La inteligencia artificial (IA) está transformando rápidamente diversos sectores y la salud no es la excepción. Con nuevos productos emergiendo casi a diario, la IA generativa se está integrando cada vez más en los procesos de atención médica.
Sin embargo, la implementación de un programa de IA en un sistema de salud es un desafío complejo que requiere planificación estratégica y adaptación a las necesidades específicas de los profesionales y pacientes.
Un ejemplo notable es el del sistema de salud de la Universidad de Iowa en Estados Unidos, que se ha asociado con Nabla, una empresa de Boston que desarrolla tecnología de asistencia de IA ambiental. El objetivo es reducir el tiempo que los clínicos dedican a la documentación, permitiendo que se enfoquen más en la atención al paciente. Según Nabla, su tecnología transcribe las citas médicas, aliviando la carga administrativa que contribuye al agotamiento profesional. En septiembre, el sistema de salud implementó esta tecnología en todos sus clínicos y proporcionó capacitación en video para su uso.
El agotamiento profesional es un problema creciente en el sector salud. En 2024, aproximadamente 62% de los clínicos reportaron que los “requisitos excesivos de documentación” son una causa principal de este fenómeno, según Athenahealth, una empresa de tecnología sanitaria y registros electrónicos de salud. La Asociación Médica Americana informó en enero que los médicos de atención primaria pueden pasar hasta 45.7 minutos en documentación por cada cita de 30 minutos. Estas cifras reflejan una realidad insostenible que afecta tanto a la calidad de vida de los profesionales como a la eficiencia del sistema de salud.
En México, este desafío no es ajeno; los profesionales de la salud en nuestro país también enfrentamos una carga administrativa significativa que puede llevar al agotamiento y afectar la calidad de la atención al paciente. La implementación de tecnologías de IA podría ser una solución viable para abordar este problema, pero es esencial entender cómo se desarrolla este tema en el contexto mexicano.
La adopción de IA en el sistema de salud mexicano está en una fase inicial, pero hay señales prometedoras. Algunas instituciones privadas han comenzado a incorporar soluciones de IA para mejorar diagnósticos y tratamientos. Por ejemplo, se están utilizando algoritmos de aprendizaje automático para analizar imágenes médicas y detectar enfermedades en etapas tempranas. Sin embargo, la aplicación de IA para reducir la carga de documentación y aliviar el agotamiento profesional aún es limitada.
Existen varios desafíos para la implementación efectiva de la IA en México. Uno de los principales es la infraestructura tecnológica. Muchos hospitales y clínicas carecen de sistemas electrónicos de registros médicos robustos, lo cual es fundamental para integrar soluciones de IA. Además, la inversión necesaria para desarrollar y mantener estas tecnologías puede ser un obstáculo, especialmente en instituciones públicas con presupuestos limitados. Otro factor importante es la capacitación y aceptación por parte del personal médico.