Pero llevar el material donde hace falta es un problema al que se enfrentan las grandes empresas continuamente. Ahora, grupos sanitarios de todo el mundo están adoptando algunas estrategias: varios de los países más pobres han empezado a utilizar herramientas de gestión de cadena de suministro basadas en inteligencia artificial (IA) para ayudar a facilitar un mejor acceso a pruebas médicas y tratamientos a las personas que lo necesitan.
nLas organizaciones sanitarias están utilizando software para decidir dónde establecer nuevas clínicas, cómo asignar equipos y personal, y qué gasto priorizar. Las mismas herramientas pronto podrían ayudar a gestionar programas de salud en EE UU también.
nSolo el 1% de las clínicas y el 14% de los hospitales de los países en vías de desarrollo tienen el equipo o el personal necesarios para diagnosticar enfermedades endémicas, como el VIH, la tuberculosis y la malaria, según el informe publicado en 2017 en el boletín de la Organización Mundial de la Salud. La comisión creada en 2021 por la revista médica The Lancet concluyó que casi la mitad de la población mundial tiene acceso limitado o nulo a servicios de pruebas médicas. Incluso cuando las pruebas están disponibles, los resultados son a menudo imprecisos o llegan demasiado tarde para ser de utilidad clínica.
nLas organizaciones sanitarias mundiales se han dado cuenta de que, si se alejan lo suficiente, estas deficiencias se parecen mucho a un problema de la cadena de suministro. "¿Por qué Coca-Cola puede entregar refrescos helados a algunos de los lugares más remotos del mundo pero no podemos hacer algo parecido con la atención sanitaria?", pregunta el médico y cofundador de BroadReach Group, John Sargent. Esta organización de asistencia médica gestiona uno de los programas de atención y tratamiento del VIH más grandes del mundo utilizando software de inteligencia artificial, con gemelos digitales (digital twins, herramientas que simulan procesos complejos y reflejan recursos del mundo real, como bienes, almacenes y enlaces de transporte). Los algoritmos de aprendizaje automático pueden emplear estas simulaciones para predecir problemas y proponer soluciones.
nEn los últimos años, empresas de todos los sectores, desde comercios minoristas hasta fabricantes, han empezado a utilizar gemelos digitales para solucionar las continuas interrupciones en la cadena de suministro de todo el mundo. "Queríamos dar un paso atrás y observar toda la red de atención sanitaria del país", afirma la directora de FIND Sudáfrica, Heidi Albert. "Eso es lo que nos llevó a pensar en la cadena de suministro". FIND (Foundation for Innovative New Diagnostics) es una organización sin ánimo de lucro con sede en Suiza. Las pruebas médicas son uno de los eslabones más débiles en la asistencia sanitaria de todo el mundo, señala Albert: "Nuestro objetivo es asegura os de que todos los que necesitan una prueba médica tengan acceso a ella".
nEso implica asignar un número limitado de recursos a todo un sistema de atención sanitaria, convirtiéndolo en un problema de optimización: cómo aprovechar al máximo lo que hay. Al modelar los recursos y las dependencias entre ellos, los gemelos digitales identifican carencias en un servicio, anticipan interrupciones y ajustan la configuración para explorar varios escenarios posibles.
nFIND trabaja con Coupa, proveedor de software de gestión empresarial con sede en Estados Unidos, para crear una herramienta que permita optimizar las pruebas médicas. Coupa lleva cuatros años adaptando su software comercial OptiDx a las aplicaciones sanitarias. OptiDx aplica varias técnicas computacionales para modelar y analizar algunos procesos complejos, incluido el aprendizaje automático. Sus herramientas predicen la demanda e identifican configuraciones óptimas para satisfacerla.
nOptiDx se ha diseñado para usar esa tecnología en gestores de atención sanitaria, desde funcionarios gube amentales hasta personal de enfermería, para asignar recursos de manera eficaz, asegurándose de que el equipo y el personal estén en las mejores ubicaciones. Al simular un aumento de la demanda en el gemelo digital de las instalaciones médicas de un país, por ejemplo, el gobie o puede ver qué clínicas y equipos adicionales podría necesitar y ajustar las variables para explorar escenarios hipotéticos.
nFIND y Coupa ya han probado el software en Zambia, Vietnam, Bangladesh y Burkina Faso. En Zambia, las recomendaciones de la herramienta redujeron la distancia media de transporte de las muestras de pruebas de VIH a tres millas (4,8 kilómetros), 11 veces menos que antes.
nFIND está implementando OptiDx en otros 15 países, como Kenia, Lesotho, India y Filipinas. En Filipinas, el software ha demostrado que una clínica podía realizar el mismo número de pruebas con menos instrumentos de los previstos, lo que le permitió reasignar parte de su presupuesto.
nFIND supervisa si las recomendaciones de la herramienta resultan útiles y si se ponen en práctica. "Esto debe ser algo que los países puedan hacer suyo", indica Albert. "Una cuestión importante es que las personas que toman decisiones tengan acceso al poder de los datos".
nPonerse al día con los smartphones
nBroadReach utiliza la herramienta de simulación Vantage, creada en colaboración con Microsoft, para identificar clínicas con insuficiente personal y enviar a sanitarios donde más se necesitan. En 2020, durante las primeras semanas de la pandemia, BroadReach trabajó con FIND para evaluar lo preparadas que estaban dos provincias de Sudáfrica ante el COVID-19, se detectó escasez de equipos de protección y de personal en más de 300 clínicas en solo tres días.
