El potencial de la IA en la cadena de suministro de la atención médica

No hay escasez de entusiasmo, o predicciones, sobre el uso potencial de la inteligencia artificial (IA).

Grand View Research estima que el mercado global de IA crecerá a una tasa anual compuesta del 57% entre 2017 y 2025, alcanzando los $ 36 mil millones. Forrester predice que 2020 es el año en que los ejecutivos se centrarán en cómo impulsar y medir el valor de sus inversiones en IA.

La asistencia sanitaria no es una excepción. Una encuesta reciente de ejecutivos de atención médica realizada por Optum encontró que no solo está aumentando el uso de la IA, sino que también la mayoría de los ejecutivos esperan un retorno de sus inversiones más rápido de lo que se anticipó en un principio.

Lo que falta en estas elevadas proyecciones son discusiones más sustantivas sobre lo que se requiere para garantizar que la IA pueda cumplir su promesa, como la importancia de la gobernanza y la gestión de datos. También hay menos conversaciones sobre el papel que la inteligencia artificial y el aprendizaje automático pueden desempeñar en la cadena de suministro de atención médica, en comparación con otras áreas, como la mejora del diagnóstico de enfermedades y el desarrollo de fármacos. Pero cuando se detiene y piensa en cómo se está aplicando la IA en otros lugares de la atención médica, comienza a ver implicaciones y oportunidades para la cadena de suministro.

Análisis predictivo. Una de las aplicaciones más interesantes de la IA es el uso de la genómica, combinada con otros factores clínicos, sociales y de comportamiento del paciente, para predecir futuros estados de enfermedad y tratamientos sanitarios, como si es probable que un paciente experimente un evento cardiovascular o necesite una rodilla. reemplazo. A nivel de paciente individual, hay relativamente poca relevancia posterior para la cadena de suministro. Pero considere lo que podría suceder si tuviéramos datos sobre poblaciones completas de pacientes, digamos, aquellos atendidos por un sistema de atención médica o una organización de atención responsable. ¿Podría eso ayudar a predecir los tipos y el volumen de productos que se necesitarán, incluido cuándo y dónde, al tiempo que proporciona valiosas señales de demanda a los fabricantes y distribuidores?

Coincidencia de demanda. Con más datos sobre el rendimiento de los productos en la práctica clínica de rutina y el impulso para rediseñar las vías de atención en función de las necesidades de poblaciones específicas de pacientes, existe una necesidad creciente de hacer coincidir el producto adecuado con el paciente adecuado. La inteligencia artificial puede desempeñar un papel importante para comprender qué funciona mejor en qué tipo de pacientes y aprovechar estos datos para el análisis de valor y el abastecimiento, así como para asegurarse de que los productos correctos estén en el lugar correcto.

Optimización logística. Las empresas habilitadas para inteligencia artificial centradas en el flujo de pacientes están utilizando herramientas comúnmente implementadas por empresas de logística de terceros, como UPS, para trazar las rutas de ambulancia más rápidas para transportar pacientes al hospital u otros lugares de prestación de atención. ¿Por qué no implementar estas mismas tecnologías para ayudar a los profesionales de la cadena de suministro de atención médica a lidiar con la migración de la atención fuera de los entornos de atención aguda? La inteligencia artificial puede ayudar a determinar los mejores métodos de transporte, la frecuencia y las rutas para trasladar los productos y los cuidadores a la cantidad de ubicaciones en rápida expansión donde se necesitarán, desde clínicas domiciliarias y minoristas hasta centros de atención de urgencia y cirugía ambulatoria.

