El presidente Gustavo Petro y la Ministra de Salud, Carolina Corcho, presentaron la primera fase del Programa Preventivo y Predictivo de Atención Primaria en Salud, una primera etapa que busca transformar al sistema de curativo a uno de preventivo.
La idea de este programa es recopilar información en salud de los colombianos en las zonas urbana, rurales y dispersas con el fin de promover el cuidado, la participación solidaria, la identificación de riesgos para la salud y consolidar un sistema único de información que permita la aplicación de la Estrategia de Atención Primaria en Salud (APS).
Este programa hace parte de una serie de acciones que busca que los sistemas de salud se enfoquen en los datos, y que a través de la información recopilada, se puedan tomar acciones de predicción y prevención. También es una primera fase de lo que sería la reforma a la salud que quiere impulsar este gobierno.
En Aracataca, Magdalena. Damos inicio a nuetro modelo de salud nacional. La salud preventiva y los equipos médicos en territorio pic.twitter.com/lPKSrpgFXc
— Gustavo Petro (@petrogustavo) November 3, 2022
Los datos en la salud
El uso de los datos hace parte del futuro de todos los sectores e industrias. Con un modelo de análisis de datos se puede usar la información de manera correcta y obtener ideas que le permita a las empresas tomar mejores decisiones y estrategias de negocios.
En la salud no es la excepción, la recolección y uso adecuado de los datos permite no solo encontrar el medicamento adecuado para cada paciente o patología, financiar mejor el sistema, sino que es el camino hacia la prevención de enfermedades y políticas públicas en salud.
Sin embargo, en el estado actual del sistema de salud hay datos prioritarios en zonas rurales o apartadas que no se tienen. De ahí que la primera etapa del plan que presentó el gobierno es la creación de los equipos Médicos Interdisciplinarios Territoriales (EMIT), que tienen auxiliares de enfermería, enfermeras, odontólogos y todas las profesiones de la salud de acuerdo a la necesidad del territorio.
Esos equipos contarán con un monitoreo de analítica para hacer una medición de indicadores financieros, administrativos, de gobernanza en el territorio, de talento humano en salud y para recoger evidencia en 130 municipios y 19 departamentos.
Una vez se tenga esa información, se espera que se inicie con la segunda etapa del programa que consiste en construir las redes integrales e integradas del servicio de salud. Allí cuando un paciente sea identificado con una enfermedad entra directamente a la red conformada por clínicas privadas y hospitales públicos.
Entonces, ¿qué papel juega la data en todo este proceso? ¿cómo la tecnología es un facilitador en el proceso? ¿qué se viene haciendo en la materia?. Antes de eso hay que tener claro el papel de los datos y de cómo se ha ido avanzando en el tema.
Información, la clave para entender los datos
En el sector juegan un papel importante la información en salud, Big Data e interoperabilidad, los 3 permiten que a través de herramientas tecnológicas se puedan recolectar, agrupar e integrar en un mismo lugar los datos de un paciente y el comportamiento del sistema.
Según la OMS, “los Sistemas de Información para la Salud es un mecanismo de gestión de sistemas interoperables con datos abiertos que provienen de diferentes fuentes y que se utilizan éticamente, a través de herramientas TIC efectivas, para generar información estratégica en beneficio de la salud pública”.
Dada la importancia de los datos en salud, desde 2019 los ministerios de salud de la región aprobaron el Plan de acción para el fortalecimiento de los sistemas de información para la salud 2019-2023, adoptado por la Organización Panamericana de Salud (OPS).
Este plan tiene 4 líneas de acción enfocados en la gestión y gobernanza de los sistemas de información, fortaleciendo el uso de la tecnología de la información, la producción de datos, el desarrollo de software y las actualizaciones legislativas para obtener información más precisa para la toma de decisiones y la formulación de políticas.
Para lograr ese objetivo y centrar el sistema de salud en la prevención que es lo que busca este gobierno, se debe tener la información base para tomar decisiones. Por ejemplo, Colombia cuenta con una deuda en la prevención de mortalidad infantil y perinatal o en la mortalidad infantil por desnutrición que se dan en su mayoría en zonas pobres o apartadas, datos a los que el sistema no accede en primera medida.
