Descripción del episodio
En este episodio de AI Heroes, Laura Velásquez entrevista a Diego Jaimes, reumatólogo y especialista en epidemiología clínica con más de 12 años de experiencia en el cruce entre la medicina y la tecnología. A lo largo de la conversación, Diego comparte cómo su pasión por la analítica en salud lo llevó a explorar el potencial de la inteligencia artificial (IA) para mejorar el seguimiento y cuidado de los pacientes, especialmente aquellos con enfermedades crónicas y complejas.
Diego nos cuenta sobre los desafíos que enfrentó al intentar implementar soluciones tecnológicas en el sector salud, y cómo aprendió a adaptar enfoques de otras industrias para mejorar la calidad de la atención médica. Además, destaca la importancia de la colaboración entre clínicos y especialistas en datos para desarrollar soluciones eficaces que realmente impacten en la vida de los pacientes.
Puntos clave de la entrevista
- Definición de inteligencia artificial según Diego Jaimes:
La IA es vista como un "mundo por explorar y desarrollar" con el potencial de mejorar la salud de las personas al facilitar la predicción y la toma de decisiones clínicas. - Interés inicial en la analítica de salud:
Diego Jaimes se interesó por la capacidad de la analítica para predecir patrones en la salud, algo que no era común en la medicina. Esta capacidad de predicción es lo que llamó su atención para aplicar la IA en salud. - Desafíos en la implementación de tecnología en salud:
La transición de registros en papel a electrónicos fue compleja, y la implementación de soluciones tecnológicas avanzadas encontró obstáculos en cuanto a interconexión, costos y falta de soluciones específicas para el sector salud. - Importancia de la alineación entre equipos:
La falta de comunicación y alineación entre los equipos de datos y los equipos clínicos puede llevar al fracaso de proyectos tecnológicos. Jaimes destacó la necesidad de que todos los involucrados comprendan el objetivo del proyecto. - Enfoque en pacientes con pluripatologías:
Diego Jaimes mencionó que uno de sus principales enfoques ha sido mejorar la atención ambulatoria para pacientes con pluripatologías, utilizando IA para mejorar la adherencia a tratamientos y el seguimiento de los pacientes. - Adopción de tecnología por parte de los pacientes:
Un desafío clave es lograr que los pacientes adopten las soluciones tecnológicas desarrolladas para mejorar su atención, lo cual requiere un esfuerzo en convencimiento y educación. - Necesidad de regulación en la IA en salud:
Diego Jaimes enfatizó la importancia de un marco regulatorio que defina claramente cómo debe aplicarse la IA en salud, asegurando que las soluciones cumplan con los estándares éticos y tecnológicos necesarios. - Formación continua en tecnología:
La formación constante en IA es crucial para que los profesionales de la salud puedan utilizar estas herramientas de manera efectiva. Jaimes recomendó fuentes especializadas para mantenerse al día con los avances en tecnología de salud.
Conclusiones
- La IA tiene el potencial de mejorar la atención médica:
Según Diego Jaimes, la inteligencia artificial ofrece una oportunidad para predecir y personalizar los tratamientos, lo que puede mejorar la salud de los pacientes, especialmente aquellos con enfermedades crónicas y complejas. - La implementación tecnológica es compleja pero necesaria:
Aunque existen retos como los costos y la falta de soluciones adecuadas para la salud, la adopción de tecnologías como los registros electrónicos y la IA es fundamental para avanzar en el tratamiento de los pacientes. - La comunicación entre equipos es clave para el éxito de proyectos tecnológicos:
Asegurar una alineación entre los equipos de datos y clínicos es esencial para que las herramientas tecnológicas sean efectivas y cumplan con las necesidades reales de los pacientes. - La regulación de la IA en salud es urgente:
Es necesario establecer un marco regulatorio para asegurar que la IA se utilice de manera responsable, cumpliendo con los estándares éticos y de privacidad en el manejo de los datos de los pacientes. - La educación y formación en IA son cruciales:
Mantenerse actualizado en los avances tecnológicos es esencial para los profesionales de la salud, lo que permitirá una implementación más efectiva de la IA y mejorará los resultados en la atención médica.
