Centro de noticias | México

El agotamiento del personal en la salud es cada vez mayor. ¿Puede la IA ayudar a aliviar la carga?

abr 26, 2022 - Tiempo de lectura: 4-6 minutos

Tras una prolongada batalla contra la pandemia de COVID-19, los profesionales sanitarios se enfrentan ahora a la siguiente crisis, que se viene gestando desde hace aún más tiempo: la escasez de personal y una plantilla cada vez más agotada. A principios de 2022, casi uno de cada dos profesionales de la salud (47%) declaró sentirse agotado, frente al 42% del año pasado [1]. Muchos se plantean dejar la profesión, lo que se suma al resto de preocupaciones de las empresas, que ven una creciente demanda de atención sin suficiente personal para atender a los pacientes [2]. ¿Puede la IA ser parte de la solución y ayudar a los profesionales sanitarios a recuperar el entusiasmo en su trabajo?

Staff burnout in healthcare is growing. Can AI help ease the burden?

Los signos de una crisis por agotamiento ya estaban presentes antes de que la COVID-19 causara estragos en los sistemas de salud de todo el mundo. Y las causas son más acentuadas que el estrés infligido por la pandemia. En muchos sentidos, los dos últimos años han magnificado lo que siempre ha afectado a los profesionales de la salud: la agotadora repetición de las tareas rutinarias, la creciente avalancha de datos que les hace buscar información constantemente y la frustración generalizada por la ineficacia del flujo de trabajo que impide atender a los pacientes. Como expresó un médico en la encuesta de Medscape de 2022 sobre el agotamiento y la depresión de los médicos: "¿Dónde están las relaciones con los pacientes que hacían que esto valiera la pena?". [3].

Los proveedores sanitarios se enfrentan al éxodo de personal


Por tanto, no debería sorprendernos que la atención sanitaria se encuentre entre los tres sectores más afectados por la Gran Renuncia, ya que muchos profesionales de la salud abandonan sus puestos para encontrar un mejor equilibrio entre el trabajo y la vida privada [4]. Y para las organizaciones sanitarias que se enfrentan a una mayor rotación de personal, lo peor podría estar por llegar. Según un nuevo estudio de la Asociación Médica Estadounidense, uno de cada cinco médicos y dos de cada cinco enfermeras tienen intención de abandonar su puesto de trabajo en los próximos dos años [5].

Por ello, la escasez de personal es ahora la principal preocupación que quita el sueño a los directivos de los hospitales estadounidenses [6]. En otros países del mundo -desde Reino Unido y Alemania hasta Singapur y Australia- se está produciendo un éxodo similar de profesionales sanitarios, lo que hace temer el posible impacto en la calidad de la asistencia [7,8,9,10].

Simplificación de los flujos de trabajo mediante la automatización basada en la IA


Lo que estamos presenciando es una mayor urgencia por liberar a los profesionales sanitarios de la tensión de las tareas tediosas y repetitivas, para que puedan centrarse en lo que les atrajo de la medicina en primer lugar: cuidar de los pacientes. Esto es precisamente lo que la IA puede hacer posible. Al trasladar la carga del tedioso trabajo manual del ser humano a la máquina, la IA permite a los profesionales sanitarios dedicar su tiempo y energía al paciente, en lugar de a los monótonos y aburridos procesos.

Por ejemplo, los técnicos de imagen, clasificados en el puesto número 2 por los directores generales de los hospitales como la profesión que sufre la mayor escasez de personal cualificado [11]. Los técnicos se enfrentan al reto diario de realizar exploraciones con la mejor calidad y a la primera, y la elevada carga de trabajo es el factor que más contribuye al estrés laboral [12]. Además, los pacientes suelen estar nerviosos, lo que aumenta la presión sobre los técnicos para que realicen el examen con eficacia. La variabilidad en los niveles de formación y experiencia del personal puede afectar aún más a los resultados.

Al automatizar muchas de las tareas que consumen tiempo y que tradicionalmente los técnicos de imagen tenían que realizar manualmente, podemos liberar su atención para que interactúen con el paciente, mejorando al mismo tiempo la consistencia de los resultados. Las investigaciones demuestran que el personal de diagnóstico por imagen agradece el apoyo de la tecnología: creen que casi una cuarta parte (23%) de su trabajo es ineficiente y podría automatizarse [13].

CT positioning

La colocación del paciente en la posición correcta para realizar un examen es un ejemplo de ello. En una modalidad de imagen como el TAC, el mal posicionamiento del paciente es un reto habitual, con consecuencias no deseadas como el aumento de la dosis de radiación al paciente o el ruido de la imagen [14]. Ahí es donde la nueva tecnología de cámaras con IA puede marcar la diferencia. Montada en el techo, encima de la mesa del paciente, la cámara utiliza algoritmos que pueden detectar automáticamente puntos de referencia anatómicos en el paciente, lo que permite un posicionamiento rápido, preciso y coherente del paciente.

La tecnología de detección inteligente y sin contacto con el paciente también está ahorrando trabajo a los técnicos en la obtención de imágenes por RM, ya que puede supervisar automáticamente la respiración del paciente, lo que permite configurar los exámenes rutinarios de RM en menos de un minuto [15], incluso para los operadores menos experimentados, al tiempo que les ayuda a vigilar al paciente. Además, los sistemas inteligentes basados en la IA pueden sugerir el protocolo más adecuado para cada examen de RM, así como automatizar la planificación, la exploración y el procesamiento del examen.
 