Para la OPS, actualmente los sistemas de salud se han centrado principalmente en la implementación del software y soluciones tecnológicas aisladas, pero es clave que haya una integración entre instituciones para recopilar, analizar y usar de manera conjunta estos datos.
“Con esto se busca que esos datos sean de calidad, confiables, accesibles, oportunos y desagregados como factor clave para la toma de decisiones. Que integre el acceso y uso ético de los datos, que involucre a todos los sectores, incluyendo el sector privado”, señala la OPS.
Una vez se logre ese primer paso, según la ministra de Salud, Carolina Corcho, entraría la segunda etapa del programa, que es la construcción de las redes integrales e integradas del servicio de salud.
En esa integración aparecen conceptos como la interoperabilidad y la historia clínica electrónica, que en el caso de Colombia busca integrar los datos del sistema de salud en un mismo lugar (EPS, IPS, Hospitales y aseguradoras privadas) y, que además, sea de acceso público tanto para las instituciones de salud como para el paciente.
En el lanzamiento del Programa de #SaludPreventivaYPredictiva Territorial, la ministra @CarolinaCorcho, explicó lo que significará el inicio de la primera etapa para los territorios y sus familias en todos los rincones del país.
🔴https://t.co/D5OSp0aSUp pic.twitter.com/0NO1WJd7wy
— MinSalud Colombia 🇨🇴 (@MinSaludCol) November 3, 2022
Interoperabilidad en marcha, pero sin uso adecuado de los datos
“La interoperabilidad en el sistema de salud es una red basada en sistemas de información que va a permitir una unificación y puente a diferentes datos que se manejen un paciente o una guía médica. Contiene diferentes aplicaciones y diferentes herramientas en hardware y también un componente importante en software que permite hacer esa integración con diferentes entidades que atienden a un paciente”, puntualiza Johanna Franco, Gerente de Consultoría Clientes en ANNAR Health Technologies, un proveedor de reactivos y equipos médicos que ofrece soluciones integrales.
Para lograr ese objetivo, los ministerios de Salud y TIC en los últimos años han venido trabajando en todo el proceso de transformación digital del sector salud, un plan que integra la historia clínica electrónica y la interoperabilidad.
La interoperabilidad digital en el sector de la salud hoy da como resultado a 1,1 millones de colombianos autenticados en la Carpeta Ciudadana Digital, iniciativa gubernamental para consolidar todos los documentos de instituciones públicas -como la historia clínica electrónica-, también podría estar generando pérdidas en términos de eficiencia en las instituciones, empleados y pacientes, de entre el 40 % y 50 %.
Por eso, contar con un ecosistema digital de datos integrados puede brindar mayor comprensión de la demanda de servicios de salud y genera por ejemplo, ahorros de casi 200 millones de pesos por persona con cáncer de cuello uterino.
“Esa interoperabilidad no puede ser solamente un reto de unificación, también debe contribuir a la toma de las decisiones a nivel de salud, a mirar qué conductas médicas se deben hacer con poblaciones, y tiene que llevar a modelos de predicción”, afirma Johanna Franco.
Desde que se aprobó la Ley Estatutaria en salud en 2016, el sistema de salud se enfocó en un modelo de prevención en salud y no corrección. A partir de ahí se han tomado una serie de medidas para acceder a los datos en salud. Entre los que se encuentra la implementación de la historia clínica electrónica y el plan que acaba de presentar el gobierno.
En 2020 el Congreso aprobó la Ley 2015 que regula la Interoperabilidad de la Historia Clínica Electrónica – IHCE, con la que se intercambiarán los elementos de datos clínicos relevantes, así como los documentos y expedientes clínicos del curso de vida de cada persona.
Este modelo ya viene avanzando en departamentos como Cundinamarca y ciudades como Medellín que gracias al apoyo de Ruta N han logrado la interoperabilidad de los usuarios. Entidades de salud como Nueva EPS se califica como la entidad más interoperable en este momento, modificado su sistema para que todas las instituciones que integran sus servicios usen un mismo sistema de información.
Sin embargo, las iniciativas privadas y el desarrollo de modelos predictivos y de prevención ya han ido avanzando hacia ese camino. Empresas como ANNAR Health Technologies y Assist son un ejemplo de cómo la tecnología es el mejor aliado en este proceso.
