El departamento de emergencias tiene un problema estructural
Los departamentos de emergencias en todo Estados Unidos se han convertido en la red de seguridad de último recurso para un sistema de salud que con demasiada frecuencia falla a sus pacientes mucho antes de que lleguen a sus puertas. Las esperas de boarding que pueden extenderse por días, pasillos llenos de pacientes esperando camas, médicos ahogados en documentación y personal de apoyo increíblemente limitado no son anomalías. Son el estado por defecto. En la columna de AI Prognosis de esta semana, Brittany Trang argumenta que las herramientas de inteligencia artificial — por sofisticadas que sean — no arreglarán la sala de emergencias, porque la sala de emergencias no es un problema de software. Es un síntoma de fallas más profundas y obstinadas en cómo se organiza, financia y presta la atención médica.
Esa conclusión va contra la corriente de un próspero panorama de IA en la salud. En los últimos años, el hype ha alcanzado un punto álgido para los escribas de IA que escuchan conversaciones entre pacientes y médicos y generan automáticamente notas clínicas, para algoritmos predictivos que señalan riesgo de sepsis o gravedad de trauma, y para visión por computadora que promete leer radiografías de tórax y tomografías computarizadas con precisión sobrehumana. El departamento de emergencias, lleno de presión de tiempo, datos voluminosos y alto riesgo, ha parecido el campo de pruebas perfecto.
Por qué la IA atrae a la medicina de emergencias
El atractivo es comprensible. La medicina de emergencias es una de las especialidades más cargadas de documentación. Un turno típico produce enormes cantidades de registros, firmas, códigos de facturación y métricas de calidad. Los médicos a menudo pasan dos horas en registros fuera de horario por cada hora de atención directa al paciente. Los escribas de IA prometen recuperar esas horas, permitiendo que los médicos se concentren en los pacientes en lugar de en las pantallas. Las herramientas de triaje utilizan aprendizaje automático para priorizar pacientes según puntajes de riesgo, potencialmente reduciendo los tiempos de espera. Los modelos de predicción de sepsis pueden alertar a los médicos sobre señales tempranas sutiles, como una mirada automatizada por encima del hombro.
Sin embargo, estas herramientas, señala Trang, operan en los bordes del sistema. No hacen nada respecto al hecho de que la sala de emergencias es el único lugar donde muchas personas pueden acceder a atención médica de noche, los fines de semana o sin seguro. No crean camas de hospitalización para pacientes que necesitan admisión pero no tienen a dónde ir porque el hospital está a capacidad. No alivian la escasez de enfermeras, personal psiquiátrico o trabajadores sociales. No detienen el flujo de pacientes que no han podido obtener una cita con un médico de atención primaria, o cuyas necesidades no son médicas sino sociales: vivienda, seguridad alimentaria, transporte.
Los escribas de IA abordan el síntoma, no la enfermedad
Tomemos al escriba de IA, el favorito de los administradores de hospitales. Es un ejemplo perfecto de una solución a un "problema tonto": automatizar la tarea mundana y repetitiva de tomar notas. En el proceso, durante el encuentro clínico, la herramienta puede de hecho reducir el agotamiento y restaurar una apariencia de contacto visual entre médico y paciente. Los médicos que usan tales herramientas reportan menos fatiga y mayor satisfacción, al menos inicialmente. Pero las causas más profundas de esa carga de documentación — clics inútiles, medicina defensiva, casillas de verificación impulsadas por cumplimiento y la necesidad de justificar cada minuto ante las aseguradoras — permanecen intocables.
Un sistema que recompensa el volumen sobre el valor seguirá empujando a los médicos a ver más pacientes, incluso si el registro se automatiza. Un médico que se ve aliviado automáticamente de escribir aún siente la presión de una sala de espera abarrotada y objetivos de cuatro horas establecidos por los administradores. El escriba de IA no otorga más tiempo; simplemente cambia dónde termina el tiempo exprimido. Sin cambios en los incentivos, las proporciones de personal y la forma en que se reembolsa la atención, el efecto neto puede ser que los hospitales simplemente programen más encuentros con pacientes para el mismo número de médicos, acelerando aún más el agotamiento.
De manera similar, las herramientas de triaje basadas en IA pueden ser útiles, pero deben calibrarse cuidadosamente e integrarse en un flujo de trabajo que ya funcione. Si el proceso subyacente es caótico, el algoritmo hereda ese caos. Y los modelos predictivos pueden codificar sesgos presentes en datos históricos, arriesgando peor atención para poblaciones ya marginadas.
Los 'problemas tontos' son los más difíciles
La columna de Trang es parte de la serie más amplia AI Prognosis, que ha argumentado consistentemente que las barreras más significativas para la adopción de IA en la salud no son los algoritmos llamativos sino los "problemas tontos" poco glamorosos y aburridos: interoperabilidad de datos, fatiga de alertas, interfaces de usuario y claridad regulatoria. La startup de un exdirector de ARPA-H, perfilada en otro lugar de STAT, supuestamente está abordando estos problemas exactos, reconociendo que las mayores victorias de la IA en medicina probablemente vendrán de reconstruir la plomería digital en lugar de hacer grandes predicciones.
