Cloud, inteligencia artificial y talento humano: una nueva forma de pensar la tecnología en salud
Este artículo explora cómo la computación en la nube, la inteligencia artificial y el talento humano pueden complementarse para transformar el sector salud. Más allá de la automatización, analiza el papel de la tecnología como herramienta para organizar información, reducir cargas administrativas, apoyar la toma de decisiones y permitir que los profesionales de la salud dediquen más tiempo a actividades donde el criterio, la experiencia y la empatía siguen siendo esenciales.
Cuando hablamos de transformación digital en salud, es fácil concentrarnos en la tecnología: inteligencia artificial generativa, modelos fundacionales, interoperabilidad, procesamiento de grandes volúmenes de datos o servicios cloud.
Sin embargo, en un hospital, una clínica, un laboratorio o una aseguradora, la tecnología nunca funciona de manera aislada.
Detrás de cada dato existe una persona. Detrás de cada diagnóstico existe un profesional tomando una decisión. Y detrás de cada proceso automatizado existe una organización que debe decidir qué puede delegar a una máquina y qué debe seguir bajo responsabilidad humana.
Por esta razón, probablemente la transformación más interesante que está ocurriendo en salud no sea simplemente la adopción de inteligencia artificial.
Es la convergencia de tres elementos:
Cloud + Inteligencia Artificial + Talento Humano.
La nube proporciona la capacidad tecnológica para manejar información y servicios a escala. La inteligencia artificial permite analizar, resumir, clasificar y generar conocimiento sobre esa información. Y las personas aportan algo que sigue siendo difícil de automatizar: contexto, criterio, responsabilidad, empatía y capacidad de decisión.
El verdadero potencial aparece cuando estos tres elementos trabajan juntos.
El problema de la salud no es la falta de datos
El sector salud genera enormes cantidades de información.
Historias clínicas, resultados de laboratorio, imágenes diagnósticas, medicamentos, antecedentes familiares, procedimientos, citas, autorizaciones, reclamaciones, notas médicas y registros administrativos son solamente algunos ejemplos.
Paradójicamente, tener más datos no significa necesariamente tener mejor información.
Un paciente puede haber sido atendido durante años por diferentes especialistas, clínicas y laboratorios. Cada institución conoce una parte de su historia, pero pocas veces alguien observa todo el recorrido de forma integral.
AWS señala precisamente este problema al hablar de información sanitaria fragmentada y de la necesidad de convertirla en datos interoperables que puedan ser utilizados tanto por aplicaciones clínicas como por soluciones analíticas y de inteligencia artificial. Servicios como AWS HealthLake utilizan el estándar FHIR para almacenar y trabajar con información de salud de manera estructurada e interoperable.
Desde esta perspectiva, el primer aporte del cloud a la salud no es necesariamente la inteligencia artificial.
Es algo más fundamental:
hacer que la información pueda estar disponible, organizada y gobernada cuando sea necesaria.
La inteligencia artificial empieza a generar valor después de resolver ese problema.
Cloud como habilitador, no como objetivo
Migrar información a la nube no transforma automáticamente una organización de salud.
Tampoco lo hace utilizar servicios administrados o adoptar nuevas tecnologías.
La transformación aparece cuando esa capacidad tecnológica permite cambiar la manera en que las personas trabajan.
Pensemos, por ejemplo, en un médico que atiende a un paciente con múltiples antecedentes.
Su necesidad real no es acceder a diez sistemas diferentes.
Necesita entender rápidamente:
- qué enfermedades relevantes tiene el paciente;
- qué medicamentos utiliza;
- qué procedimientos recientes recibió;
- qué resultados de laboratorio requieren atención;
- qué antecedentes podrían modificar una decisión;
- y qué información falta antes de continuar.
Cloud permite consolidar, procesar y disponibilizar esa información. La inteligencia artificial puede ayudar a interpretarla y resumirla.
Pero la decisión sigue perteneciendo al profesional.
Ese cambio conceptual es importante.
La nube no debería buscar reemplazar el trabajo clínico. Debería reducir la fricción que rodea al trabajo clínico.
La IA puede devolver tiempo a los profesionales de salud
Uno de los mayores potenciales de la inteligencia artificial en salud no necesariamente se encuentra en diagnosticar enfermedades.
Puede estar en algo mucho menos espectacular, pero extraordinariamente valioso:
reducir el trabajo administrativo.
Un profesional sanitario dedica parte importante de su jornada a registrar información, revisar antecedentes, documentar consultas, generar órdenes, responder comunicaciones o clasificar información.
AWS está desarrollando precisamente casos de uso en esta dirección. Por ejemplo, Amazon Connect Health incorpora capacidades orientadas a documentación clínica, generación de notas, información del paciente y codificación médica, buscando que los profesionales puedan concentrar una mayor parte de su tiempo en la atención.
Aquí aparece uno de los principios más importantes para adoptar IA responsablemente en salud:
No automatizar al profesional. Automatizar parte del trabajo que impide al profesional concentrarse en el paciente.
Imaginemos una consulta médica.
