La inteligencia artificial predictiva podría ayudar a reducir las listas de espera del sector sanitario
PredictLand AI está desarrollando una solución piloto en el ámbito privado y su director de Operaciones y Estrategia, Andrés Visus, apunta que la IA diminuiría los plazos un 30%
“La inteligencia artificial predictiva podría reducir las listas de espera en un 30%”. Así lo asegura Andrés Visus, director de Operaciones y Estrategia de PredictLand AI, empresa española que está desarrollando una solución piloto para la sanidad privada.
Los últimos datos facilitados por el Ministerio de Sanidad –de 31 de diciembre de 2023– cifran en 849.535 los pacientes que aguardan una intervención quirúrgica, 300.000 más que en julio del mismo año. En cuanto a la cita con especialistas, los datos tampoco mejoran: de 112 días a 128, superando los 101 días de la sanidad pública.
La boutique de IA creadora de aplicaciones para empresas trata de optimizar los recursos de clínicas, consultas y hospitales, a la vez que se ofrece una mejor atención al enfermo, sobre todo en cuanto a la rapidez de respuesta a sus necesidades. Así, los modelos predictivos de datos se aplicarían en este caso a la reducción de las listas de espera, que siguen aumentando desde la pandemia.
Por este motivo, el recurso en este caso es la IA, pero no en su vertiente diagnóstica, sino predictiva que, como sucede en todos los sectores productivos, permite trabajar con una previsión de la demanda. En el sector médico, cuentan desde Predictland, “se trata de optimizar los servicios, los quirófanos y la disponibilidad de los especialistas”. En este sentido, añaden, “hasta el momento se viene trabajando mediante un sistema de citas por orden de solicitud, priorizando solo casos más graves de gran urgencia. Pues bien, con un sistema organizativo de IA, se ordenaría la administración de citas no solo en cuanto a las dolencias del paciente, sino también con un claro objetivo de rentabilidad y aprovechamiento de los recursos en los diversos actores del sistema sanitario”.
La forma en que lo consigue es mediante la gestión de datos basados en el estudio poblacional y trabajando con los históricos de los pacientes, que contemplan desde la evolución en la salud de los de mayor antigüedad a la previsión de los nuevos. Otro parámetro es la estacionalidad asociada a distintas enfermedades: los virus respiratorios en invierno, las alergias de primavera o las intoxicaciones en verano.
“Los datos están”, señala Andrés Visus, y en unas pocas semanas “los modelos predictivos pueden organizarlos y optimizarlos. Además, siempre bajo la protección de los comités éticos de los distintos hospitales y el paraguas de la Ley Europea de IA”.
Lo más visto