Gracias a esta automatización basada en IA, los profesionales tienen que preocuparse menos de los ajustes del equipo y pueden dedicar más atención al paciente, lo que hace que su trabajo sea menos estresante y más gratificante.

Proporcionar información relevante a escala en el punto de atención


Ante la creciente sobrecarga de información, la IA también puede aliviar la carga de los profesionales sanitarios ayudándoles a obtener información relevante en el punto de atención.

Por ejemplo, uno de los mayores retos a los que se enfrentan los equipos en las unidades de cuidados intensivos (UCI) es el enorme volumen de datos recogidos sobre cada paciente. Cada paciente de la UCI puede generar hasta miles de datos al día, lo que hace que los médicos y el personal de enfermería se sientan abrumados [16].

Con el análisis predictivo, podemos ayudar a los equipos de cuidados intensivos a reducir el desorden alertándoles de las tendencias relevantes en los datos del paciente que requieren una intervención urgente, o que pueden indicar que un paciente está listo para ser trasladado a un entorno de menor gravedad. El médico o la enfermera siguen teniendo el control de todas las decisiones, pero con el apoyo de la IA, pueden tomar estas decisiones más fácilmente.

Insights

En el futuro, las soluciones de monitorización de pacientes basadas en la IA se extenderán cada vez más desde el hospital hasta el hogar, lo que permitirá a los proveedores de asistencia sanitaria vigilar a los pacientes y, por lo tanto, evitar muchos (re)ingresos hospitalarios. Esto podría aliviar la presión sobre los equipos de urgencias y cuidados intensivos, que están sobrecargados, y dar a los pacientes una mayor tranquilidad en la comodidad de sus hogares.

La necesidad de una IA centrada en el ser humano


Por supuesto, la tecnología sólo puede ser una parte de las estrategias de retención del personal y de mitigación del agotamiento. Pero, como demuestran estos y otros ejemplos, la IA podría contribuir en gran medida a mejorar la experiencia humana en la asistencia sanitaria, tanto al mejorar la eficiencia del flujo de trabajo como la experiencia clínica.

Y lo que es más importante, para frenar el agotamiento y recuperar el entusiasmo por la medicina, tenemos que preguntarnos cómo podemos desarrollar herramientas digitales que apoyen la relación paciente-facultativo, en lugar de obstaculizarla. Los estudios han demostrado sistemáticamente que la falta de integración del flujo de trabajo es uno de los principales obstáculos para una mayor adopción de la IA en la atención sanitaria, lo que apunta a la necesidad de un diseño centrado en el ser humano.

Al poner a las personas en el centro, podemos desarrollar soluciones basadas en la IA que actúen como un asistente discreto, apoyando a los profesionales sanitarios en un momento en el que están más presionados que nunca. Porque si hay una verdad que la creciente crisis de personal y agotamiento en la salud está poniendo de manifiesto, es que no hay salud sin profesionales sanitarios sanos y comprometidos.

Referencias
[1] https://www.medscape.com/viewarticle/966996
[2] https://www.sciencedirect.com/science/article/pii/S2542454821001260
[3] https://www.medscape.com/viewarticle/966996
[4] https://www.bls.gov/news.release/jolts.nr0.htm
[5] https://www.sciencedirect.com/science/article/pii/S2542454821001260
[6] https://healthexec.com/topics/healthcare-administration/hospital-ceos-workforce-shortages-challenging
[7] https://www.theguardian.com/society/2022/feb/26/stressed-nhs-staff-quit-at-record-rate-of-400-a-week-fuelling-fears-over-care-quality
[8] https://www.iamexpat.de/career/employment-news/germanys-shortage-nursing-staff-continues-worsen
[9] https://www.smh.com.au/national/pandemic-triggers-mass-exodus-of-critical-care-nurses-20211116-p5998i.html
[10] https://www.straitstimes.com/singapore/politics/more-healthcare-workers-in-spore-resigning-amid-growing-fatigue-as-covid-19-drags
[11] https://healthexec.com/topics/healthcare-administration/hospital-ceos-workforce-shortages-challenging
[12] https://www.usa.philips.com/healthcare/medical-specialties/radiology/improving-radiology-staff-and-patient-experience/staff-research
[13] https://www.usa.philips.com/healthcare/medical-specialties/radiology/improving-radiology-staff-and-patient-experience/staff-research
[14] Habibzadeh MA, Ay MR, Asl AR, Ghadiri H, Zaidi H. Impact of miscentering on patient dose and image noise in x-ray CT imaging: phantom and clinical studies. Phys Med. 2012;28(3):191-199. http://doi:10.1016/j.ejmp.2011.06.002
[15] Based on in-house testing. Results may vary.
[16] https://hbr.org/2018/03/how-mayo-clinic-is-combating-information-overload-in-critical-care-units

You are about to visit a Philips global content page

Continue

Nuestro sitio se puede visualizar mejor con la última versión de Microsoft Edge, Google Chrome o Firefox.