Transcripción
Laura Velásquez:
Diego, ¿Qué es inteligencia artificial para ti en una frase?
Diego Jaimes:
Yo diría que inteligencia artificial es un mundo por explorar y por desarrollar que nos va a ayudar en mi área a mejorarle la salud a las personas. En eso debe convertirse la inteligencia artificial, un mundo para mejorarle la vida a la gente.
Laura Velásquez:
Hola a todos y bienvenidos a AI Heroes, un espacio donde descubrimos las infinitas formas en las que la tecnología y la inteligencia artificial están transformando el futuro de la salud. Esto lo hacemos a través de conversaciones con personas increíbles de esta industria. Soy Laura Velázquez, soy cofundadora de Arcángel AI y soy su host. Vamos con el episodio. Bueno, Diego, pues bienvenido a este episodio de podcast.
Diego Jaimes:
Muchas gracias por la invitación. Yo soy Diego Jaimes, yo soy reumatólogo de formación, internista, reumatólogo. Tengo formación en epidemiología clínica, hice un máster en epidemiología y desde hace alrededor de 12 años, tal vez, empecé a desarrollar como un rol dual. Por un lado, vinculación con la academia, con áreas de investigación a nivel universitario, pero por otro lado, como te decía de manera simultánea, empecé a desarrollar empresa, empresa en salud. Esa mezcla empezó a converger en ciertos puntos específicos, interesantes, donde había una retroalimentación de un área y otra y empezamos, o empecé a interesar muchísimo en todos los aspectos de, inicialmente, la analítica en salud en realidad. Fue como el primer punto que, en el cual me interesé bastante, como un escalón adicional dentro del proceso de investigación. En esa época estaba muy de moda, o empezando a ponerse más de moda el Business Intelligence y dentro del Business Intelligence la analítica y Health Analytics empezaba como a sonar con fuerza, pero muy lejos todavía en Latinoamérica.
Laura Velásquez:
¿Pero qué te llamaba la atención de ahí? ¿Qué era eso que te picaba para tú decir, venga, esto está como interesante?
Diego Jaimes:
Pues mira que, lo primero, tal vez, que me llamó muchísimo la atención era la capacidad de predicción de la analítica, puntualmente. Decía, uy, qué interesante poder establecer un patrón, poder traer aspectos metodológicos, o tal vez técnicos, hacia la salud, donde usualmente el predecir era algo que no se esperaba. Siempre se ha dicho que la medicina, igual que otras artes liberales, es una profesión de medios y no de resultados. Cuando empezamos a hablar, o cuando yo me doy cuenta que se empieza a hablar de predicción, y más allá de la predicción usual que había conocido, sino una predicción más avanzada, de una analítica más avanzada, de la prescripción, la predicción, me llamó supremamente la atención decir, caramba, aquí puede haber algo que puede aplicarse directamente en el beneficio de la salud de los pacientes en condiciones clínicas específicas. Eso tal vez fue lo primero.
Y si me permites, hay otra cosa que me asombró mucho, y es que, como muchas cosas en medicina, no son pioneras en el campo, sino vienen de otras áreas. La salud la veía supremamente avanzada en aspectos más de negocio, en mercadeo, inspección de clientes, en búsqueda de nicho, en desarrollo de productos tecnológicos. Y estaba viendo, creo que todos hemos sido testigos estos años, de cómo tecnologías desarrolladas en otras áreas empiezan a implementarse en salud.
Laura Velásquez:
Buenísimo. Es muy interesante ver cómo desde hace tanto tiempo tú tienes esa capacidad de decir, esto es algo que está revolucionando. Y tienes toda la razón. Siempre ha sido mucho más desarrollado en temas de negocio, pero no tanto en investigación, no tanto en la ciencia. Ven, y entrando un poquito, haciendo doble clic en esto que vienes hablando, cuando empezaste a profundizar en esto, ¿cuándo llegaste a decir, venga, probemos y experimentemos para ver si tiene sentido esto que está funcionando muy bien en otras industrias, ver si tiene sentido en salud?
