Los algoritmos clínicos automatizados prometen transformar la atención primaria. Los algoritmos clínicos especifican las etapas de un proceso clínico, desde entradas, como el diagnóstico del paciente, hasta resultados, como las recomendaciones de medicación, las pruebas de diagnóstico adicionales, las imágenes o incluso las derivaciones a especialidades. Una vez automatizados, dirigen el proceso de atención sin la participación del médico en tiempo real.

Los algoritmos clínicos automatizados pueden ser tan simples como las normas basadas en la edad que activan la programación de una vacuna preventiva o tan complejos como una vía clínica automatizada que especifique una serie de pruebas y tratamientos para enfermedades crónicas como la hipertensión arterial. Como se demostró durante la pandemia de la COVID-19, si se hacen bien, mejoran la eficiencia operativa y maximizan la calidad clínica. Sin embargo, para aprovechar todo su potencial será necesario seguir los principios desarrollados a lo largo de 75 años para automatizar el ensayo clínico, de los que hablaremos en este artículo.

•••

Los algoritmos clínicos automatizados prometen transformar la atención primaria. Los algoritmos clínicos especifican las etapas de un proceso clínico, desde entradas, como el diagnóstico del paciente, hasta resultados, como las recomendaciones de medicación, las pruebas de diagnóstico adicionales, las imágenes o incluso las derivaciones a especialidades. Una vez automatizados, dirigen el proceso de atención sin la participación del médico en tiempo real. Los algoritmos clínicos automatizados pueden ser tan simples como las normas basadas en la edad que activan la programación de una vacuna preventiva o tan complejos como una vía clínica automatizada que especifique una serie de pruebas y tratamientos para enfermedades crónicas como la hipertensión arterial. Como se demostró durante la pandemia de la COVID-19, si se hacen bien, mejoran la eficiencia operativa y maximizan la calidad clínica. Sin embargo, para aprovechar todo su potencial será necesario seguir seis principios desarrollados a lo largo de 75 años para automatizar el ensayo clínico, de los que hablaremos en este artículo. ## Algoritmos automatizados para la atención de la COVID-19 Abrumados por el volumen de pacientes con COVID-19 en sus comunidades, los sistemas de salud se han desplegadoherramientas de clasificación automatizadas en línea y por teléfono para diferenciar rápidamente entre las personas que pueden permanecer en cuarentena en casa de las que pueden necesitar una atención más centrada. Un enfoque incluía los registros diarios automatizados por teléfono o mensaje de texto con los pacientes en casa yaumentar la atención a una enfermera de triaje según lo justificaran los síntomas. La adición de un dispositivo doméstico de medición del oxígeno en sangre mejoró la calidad y la capacidad de procesamiento de los datos de los pacientes más enfermos. Estas soluciones automatizadas aumentaron considerablemente la capacidad del sistema de salud para gestionar el aumento de pacientes ambulatorios de la COVID-19. Por el lado de los pacientes hospitalizados, los hospitales estaban abrumados de pacientes gravemente enfermos de COVID-19. Los médicos agotados, incapaces de evaluar continuamente el aumento de los estudios de investigación que examinaban la COVID-19 y su tratamiento, necesitaban ayuda. En respuesta, muchas instituciones convocaron a expertos locales para revisar las pruebas y elaborar recomendaciones para la gestión de la COVID-19. En muchos casos, estas recomendaciones se codificaron en algoritmos, se integraron en los sistemas de historias clínicas electrónicas y se automatizaron mediante conjuntos de pedidos estandarizados (un conjunto de solicitudes, como pruebas de laboratorio y recetas, aplicadas a una situación clínica determinada). Un lugar en el que ocurrió esto es el Hospital Johns Hopkins, la institución de origen de varios de nosotros. Estos algoritmos proporcionaron fácil acceso a la atención de última generación de la COVID-19 a los pacientes hospitalizados, lo que permitió a los médicos gestionar la nueva enfermedad de manera experta en medio de una crisis. El uso de algoritmos automatizados para ayudar con la COVID-19 sigue la tradición de incorporar con éxito algoritmos de apoyo a la toma de decisiones para condiciones comoinsuficiencia cardíaca, diabetes, y anticoagulación, que requieren una vigilancia continua y un ajuste frecuente de la dosis de la medicación. El médico que prescribe establece un objetivo terapéutico y prescribe una serie de medidas para lograrlo. Posteriormente, otros médicos, como enfermeros y farmacéuticos, gestionan ese proceso sin la participación en tiempo real del médico que lo receta. Estos programas son eficaces debido a su enfoque clínico y a sus directrices bien establecidas y, a menudo, reducen coste manteniendo o mejorando la calidad. ## Cómo automatizar la atención primaria La atención primaria también se puede transformar mediante la amplia aplicación de algoritmos automatizados, pero esto requiere crear procesos clínicos automatizados que sean seguros y eficaces. Afortunadamente, el mundo de la medicina tiene mucha experiencia con los procesos clínicos automatizados en forma de ensayos clínicos. En los ensayos, la intervención se especifica en forma de un algoritmo que guía el proceso clínico. Por ejemplo, en un ensayo de un nuevo fármaco para la hipertensión arterial, el algoritmo del ensayo