En el contexto del departamento de emergencias, esos problemas tontos están por todas partes. El procesamiento de lenguaje natural que impulsa a los escribas narrativos debe acomodar cada acento, dialecto y modismo médico. Las interfaces deben funcionar en computadoras viejas en un escritorio desordenado. Los resultados de IA deben fluir hacia registros de salud electrónicos de múltiples proveedores, cada uno con su propia estructura. Y las alertas deben ajustarse para que los médicos no las ignoren por completo debido a la fatiga de alertas. Resolver esos problemas es esencial, pero incluso entonces solo hace que una superficie rugosa sea ligeramente más suave.
Lo que no se resolverá es el problema del boarding. Los departamentos de emergencias en todo el país reportan tiempos de espera récord porque los pacientes no pueden ser trasladados a unidades de hospitalización. Esto a menudo se debe a una escasez de camas de hospital, no porque las admisiones se retrasen por papeleo. Si un médico tiene un paciente críticamente enfermo que necesita cuidados intensivos pero no hay cama de UCI libre, ninguna herramienta de IA puede crear una. De manera similar, cuando una retención psiquiátrica espera días por una cama en un centro de salud mental, la IA no alojará a ese paciente ni ampliará la fuerza laboral psiquiátrica.
Algunos problemas no tienen solución tecnológica
La crisis en la medicina de emergencias también refleja escasez más amplia de fuerza laboral. Las enfermeras han dejado la profesión en masa, exacerbada por el agotamiento de la era pandémica y las malas condiciones laborales. Los médicos se jubilan temprano o buscan trabajos que prometan un mejor equilibrio entre vida laboral y personal. Transmitir un escriba de IA a las enfermeras y médicos restantes puede reducir algo de estrés, pero no reconstruye la tubería de profesionales capacitados. La solución sistémica implica mayores inversiones en educación, reestructuración de horas y salarios, y creación de proporciones seguras de personal — tareas que son políticas, no técnicas.
Luego están los propios pacientes. Los departamentos de emergencias sirven cada vez más como el depósito de necesidades sociales no satisfechas. Un paciente anciano sin cuidador que sufre una caída; un adulto joven con adicción pero sin plan de atención; una familia trabajadora que experimenta falta de vivienda. La IA no puede organizar atención domiciliaria, agregar viviendas asequibles o garantizar acceso a asesoramiento de salud mental. Estos casos no son "casos límite" en un sistema que funciona bien; en muchos hospitales representan una fracción sustancial de los asistentes diarios. Los datos del EMR, los códigos de diagnóstico y las narrativas revelan patrones que son determinantes sociales de la salud, no defectos en el flujo tecnológico.
El verdadero camino a seguir
La conclusión de Trang no es que la IA sea inútil en la sala de emergencias. Al contrario, la columna permite que algunas herramientas puedan mejorar la precisión de la documentación, reducir errores rutinarios y ayudar a los médicos con la recuperación de información. Pero estos son roles de apoyo. La expectativa de que la IA pueda reestructurar y revivir un departamento de emergencias es equivocada. Los problemas que afectan a los departamentos de emergencias son los mismos problemas que afectan a la atención médica en general: financiamiento fragmentado, escasez de servicios de atención primaria y salud mental, salud pública subfinanciada y una población envejecida, todo superpuesto a un modelo operativo arcaico.
Los esfuerzos por "arreglar la sala de emergencias con IA" pueden incluso ser contraproducentes si hacen que los líderes eviten las conversaciones más difíciles. Los administradores pueden señalar un nuevo panel de IA como señal de mejora, mientras ignoran la necesidad de aumentar las proporciones de enfermeras, mejorar los protocolos de boarding y trabajar con organizaciones comunitarias para desviar la atención no urgente. El departamento de emergencias es una válvula de alivio de presión para todo el ecosistema de atención médica, y está a punto de estallar. Ninguna cantidad de tecnología inteligente cambiará eso; solo un compromiso de cambiar la estructura de la prestación de atención puede hacerlo.
La lección de AI Prognosis es que deberíamos dejar de preguntar si la IA puede arreglar la sala de emergencias y en su lugar preguntar por qué esperamos que la tecnología resuelva lo que solo la política, el liderazgo y la financiación pueden resolver. Deja que los algoritmos asistan, pero no dejes que carguen con todo el peso de un sistema que necesita apoyo.
Como escribe Trang, la IA no puede cambiar los problemas de la sala de emergencias. Eso no es un fracaso de la ciencia. Es un recordatorio de que la atención médica es un sistema humano, y sus problemas más difíciles siguen siendo obstinadamente humanos.
Este artículo se basa en reportajes de STAT News. Lea el artículo original.
Originally published on statnews.com
