprana sobre «in-reach», todavía creo que hay un papel para ello, pero no como un chequeo impuesto en cada encuentro. En cambio, el «in-reach» debería ser impulsado por el paciente, fundamentado en educación y establecimiento de objetivos compartidos. Cuando se discute la atención preventiva, debería surgir naturalmente del contexto del paciente, no porque una métrica lo exija en ese momento.

En plena enfermedad aguda, un paciente no necesita un recordatorio sobre una prueba de detección. Necesita atención, empatía y cuidado. Ningún algoritmo debería competir con eso. Y ningún sistema de calidad debería exigirlo.

Nota de Descargo de Responsabilidad: La información contenida en este texto no debe interpretarse como consejo médico. Siempre consulte a un profesional de la salud para obtener asesoramiento específico relacionado con su situación médica.

Fuente: https://www.medpagetoday.com/opinion/second-opinions/121631