Continuidad de suministro. Los eventos recientes, desde desastres naturales y brotes de enfermedades infecciosas hasta retiradas de productos y cierres de instalaciones de esterilización, han aumentado la atención a los desafíos en los que incurren las interrupciones en la continuidad del suministro. A diferencia de la industria minorista, donde un pedido atrasado a menudo es solo un inconveniente, las interrupciones del suministro en la atención médica pueden tener graves consecuencias. Tomemos el huracán María como ejemplo. Cuando la tormenta golpeó a Puerto Rico, afectó negativamente las operaciones de más de 50 fabricantes diferentes en la isla, incluidos los que suministran bolsas intravenosas. La escasez de bolsas de solución salina dejó a los proveedores de todo Estados Unidos luchando por encontrar alternativas. La organización de compras grupales, Premier, pidió recientemente a la Administración de Drogas y Alimentos de los EE. UU. Que exija a los fabricantes de dispositivos médicos que comuniquen la posible escasez. La inteligencia artificial podría implementarse no solo para ayudar a los proveedores a anticipar los pedidos pendientes y los desabastecimientos, sino también para ayudar a los fabricantes a recopilar datos en sus cadenas de suministro altamente complejas para predecir mejor las interrupciones, tomar medidas correctivas y ayudar a sus clientes a identificar alternativas.

Automatización de tareas. La automatización de procesos robóticos (RPA) es una forma de inteligencia artificial que se utiliza cada vez más en la atención médica, especialmente en el procesamiento de reclamaciones. RPA utiliza robots de software para automatizar y estandarizar tareas repetitivas, liberando al personal para un trabajo de mayor valor agregado. Para la cadena de suministro, la RPA se utiliza para automatizar las tareas de administración de contratos, como verificar los precios y completar los sistemas de adquisiciones con los términos del contrato.

Dependencias de IA. Como ocurre con muchas tecnologías nuevas, existe un entusiasmo considerable por lo que la IA puede hacer para mejorar el desempeño clínico, operativo y financiero, junto con la experiencia del paciente y el médico. Al mismo tiempo, hay relativamente poca discusión sobre lo que se necesita para garantizar que la IA cumpla su promesa.

Una de las áreas más subestimadas es la gobernanza de datos. La belleza de la IA es que puede analizar grandes cantidades de datos para identificar patrones y correlaciones ocultas que, de lo contrario, los humanos tardarían mucho más en descifrar, si es que lo hacen. También permite a los usuarios alimentar el motor de inteligencia artificial con una amplia gama de variables, incluso aquellas que solo sospecha que pueden tener algo que ver con el problema que está tratando de resolver. Pero a pesar de la sofisticación de la herramienta, el viejo adagio - basura adentro, basura afuera - todavía se aplica. Antes de iniciar una iniciativa de IA, asegúrese de tener suficientes datos (probablemente extraídos de diferentes fuentes) y de que los datos se adhieran a políticas, estándares, definiciones y procesos de datos bien definidos.

Finalmente, considere hasta qué punto desea utilizar la inteligencia artificial para aumentar la toma de decisiones, es decir, si permitir que el sistema brinde información y recomendaciones mientras un humano aún toma la decisión final, o para automatizar completamente la toma de decisiones. La magia y el misterio de la IA es la falta de transparencia en la forma en que el sistema toma decisiones, porque está continuamente aprendiendo y cambiando cómo selecciona, sopesa y relaciona diferentes variables para llegar a conclusiones. Solo una vez que tenga confianza en el sistema, especialmente cuando se trata de decisiones de atención al paciente, debe pasar a aplicaciones de IA en las que el sistema toma decisiones y actúa sin intervención humana.

El potencial de la inteligencia artificial y el aprendizaje automático en la atención médica es asombroso, especialmente si consideramos cómo aprovechar la riqueza de conocimiento en rápida expansión que se genera todos los días. Por otro lado, todavía hay mucho que aprender sobre la mejor manera de aplicar la IA en los diversos aspectos de la atención médica. A medida que aspiramos a nuevas alturas, guiados por la IA, es importante recordar los cimientos sobre los que se construye la IA. ¿Sus iniciativas de inteligencia artificial se basan en datos precisos, completos, estandarizados y normalizados? Si es así, entonces el cielo, aparentemente, es el límite.

Karen Conway es vicepresidenta de valor sanitario de GHX.