La empresa especialista en inteligencia artificial AIS Group, con sede central en Barcelona, ha desarrollado un sistema para predecir la no asistencia de los pacientes a las citas médicas. El objetivo es anticiparse para eliminar las ausencias no informadas y reducir la lista de espera para optimizar la atención médica
El sistema de AIS se centra en un modelo predictivo que utiliza técnicas machine learning (aprendizaje automático) para identificar los perfiles con mayor probabilidad de no presentarse a una determinada cita médica y activar las gestiones necesarias para asegurar o reagendar la cita, reduciendo el perjuicio para otros usuarios en lista de espera.
“Los beneficios de implementar un sistema de estas características tienen una doble vertiente -afirma Nausica Trias, directora general de AIS Group-, de un lado mejorar la atención, pues cuando un paciente no se presenta a una cita, se deja sin atender a otras personas que lo pueden requerir con mayor urgencia. De otro, optimizar los recursos del centro de salud, pues la ausencia del paciente a la hora citada genera un coste para el centro de salud ya que se destina personal para atenderlo”.
Hasta ahora, algunos centros optan por efectuar llamadas a todos sus pacientes a modo de recordatorio de sus citas, una práctica con un valor nada despreciable, si bien el nuevo sistema permite destinar los recursos de manera más eficiente, contactando exclusivamente con aquellos con mayor probabilidad de no presentarse.
“Este es un sistema que hemos desarrollado para implementarse originalmente en la región chilena de Tarapacá”, comenta Trias, “ya que el proyecto parte de la Corporación de Fomento de la Producción (CORFO), la agencia del Gobierno de Chile a cargo de apoyar el emprendimiento, la innovación y el desarrollo tecnológico. Sin embargo, es fácilmente replicable a otras geografías”.
En el desarrollo del modelo predictivo de absentismo para el país andino, AIS ha incorporado datos tanto de un centro de atención médica público como de una mutua sanitaria privada. Las variables que intervienen en él incluyen aspectos como la especialidad médica de las citas, los días de espera, el mes y la hora de la convocatoria, además de información sociodemográfica.