¡Que no se te olvide! Científicos encuentran forma de reducir inasistencia de pacientes a citas médicas

Mediante el estudio de las personas y con la ayuda de la inteligencia artificial, se busca reducir las pérdidas y, a futuro, ayudar con las listas de espera.

¡Que no se te olvide! Científicos encuentran forma de reducir inasistencia de pacientes a citas médicas

Mediante el estudio de las personas y con la ayuda de la inteligencia artificial, se busca reducir las pérdidas y, a futuro, ayudar con las listas de espera.

Año a año se pierden millones de dólares por horas médicas perdidas a las que la gente no asiste. Por eso, investigadores del Centro de Modelamiento Matemático (CMM) de la Universidad de Chile buscaron ofrecer una solución a este problema.

Por medio de la inteligencia artificial, el grupo de académicos entrenó máquinas capaces de optimizar la gestión de la agenda hospitalaria para reducir la cantidad de citas perdidas.

Gracias a un fondo de fomento para el desarrollo científico, el equipo liderado por los Ph.D. Jocelyn Dunstan y Héctor Ramírez idearon un software capaz de aumentar la eficiencia en la atención hospitalaria.

A partir del aprendizaje automático, se determinó cuál es la probabilidad de que un paciente no asista a su hora médica, esto mediante su historial de asistencia o factores geográficos y sociales.

Se estima que 1 de cada 5 pacientes que solicitan una hora médica no se presentan, generando pérdidas de hasta 35 millones de dólares al año.

"Ocupamos mucha información histórica para poder entrenar a estos modelos, y que entiendan el patrón o perfil de la persona que falta para cierta especialidad y en cierto hospital".

Jocelyn Dunstan, Ph.D.

Pruebas en diversos hospitales

Para el análisis de datos se seleccionaron tres recintos asistenciales distintos: el Hospital Pediátrico Luis Calvo Mackenna, el Hospital Regional de Talca y el Centro de Referencia en Salud Cordillera Oriente, ubicado en Peñalolén.

Uno de los principales desafíos a considerar en el proceso de aprendizaje fue la heterogeneidad del funcionamiento de cada hospital y el perfil de sus pacientes. "Por ello, decidimos no hacer un mismo modelo para todos los hospitales, sino que diferenciarlo por establecimiento, con sus propios datos.", mencionó Ramírez.

Debido a que el tipo de especialidad también influye, todos estos datos se tomaron en cuenta para encontrar el mejor método.

Se procesaron cerca de 18 mil citas médicas con inteligencia artificial para predecir por qué ocurrían ausencias. Así, se logró reducir de un 20,3 a un 12,5% la inasistencia a pacientes a quienes se les recuerda vía llamado telefónico. 

En cuanto a las personas que se les recordó de sus horas vía WhatsApp y mensajes de texto, la reducción llegó a un 5,4%.

Con esto, los científicos del CMM esperan desarrollar herramientas que presten servicio a los distintos perfiles de hospitales en el país, y contribuir así a la reducción de las listas de espera que aquejan a los pacientes del sector público.