Diego Jaimes:
Lo primero que intentamos hacer fue llevar la analítica, imagínate, todavía no está hablando de inteligencia artificial como tal, sino la analítica de salud, eso fue lo primero, al mundo real, si se quiere. Entonces ya dejar de conocer que hay modelos analíticos avanzados, que hay un modelo específico para bases de datos, por ejemplo, en la academia, para aprender cómo se hace un modelo predictivo, o empezar a entender cómo funcionaría y cómo se puede correr una red neuronal. Antes de todo eso empezamos como con la analítica, intentamos implementarla en el mundo real, es decir, ah, sí, muy chévere, un proceso de analítica en tiempo real de una variable que se registra en 4.000 pacientes diarios, por ejemplo, bajo procesos de consulta externa, procesos de atención. Entonces lo primero que intentamos fue, bueno, nosotros teníamos en su momento, en la compañía, o tenemos todavía, un registro clínico electrónico, en ese momento estábamos en la transición de los registros a mano a los registros electrónicos, que pues es obligatorio de ley, pero en ese momento no todas las instituciones de salud en Colombia manejaban sus datos en registros clínicos electrónicos. Nosotros conscientemente decidimos, nos vamos con registro electrónico, y tengo que confesarte que no fue por ser pioneros, ni avanzar en tecnología, sino por simple practicidad, decían, no, que vamos a tener un archivo de papel, esto no tiene ningún sentido, y acuñamos ahí el término de queremos ser una, en Colombia se llaman IPS, o instituciones de prestación de servicios, queremos ser una IPS sin papel, entonces lo primero que dijimos es registro clínico electrónico, y empezamos a buscar aliados que estuvieran interesados en hacer un piloto de analítica, eso fue tal vez lo primero, inclusive vamos por analítica descriptiva, nosotros lo que queríamos ver era tomar la temperatura en tiempo real de lo que hacíamos, para hacer el corto, no pudimos, qué cosa tan lejana en ese momento, pues es que lo que lo que identificamos es que en ese momento salud fue nuestra percepción, no era de interés para los grandes desarrolladores de soluciones de analítica. Y creo que lo que identificamos nosotros es que no veían, uno, el costo de la tecnología era supremamente alto, el costo de la interconexión, o sea, para nosotros era realmente difícil apostarle a un vendor a unos costos brutales, y te cuento que hicimos búsqueda de proveedores en España, en Estados Unidos, en México, en Chile, incluso en Colombia, hablamos con las grandes compañías tecnológicas, te estoy hablando de Google, de Microsoft, y estaban haciendo algunos pilotos, pero sus soluciones iban enfocadas ya a soluciones de negocio, y con casos de negocio puntuales, y para el tamaño nuestro, y nuestra capacidad económica en ese momento, no era factible.
Laura Velásquez:
Diego, el primer reto que enfrentaste es que no encontrabas los medios para llegar a esa solución, pero empezaste a desarrollar ese know-how, o bueno, de pronto ese mindset interno para que se empezara a hacer un cambio, ¿cómo empezaste a crear ese mindset? O sea, ¿cómo el equipo empezó a percibir que realmente necesitábamos ese cambio?
Diego Jaimes:
Pues mira que lo que sucedió ahí es que hubo como una necesidad primaria, ¿sí? Y esa necesidad primaria fue, necesitamos datos para poder mirar los efectos que tenemos sobre las poblaciones que estamos interviniendo, y el control si se quiere la operación, esas fueron las dos motivaciones principales, es decir, queremos saber si nuestros pacientes están bien, si están recibiendo lo que necesitan, cuál es el efecto que tienen en términos de su enfermedad o la condición que estamos tratando, y luego empezó, porque empezamos a ver, valga la redundancia, resultados de otras industrias, oiga mira, es que aquí pueden monitorizar en tiempo real una variable específica relacionada con el sector real, con la producción, ¿sí? Aquí pueden mirar el día a día los tiempos de espera o la oportunidad, o puede haber un feedback casi que semi-automático alrededor de una condición clínica que esté encontrando. Entonces lo que hicimos fue traer esos ejemplos, y cuando empezamos a discutirlos con los equipos, muchos dijeron, guau, ¿eso se puede hacer? Fue más como el descubrimiento, como, yo no siento que haya habido resistencia a adquirir esa mentalidad, sino más como ese proceso de curiosidad, es decir, estoy comprando información. ¿Eso se puede hacer? Exactamente, entonces sí, claro, sí se puede hacer, se puede hacer.
