¿Puede la IA evitar la crisis de atención médica causada por los recortes de Medicaid?

Medicaid se ha convertido en un punto central en un debate político controvertido, con legisladores republicanos abogando por recortes significativos para financiar reducciones de impuestos. El presidente Donald Trump y los líderes del GOP proponen reducir el gasto de Medicaid en $880 mil millones durante la próxima década, lo que recortaría aproximadamente el 10% del presupuesto del programa. Estos recortes propuestos podrían tener serias repercusiones, considerando que Medicaid actualmente proporciona cobertura de salud a unos 83 millones de estadounidenses de bajos ingresos, incluidos adultos mayores y personas con discapacidades.

Para abordar el futuro de Medicaid en medio de estas presiones financieras, se está explorando la inteligencia artificial (AI) como una forma de frenar el aumento de los costos de atención médica. El análisis predictivo impulsado por AI ahora permite a los proveedores de salud identificar a pacientes de alto riesgo antes de que necesiten atención de emergencia.

*"Con Medicaid enfrentando restricciones presupuestarias, AI ofrece una manera de reducir costos sin comprometer la calidad de la atención,"* compartió Grace Chang, CEO y fundadora de Kintsugi, conmigo. *"Las ineficiencias operativas, como diagnósticos omitidos o seguimientos inadecuados, a menudo se pasan por alto pero son extremadamente costosas. AI puede destacar a pacientes en riesgo de sobreutilizar las salas de emergencia o no adherirse a sus horarios de medicación – áreas que drenan miles de millones del sistema pero son manejables con la tecnología adecuada."*

La startup de atención médica basada en AI de California, Kintsugi, utiliza biomarcadores de voz para agilizar las evaluaciones tempranas de depresión y ansiedad, reduciendo significativamente el tiempo que los clínicos dedican a las valoraciones. Chang enfatiza que con muchos sistemas de salud ya con personal insuficiente, AI puede ayudar a priorizar la atención al paciente donde más se necesita urgentemente.

Ella advierte que el verdadero peligro de no aprovechar AI en la atención médica es *"que no lo usemos para cerrar brechas esenciales en la atención."*

Cómo AI está Reduciendo los Costos de Medicaid y de la Atención Médica en General

Una parte significativa de los costos de atención médica proviene de ineficiencias administrativas. Sin embargo, un estudio del National Center for Biotechnology Information (NCBI) sugiere que AI podría potencialmente ahorrar a la industria de la salud hasta $150 mil millones al año al optimizar estos procesos. De manera similar, el National Bureau of Economic Research predice ahorros que van de $200 a $360 mil millones en el gasto de atención médica a través de la automatización con AI durante los próximos cuatro años. Actualmente, AI juega un papel crucial en Medicaid y en la atención médica en general al predecir brotes de enfermedades y cambios demográficos, permitiendo una gestión proactiva de recursos. También mejora el análisis predictivo para pronosticar los resultados de los pacientes, lo que lleva a planes de tratamiento más efectivos y una mejor atención preventiva. Además, AI puede avanzar en la medicina personalizada, adaptando tratamientos a pacientes individuales para obtener mejores resultados.

Aprovechando los recientes avances tecnológicos, varias startups de atención médica impulsadas por AI están liderando la adopción de AI dentro de Medicaid para acelerar diagnósticos y mejorar los resultados de tratamiento. Por ejemplo, Quantivly, con sede en Boston, está mejorando la eficiencia en radiología con su plataforma impulsada por AI, que optimiza el uso de escáneres de MRI y CT. AI puede identificar ineficiencias en los flujos de trabajo de imágenes, resultando en tiempos de espera más cortos para los pacientes, mayor productividad de los escáneres y un aumento en los ingresos hospitalarios.

*"Los sistemas de salud, particularmente aquellos que atienden a poblaciones de Medicaid, están presionados para lograr más con menos recursos. Deben aumentar el número de escaneos para compensar la realidad de márgenes más estrechos,"* explicó Robert MacDougall, cofundador de Quantivly, conmigo. *"AI operacional en imágenes médicas puede ayudar a gestionar el rendimiento sin sobrecargar al personal. AI puede ser particularmente útil en la programación, donde la tarea de coordinación es demasiado compleja para que una sola persona la maneje manualmente."*

MacDougall señala que la mayoría de los sistemas de programación no consideran factores cruciales que afectan la duración del escaneo, como el hardware del escáner, la complejidad del protocolo, la movilidad del paciente y las necesidades de sedación. Gestionar estas variables en tiempo real está más allá de la capacidad humana, haciendo de AI una herramienta indispensable para mejorar la programación y la eficiencia operativa – lo que en última instancia beneficia la salud financiera de los hospitales.

De manera similar, Arine, una plataforma de gestión de medicamentos impulsada por AI, ayuda a minimizar errores de prescripción al refinar regímenes de medicamentos e identificar medicamentos innecesarios. *"AI puede analizar rápidamente diversos conjuntos de datos (historias de medicación de pacientes, datos de SDOH y literatura clínica/médica) para proporcionar recomendaciones personalizadas para cada paciente,"* señaló Yoona Kim, CEO y fundadora de Arine.

Ella explicó además que cuando se prescribe un nuevo medicamento sin considerar sus posibles efectos adversos en condiciones existentes, AI puede alertar a los clínicos en tiempo real—previniendo problemas antes de que escalen a visitas a la sala de emergencias. *"AI puede automatizar tareas rutinarias (como documentación y resumen), pero en la atención al paciente, es crucial mantener a los clínicos en control,"* afirmó Kim.

Dado el potencial de AI para mejorar la eficiencia y los resultados de la atención médica, la pregunta sigue siendo si los legisladores priorizarán su adopción o si las restricciones presupuestarias y las políticas fiscales obstaculizarán el acceso. El resultado de este debate aún está por desarrollarse.

*"El objetivo de AI operacional es mejorar el acceso al optimizar la utilización de recursos. Si podemos aumentar el número de pacientes escaneados en el mismo equipo sin sobrecargar al personal, estamos mejorando el acceso — especialmente en áreas desatendidas. Todo se trata de aumentar la productividad, no de imponer restricciones,"* enfatizó MacDougall.