Durante la conversación, el médico debe escuchar al paciente, realizar preguntas, analizar síntomas y simultáneamente registrar información.
Una IA podría ayudar posteriormente a organizar la conversación y generar un borrador de la nota clínica.
Pero debería existir una diferencia fundamental entre generar información y aprobar información.
La IA genera un borrador.
El profesional lo verifica, corrige y finalmente asume la responsabilidad sobre el contenido.
Este modelo suele conocerse como human in the loop: la automatización participa en el proceso, pero las decisiones relevantes conservan supervisión humana.
La IA como copiloto, no como autoridad
La inteligencia artificial generativa está modificando nuestra relación con la información.
Durante décadas construimos sistemas en los que una persona debía conocer exactamente dónde encontrar un determinado dato.
La IA permite invertir parcialmente este modelo.
Ahora podemos formular una pregunta y permitir que el sistema encuentre, sintetice o explique la información relacionada.
Amazon Bedrock, por ejemplo, permite desarrollar aplicaciones de inteligencia artificial generativa utilizando diferentes modelos fundacionales, mientras que AWS presenta aplicaciones sanitarias que incluyen generación de documentación, análisis de información médica y automatización de determinados procesos.
Pero en salud existe una diferencia crítica frente a muchos otros sectores:
una respuesta aparentemente convincente puede ser incorrecta y producir consecuencias reales.
Por esto, la adopción de inteligencia artificial debería estar acompañada por un cambio en la forma en que entendemos estos sistemas.
Un modelo de IA no necesita convertirse en la fuente de verdad.
Puede convertirse en una herramienta para ayudar a encontrarla.
Por ejemplo, una IA podría:
- resumir una historia clínica extensa;
- identificar información relevante dentro de cientos de documentos;
- preparar un borrador de instrucciones para un paciente;
- clasificar documentación;
- extraer información de formularios;
- ayudar a organizar resultados médicos;
- generar una primera versión de una nota clínica;
- o identificar información que un profesional debería revisar.
AWS incluso documenta estrategias diferentes para combinar procesamiento de lenguaje médico y modelos generativos, señalando que estas tecnologías deben seleccionarse, implementarse y evaluarse adecuadamente según la madurez y necesidades de cada organización.
La diferencia parece pequeña, pero cambia completamente el modelo:
la IA propone; el humano comprende y decide.
El talento humano se vuelve más importante, no menos
Existe una preocupación frecuente frente a la inteligencia artificial: si los sistemas pueden realizar cada vez más tareas, ¿qué ocurrirá con las personas que actualmente las realizan?
En salud, probablemente veremos algo diferente.
Muchas profesiones no desaparecerán, pero sí cambiarán las habilidades necesarias para ejercerlas.
Un profesional sanitario del futuro no necesitará convertirse en especialista en machine learning.
Pero probablemente deberá entender:
qué puede hacer una inteligencia artificial;
qué no puede hacer;
cómo verificar sus resultados;
cuándo desconfiar de una respuesta;
qué información puede utilizarse;
qué decisiones requieren supervisión;
y quién es responsable cuando intervienen sistemas automatizados.
Algo similar ocurrirá con los equipos tecnológicos.
Un ingeniero que construya soluciones para salud deberá comprender algo más que APIs, bases de datos o servicios cloud.
Deberá entender privacidad.
Interoperabilidad.
Gobierno de datos.
Seguridad.
Trazabilidad.
Contexto clínico.
Y, sobre todo, deberá comprender que está trabajando con información que representa personas reales.
Esta convergencia crea nuevos perfiles híbridos: profesionales sanitarios con conocimientos digitales, ingenieros con conocimiento del dominio clínico, especialistas de datos trabajando junto a médicos y equipos multidisciplinarios capaces de evaluar sistemas de inteligencia artificial.
La transformación digital en salud, por lo tanto, no reduce la importancia del recurso humano.
Aumenta la importancia de contar con recurso humano correctamente preparado.
Un ejemplo sencillo: una historia clínica de diez años
Consideremos un paciente que ha recibido atención médica durante diez años.
Puede tener:
40 consultas médicas.
12 exámenes de laboratorio.
6 estudios diagnósticos.
4 especialistas.
15 medicamentos utilizados en diferentes momentos.
2 procedimientos quirúrgicos.
Decenas de notas clínicas.
Miles de datos individuales.
Toda esa información podría estar almacenada digitalmente.
Pero cuando el paciente consulta nuevamente, el problema continúa siendo el mismo:
¿qué necesita saber el médico ahora?
Cloud permite conservar y procesar la información.
Los estándares de interoperabilidad permiten relacionarla.
La inteligencia artificial puede resumirla.
Por ejemplo:
El paciente presentó tres episodios relacionados durante los últimos cuatro años. El último ocurrió hace ocho meses. Actualmente utiliza dos medicamentos registrados y existe un resultado reciente que debería ser revisado.
En segundos, el profesional obtiene un punto de partida que habría requerido revisar múltiples documentos.
Pero posteriormente ocurre la parte más importante del proceso.
El médico observa los datos originales.
Pregunta al paciente.
Verifica la información.
Interpreta su significado clínico.