nSargent dice que conoció de primera mano los sistemas sanitarios de África cuando trabajó en campos de refugiados antes de estudiar medicina. Más tarde fundó BroadReach con su colega médico E est Darkoh, que creció en Tanzania y Kenia. "Puedes ir a clínicas rurales en lugares como Zambia y verás que los registros de los pacientes están en papel", asegura Sargent. Sin embargo, sí hay tecnología allí: "Las enfermeras usan teléfonos inteligentes y reciben sugerencias de Facebook sobre publicaciones que les podrían gustar".
nAdemás de controlar la escasez, BroadReach realiza un seguimiento individual de los pacientes en más de mil clínicas de varios países africanos, controlando si reciben el tratamiento que necesitan y si lo siguen. Muchas clínicas ya hacen eso, pero Vantage también utiliza el aprendizaje automático, entrenado en cientos de miles de registros clínicos anónimos y datos sociales, para identificar a las personas que probablemente abandonarán el tratamiento y sugerir a los trabajadores sanitarios que se comuniquen con ellas de manera proactiva.
nEl Instituto de Virología de Nigeria utilizó Vantage en 2021 para predecir cuáles de las 30.000 personas que recibían tratamiento contra el VIH en tres lugares diferentes del país corrían el riesgo de dejar de tomar su medicación. La herramienta desveló que el 91% de los que recibieron una llamada o visita de un trabajador sanitario seguían tomando sus medicamentos, en comparación con el 55% de los que no habían sido contactados.
nSegún BroadReach, sanitarios de varias clínicas de tratamiento contra el VIH han afirmado que la herramienta les ayuda a estrechar las relaciones con sus pacientes ya que pueden centrarse en aquellos que más intervención necesitan.
nEl llamado mundo desarrollado
nBroadReach quiere que su software esté disponible en EE UU. "Cuando apareció el COVID-19, nos dimos cuenta de que muchos de los sistemas sanitarios del mundo desarrollado, entre comillas, no eran tan buenos, y que el sistema estaba dejando atrás a gran parte de la población", indica Sargent.
nA día de hoy, BroadReach participa en cuatro proyectos piloto con proveedores de asistencia sanitaria y aseguradoras estadounidenses. En uno de estos proyectos, se trabajó para aumentar la baja tasa de vacunación en lugares de Colorado (EE UU) utilizando aprendizaje automático para predecir dónde se deberían establecer centros de vacunación y qué comunidades se deberían estudiar en profundidad. Los funcionarios de salud locales habían asumido que los recursos deberían estar en áreas urbanas para vacunar a la mayor cantidad posible de personas. Pero Vantage reveló que centrarse en las comunidades minoritarias rurales de bajos ingresos tendría un mayor impacto.
nBroadReach también está trabajando con una aseguradora de Califo ia que notó importantes disparidades en la forma en la que personas de diferentes grupos siguen un tratamiento con estatinas, medicamento que se usan para tratar el colesterol alto. Al observar los datos, BroadReach intenta identificar posibles explicaciones de lo que la aseguradora averigua. Por ejemplo, algunas comunidades tienen malas conexiones de transporte lo que puede impedir que las personas acudan al médico para renovar las recetas. Otros sienten desconfianza en el sistema sanitario desde hace tiempo, según Sargent.
nPoco a poco, Sargent quiere que Vantage pueda predecir factores de riesgo para cada paciente. Por ejemplo, para un hispanohablante que no vive cerca de una clínica, el software recomendaría que la aseguradora proporcione un trabajador social que hable español y un vale para un taxi, explica Sargent.
nPero resulta difícil obtener los datos necesarios para entrenar a la IA y que pueda hacer tales predicciones con precisión. En Estados Unidos, los datos de asistencia sanitaria generalmente no se comparten entre los proveedores. Sargent resalta que BroadReach está solucionando este problema combinando registros médicos con datos socioeconómicos, como códigos postales e historiales de créditos. "Tenemos alianzas con algunas empresas de datos de consumidores, porque se puede saber mucho sobre un paciente si se conocen sus patrones de comportamiento y las condiciones en las que vive", resalta. "Unimos todo esto para obtener una visión de general de la población y otra de cada paciente".
nLo que la gente piense acerca de este tipo de vigilancia dependerá de los beneficios que realmente les brinde. Varios organismos, incluidas las compañías de crédito, agencias de contratación, policía y otros, ya utilizan datos socioeconómicos en los que se basa BroadReach para predecir el comportamiento futuro más probable de las personas. Los sesgos en estos sistemas han producido un fuerte rechazo, con razón, por parte de los grupos de derechos civiles.
nLas propuestas gube amentales de compartir datos médicos no han generado una buena reacción en varios países como EE UU, Reino Unido y Australia, según, Nicholson Price, el especialista en cuestiones legales y éticas sobre el uso de datos personales de la Universidad de Michigan. Pero eso no ha impedido que las empresas combinen datos médicos y de consumidores. "Las empresas llevan años haciendo esto con un perfil más bajo", señala Price.
n"Hay una sensación de resignación y parece que no tenemos la capacidad de darle la vuelta", concluye Price. "No obstante, tal vez haya un lado positivo del que también saldrán cosas buenas, en lugar de solo publicidad y manipulaciones".
n