Soluciones tecnológicas para la prevención y predicción
Aplicativos para la reunificación de datos de diferentes softwares de información
Ante esta necesidad de avanzar hacia la interoperabilidad, el área tecnológica y de consultoría de Annar Health Technologies ha desarrollado una aplicación para la reunificación de datos de diferentes softwares de información, en la que el personal de la salud visualiza de manera ágil y sencilla, resultados de exámenes de laboratorio, cuyos resultados se integran automáticamente a las historias clínicas.
Con su sistema AnnarLytics ofrece diferentes aplicativos predictivos y de evaluación, se integra de manera personalizada los requerimientos y datos de laboratorios de hospitales o de clínicas en las que atienden poblaciones usuarias de las EPS.
A través de estas aplicaciones, se han implementado tableros operacionales en los que se visualiza la capacidad y la respuesta del laboratorio clínico hacia su cliente con unos indicadores de gestión tanto asistenciales como administrativos.
Esta ruta de atención integral al paciente no solo ahorra dinero a la institución y al laboratorio, sino que también reduce la tramitología al usuario, haciendo que el sistema de salud enfoque esos recursos en exámenes especializados y evite una ocupación en el agendamiento de pruebas.
También han desarrollado un software para las Instituciones prestadoras de salud que le permite monitorear la situación del paciente y, además, mirar que tan acertado es el médico a la hora de ordenar un examen médico.
“El gobierno no tiene todos los datos, hay una estandarización de una transformación de datos que necesitan para tomar decisiones rápidas. Lo que viene es la historia única unificada y ampliar la información de repositorio nacional que alimentan todas las entidades pero está irá muy ligado a la reforma que propone este gobierno”, añade Johanna Franco.
Inteligencia Artificial & Machine Learning para brindar predicciones más acertadas
Empresas como Assist, una empresa enfocada en el software, trabaja con empresas del sector salud en la predicción de enfermedades complejas y de alto costo.
En este aspecto, el país está presentando una necesidad muy grande debido a que tiene un historial de enfermedades complejas y de alto riesgo en el que no se ha valorado los datos y los historiales clínicos de sus pacientes al 100 %, especialmente en un escenario donde existen entre 7.000 y 6.000 enfermedades “Huérfanas” como se conoce comúnmente en el mundo y con un registro de 1920 enfermedades en Colombia.
“Somos partner de IBM y con Watson hemos hecho varias cosas en salud. Con una startup en salud desarrollamos un modelo predictivo de enfermedades de nicho, ahí utilizamos Watson con ese propósito”, afirma Juan Pablo Cuartas, gerente comercial de Assit. Paralelamente a este proyecto empezaron un proceso de automatización enfocado en la facturación en el sistema de salud.
Actualmente la empresa preside la vertical de salud de Fedesoft en un escenario de complejidad alta de 10.000.000 de registros de pacientes en el que se realiza el levantamiento del requerimiento y se conocen las variables relevantes por medio del lenguaje natural que puede retroalimentar a un médico, para brindar un diagnóstico ágil y correcto de los pacientes con enfermedades de alto riesgo.
“Tuvimos acceso a un millón de historias clínicas y cada una de esas historias pudimos acceder a 10 años de historia. Accedimos a una gran cantidad de datos de pacientes y construimos modelos de enfermedades de nicho. ¿Cómo lo hicimos? Identificando personas que estaban enfermas/diagnosticadas y le empezamos a enseñar a la máquina la historia de ese paciente e identificar patrones”, explica Juan Pablo.
De esa manera la máquina va relacionando las personas diagnosticadas y no diagnosticadas y pudo crear las variables médicas importantes para el modelo predictivo.
“Lo que hicimos fue dotar a las máquinas de una inteligencia que identifica patrones para que nos construya modelo predictivos y además de identificar lenguaje natural que los seres humanos usamos en diferentes zonas y de esa manera se relaciona con el machine learning”, señala.
Para Juan Pablo Cardona es importante que para el desarrollo de estos modelos predictivos se tengan suficientes datos o de lo contrario no es posible y le permite a la máquina procesarlos y aprender.