Y decide.
Ese último tramo continúa siendo profundamente humano.
También existe inteligencia artificial fuera del consultorio
Cuando pensamos en IA aplicada a salud solemos imaginar médicos y diagnósticos.
Sin embargo, una enorme cantidad de oportunidades se encuentran alrededor del proceso asistencial.
Autorizaciones.
Facturación.
Clasificación documental.
Procesamiento de reclamaciones.
Agendamiento.
Seguimiento de pacientes.
Digitalización de registros.
Codificación médica.
Atención de solicitudes.
Muchos de estos procesos todavía contienen actividades repetitivas y manuales.
AWS ha mostrado, por ejemplo, aplicaciones de Amazon Bedrock y AWS HealthLake para procesar información de reclamaciones y convertir documentación sanitaria en información estructurada, manteniendo intervención humana cuando existen datos ambiguos o resultados de menor confianza.
Este tipo de automatización puede producir un efecto indirecto particularmente interesante.
Si una institución necesita menos esfuerzo para administrar información, sus profesionales pueden dedicar más tiempo a actividades que requieren interacción humana.
La tecnología deja entonces de competir con las personas.
Empieza a liberar su capacidad.
La pregunta correcta no es "¿podemos automatizarlo?"
Durante muchos años la innovación tecnológica estuvo impulsada principalmente por una pregunta:
¿es técnicamente posible?
La inteligencia artificial obliga a formular preguntas adicionales.
¿Deberíamos automatizarlo?
¿Qué riesgo tendría una respuesta equivocada?
¿Existe una persona responsable de verificarla?
¿Podemos explicar de dónde proviene la información?
¿El usuario sabe cuándo está interactuando con inteligencia artificial?
¿Podemos detectar cuándo el sistema no tiene suficiente información?
¿Existe trazabilidad?
En ámbitos como salud, seguridad y privacidad, estas preguntas son tan importantes como el propio rendimiento tecnológico.
Una solución técnicamente impresionante pero imposible de supervisar puede tener menos valor que una solución más sencilla que permita a un profesional comprender y validar cada decisión.
Por eso el éxito de la IA en salud probablemente no dependerá solamente del modelo más potente.
Dependerá también de la confianza que podamos construir alrededor de él.
De la automatización a la colaboración
Podemos imaginar la evolución de la tecnología sanitaria en tres etapas.
En la primera, los sistemas almacenaban información.
En la segunda, empezaron a automatizar procesos.
Estamos entrando en una tercera etapa en la que los sistemas comienzan a colaborar con las personas.
La diferencia es significativa.
Un sistema tradicional recibe datos y ejecuta reglas.
Un sistema con inteligencia artificial puede interpretar lenguaje, contextualizar información, resumir grandes volúmenes de datos y generar contenido.
Pero el modelo más interesante no es humano contra máquina.
Es humano más máquina.
La máquina puede procesar miles de registros.
El médico puede comprender la preocupación de una persona.
La IA puede encontrar patrones.
El profesional puede interpretar su significado.
Cloud puede disponibilizar información desde diferentes fuentes.
Las personas pueden decidir qué hacer con ella.
Son capacidades diferentes.
Precisamente por eso pueden complementarse.
Medir el éxito de otra manera
La adopción de inteligencia artificial también debería cambiar la forma en que medimos los proyectos tecnológicos en salud.
No basta con preguntar cuántos procesos fueron automatizados.
Podríamos preguntar:
¿Cuánto tiempo administrativo se redujo?
¿Cuánto tiempo adicional pudo dedicar un profesional a sus pacientes?
¿Cuánto disminuyó el tiempo necesario para encontrar información?
¿Cuántos errores de transcripción pudieron evitarse?
¿Cuántos procesos repetitivos dejaron de requerir intervención manual?
¿Cuánto mejoró la experiencia del paciente?
¿Cuántas decisiones pudieron tomarse contando con información más completa?
Estas métricas conectan tecnología con resultados.
Y ese debería ser finalmente el objetivo.
Cloud + AI + Human
La próxima gran evolución de la salud digital posiblemente no vendrá de reemplazar médicos por algoritmos.
Vendrá de construir entornos donde la tecnología permita que médicos, enfermeros, investigadores, administradores y pacientes trabajen con mejor información.
Cloud aporta escala, disponibilidad y capacidad para trabajar con grandes cantidades de datos.
La inteligencia artificial aporta nuevas formas de interpretar y utilizar esa información.
El talento humano aporta contexto, criterio, responsabilidad y empatía.
Podemos expresarlo mediante una fórmula sencilla:
Cloud organiza y habilita.
AI analiza y asiste.
Human comprende y decide.
Cuando estas tres capacidades se utilizan correctamente, la tecnología deja de ser solamente infraestructura.
Se convierte en una herramienta para mejorar el trabajo de las personas que cuidan de otras personas.
Y posiblemente ese sea uno de los usos más importantes que podemos darle a la nube y a la inteligencia artificial.
Enjoyed reading this content? Let the author know!
Your likes, comments, shares, and saves help creators reach more builders.
Loading recommendations
Loading article