especificará la frecuencia de los controles de la presión arterial y el ajuste de la dosis del fármaco del estudio en función del nivel de presión arterial. A pesar de la falta de participación del médico, los participantes en el ensayo logran su objetivo terapéuticode forma segura, rápida y coherente que los pacientes tratados en un consultorio tradicional. Los sistemas automatizados de atención primaria también emplean algoritmos que guían el proceso de atención. Codifican la lógica de un proceso clínico mediante la especificación de los pasos, que van desde las entradas, como los factores del paciente, incluidos los diagnósticos y los biomarcadores, hasta los resultados, como los medicamentos recomendados. En el centro del enfoque de generación de algoritmos se encuentra la evaluación y síntesis sistemáticas de las pruebas clínicas. Dado que los conocimientos médicos evolucionan a medida que se acumulan las pruebas, los algoritmos deben actualizarse a medida que se acumulan las pruebas y la experiencia con un proceso automatizado. Además, es posible que los algoritmos tengan que considerar la viabilidad de una variedad de opciones de tratamiento. Por ejemplo, un medicamento recomendado puede resultar demasiado caro para el paciente y, por lo tanto, también se pueden ofrecer otras opciones menos costosas. Por supuesto, deben especificarse las desventajas de seleccionar una opción económica, como una menor comodidad (por ejemplo, una dosis una vez al día o dos veces al día). Por último, el proceso de desarrollo y modificación de los algoritmos requiere una supervisión independiente que se centre en garantizar la calidad, la seguridad, la viabilidad y la transparencia. Por ejemplo, un comité compuesto por expertos clínicos, administradores y representantes de los pacientes de una institución podría revisar el impacto de un algoritmo en la seguridad y la satisfacción de los pacientes, los resultados clínicos y los costes. Los sistemas de entrega también pueden asociarse directamente con los desarrolladores de software, cuyos algoritmos pueden «rastrear» la literatura médica existente en tiempo real para actualizar las directrices. A su vez, los desarrolladores de software deberían buscar sociedades especializadas para profesionales de la medicina, que suelen conocer bien las limitaciones de la investigación existente. Por último, la Administración de Alimentos y Medicamentos (FDA) de los Estados Unidos, como regulador nacional de los dispositivos médicos, tiene una función que desempeñar. Ya ejerce una supervisión flexible y centrada de»software como dispositivo médico» — software con un uso médico previsto que funcione independiente de un dispositivo médico de hardware. Si bien los dispositivos médicos están sujetos tradicionalmente al marco regulatorio de la FDA basado en el riesgo, los desarrolladores de software pronto tendrán una vía alternativa para obtener la aprobación reglamentaria: la FDAvía voluntaria de precertificación de salud digital. Introducida en 2017 con nueve empresas como parte de un programa piloto, permite supervisar los algoritmos clínicos y la inteligencia artificial y puede reducir el «tiempo de comercialización». Utiliza un enfoque inicial que abarca todo el ciclo de vida del producto para la supervisión del software médico, que se centra tanto en los procesos del desarrollador (como la gestión de riesgos, la gestión de la configuración para mantener el proceso en el estado deseado y la gestión de los cambios (modificar el proceso para establecer nuevas metas y objetivos), como en los análisis específicos del producto (por ejemplo, para verificar las afirmaciones sobre el rendimiento del producto). Este enfoque significa que los productos de bajo riesgo podrían comercializarse sin una revisión adicional de la FDA, lo que aceleraría el acceso de los pacientes a productos mejorados. Además, los productos de alto riesgo se someterían a una revisión simplificada de la FDA, lo que reduciría el tiempo y los costes de preparación y revisión. Independientemente de la forma en que se logren la supervisión y la responsabilidad, es crucial que el desarrollo y la aplicación del sistema médico automatizado se ajusten a seis principios básicos, que se derivan de la amplia experiencia de las organizaciones en la automatización mediante ensayos clínicos. ### 1. En primer lugar, no haga daño. La seguridad debe ser un principio fundamental que guíe la utilización de un proceso clínico automatizado. Los criterios estrictos de inclusión y exclusión son un mecanismo importante para garantizar la seguridad. He aquí un ejemplo: los participantes en los ensayos clínicos suelen representar un pequeño subconjunto de los tipos de pacientes que podrían beneficiarse de la terapia que se está investigando. Los estrictos criterios de inclusión y exclusión de un ensayo se utilizan para limitar a los participantes a los que tienen más probabilidades de beneficiarse y menos probabilidades de resultar perjudicados. Del mismo modo, la participación en un proceso automatizado debe limitarse para maximizar la seguridad. Los pacientes con enfermedades no complicadas tendrán más probabilidades de ser incluidos en un proceso automatizado determinado, mientras que los que tengan necesidades más complejas se tratarán mediante las vías tradicionales de uso intensivo de médicos. Esta distinción es clave, ya que permite a los médicos dedicar más tiempo a pacientes complejos que necesitan atención adicional, lo que permite a los médicos practicar más cerca de lo más alto de su licencia. A medida que se acumulen las pruebas, se puede evaluar la seguridad de incluir una gama más amplia de pacientes cada vez más complejos y ampliar el alcance del proceso automatizado. ### 2. Elección. Los pacientes que cumplan los criterios de inclusión de un proceso automatizado específico deberían poder excluirse. En la práctica, un resultado común de un proceso automatizado de atención primaria será una recomendación de tratamiento. Por lo tanto, el paciente, con el apoyo del proveedor de cuidados, debe tomar la decisión final sobre si sigue la recomendación. Del mismo modo, los médicos deberían poder excluirse de un proceso automatizado determinado para sus pacientes. Las posibles consecuencias de la exclusión voluntaria, como los retrasos en la atención y el aumento de los costes, deben comunicarse con claridad, ylos sistemas de salud deberían hacer un seguimiento con quienes opten por no participar para entender mejor los motivos, información que pueden utilizar para mejorar el diseño del proceso clínico. ### 3. Divulgación. Para facilitar las elecciones de los pacientes y los médicos, es necesario revelarles la naturaleza automatizada del proceso de toma de decisiones. La lógica y las pruebas utilizadas para determinar la recomendación deben comunicarse con claridad. Por ejemplo, la recomendación de recetar un medicamento determinado para la hipertensión se basaría en los riesgos de no tomar el medicamento, como sufrir un derrame cerebral en el futuro, en comparación con el riesgo de tomar el medicamento, como los posibles efectos secundarios. Un desafío importante será comunicar factores complejos, comoprobabilidades de los resultados clínicos y el momento y la gravedad de esos resultados. ### 4. Personalización. Debería haber una oportunidad para que los pacientes «indiquen al algoritmo» sus preferencias personales de tratamiento. Por ejemplo, algunos pacientes prefieren utilizar enfoques de estilo de vida para controlar las enfermedades crónicas (por ejemplo, controlar su peso y las afecciones relacionadas con el peso mediante ejercicio y dieta); otros prefieren tomar medicamentos para el colesterol alto que modificar su dieta. Estas preferencias pueden afectar al conjunto de recomendaciones del algoritmo. ### 5. Grados de automatización. Un proceso clínico puede estar total o parcialmente automatizado. Por ejemplo, la herramienta telefónica automatizada para clasificar a los pacientes con COVID-19 descrita anteriormente estaba totalmente automatizada y no requería la intervención del médico. Por el contrario, un proceso clínico puede estar automatizado solo parcialmente, por ejemplo, cuando el resultado es una recomendación de tratamiento, pero los pacientes y sus proveedores deciden si la aceptan. Los procesos parcialmente automatizados pueden proporcionar un apoyo sólido para ayudar a los médicos a tomar decisiones, pueden reducir la variabilidad de las decisiones que toman y pueden ayudar a minimizar su desviación de las directrices basadas en la evidencia. Los puntos de ramificación clave de un algoritmo pueden requerir una decisión del paciente o del médico. Por ejemplo, el médico puede especificar un objetivo de tratamiento e iniciar un proceso automatizado para lograrlo. En este caso, el médico básicamente le receta un proceso de cuidados en lugar de un medicamento y una dosis específicos. Los ejemplos incluyen los algoritmos dedicados al tratamiento de la insuficiencia cardíaca, la diabetes y la anticoagulación, en los que las personas que no recetan ajustan los medicamentos, educan a los pacientes y evalúan clínicamente a los pacientes dentro de los límites de una afección ya diagnosticada. En estos casos, la participación del médico en el proceso puede seguir siendo importante para la seguridad y la aceptación de los pacientes. Muchos pacientes creen que suslas necesidades médicas son únicas y los algoritmos no pueden abordarlas adecuadamente , que puede considerarse inflexible. En realidad, es posible que los algoritmos puedan ofrecer una atención más individualizada debido a su capacidad de tener en cuenta más factores de los que un médico puede tener en cuenta. ### 6. Un sistema de salud que aprende. La atención primaria automatizada se convertirá en un componente fundamental de un sistema de salud que aprende y se adapta continuamente. Mediante la medición de los predictores y los resultados, junto con enfoques rigurosos de implementación estructurada, los sistemas automatizados podrían evaluar el impacto de las nuevas terapias en los resultados clínicos, la satisfacción de los pacientes y los costes. Estas evaluaciones deberán diseñarse cuidadosamente paraminimizar el impacto de los sesgos. Las modificaciones posteriores de los algoritmos en función de la acumulación de pruebas pueden ser manuales o automáticas. Sin embargo, a medida que aumenta el grado de automatización, también debe aumentar el grado de supervisión local por parte de los usuarios y los sistemas de salud. Acelerada por la pandemia de la COVID-19, la automatización ha llegado a la atención primaria. Una vez creados siguiendo los principios derivados de nuestra larga experiencia en ensayos clínicos, los algoritmos automatizados garantizarán la calidad clínica, mejorarán la eficiencia operativa y acelerarán el ritmo de la innovación. Si se hace bien, la automatización promete desempeñar un papel crucial en la próxima transformación de la atención médica.