Laura Velásquez:
Hermoso. Esa fue como la principal característica, como que guau, esto se puede hacer, hagámosle, ¿sí? Ahora, del dicho al hecho, hay mucho trecho, decimos aquí en Colombia. Algunos proyectos salieron bien, otros no tan bien, ¿sí? Y bueno, estamos trabajando en otros que esperamos que sigan.
Laura Velásquez:
Y me puedes contar un poquito de esos proyectos que han salido bien y de los que no han salido nada bien también, y por qué te lo pregunto, es porque dentro de lo que nosotros venimos haciendo en Arcángel, hemos aprendido que ese efecto guau, apenas yo creo que está surgiendo con inteligencia artificial. No desde la parte generativa, sino más desde la predictiva. Y hoy en día, eso que tú veías en ese momento de llevar esa parte manual a la parte electrónica, esa historia clínica electrónica, yo hoy veo que aún sigue pasando y sigue sucediendo. Me parece demasiado peso, entonces me encantaría entender un poquito más para que todas estas personas que nos escuchan, que todavía están en ese punto, puedan ir aprendiendo y que entiendan que esto no es mágico, que esto no es una varita mágica que sucedió y ya está porque lo pensamos, sino que hay que trabajarlo, hay que meter la mentalidad, y hay que meter el esfuerzo para llegar a mejores resultados.
Diego Jaimes:
Y yo creo que para el desarrollo de estos proyectos, la famosa filosofía de intraemprendimiento aplica perfectamente. O sea, prepárate a fallar, inténtalo otra vez, prepárate porque vas a invertir recursos, y es mejor que falles temprano y con el menor recurso posible, y no esperar a hacer una mega inversión para después darse cuenta de que no tuvo resultado.
Laura Velásquez:
Claro, totalmente.
Diego Jaimes:
Eso nos pasó a nosotros, claramente nos pasó.
Laura Velásquez:
Me encantaría que me cuentes de eso.
Diego Jaimes:
Los ejemplos que tengo, los dos primeros tal vez son más de negocio, es decir, de cómo logramos visualizar variables o indicadores clínicos para que de ahí diéramos el salto a la inteligencia artificial y lo demás. Porque nos preocupamos muchísimo en cómo tener una analítica descriptiva de calidad y a tiempo. Empezamos a trabajar casi que paralelamente en dos proyectos simultáneos relacionados con dos clientes diferentes. Con uno nos fue supremamente bien, con otro no, no se pudo. Entonces, en ese momento el encargado, y yo creo que uno de los factores de éxito, es que la persona encargada tenía muchísima experiencia en desarrollo de proyectos. Trabajaba en consultoría muchísimo tiempo, era ingeniero, o es ingeniero, ya no trabaja con nosotros, pero es ingeniero de sistemas, con una formación en humanidades. Curiosamente, hizo una maestría en sociología y política, y trabajó en consultoría, pero no había trabajado nunca en salud. Toda su carrera había dirigido equipos y desarrollado proyectos de transformación tecnológica en el sector real, en grandes compañías nacionales y algunas internacionales.
Sin quererlo, creo que ese fue uno de los factores. Alguien que haya dicho esto sí se puede hacer. A él nunca le escuché decir que no se podía hacer.
Laura Velásquez:
Todo es posible, vamos para adelante.
Diego Jaimes:
Y él como líder del proyecto, porque nosotros lo molestábamos diciéndole, le llorábamos: "Quiero esto, quiero aquello, ¿se podrá?". Y él decía, "Sí, se puede". Lo segundo factor de éxito, si se quiere en el postmortem, fue la alineación entre los stakeholders, es decir, la alineación de nuestro equipo y las necesidades del cliente. Y ahí creo que fue crucial identificarle al cliente qué era lo que le agregaba valor desde los datos, fue un primer paso supremamente importante, sobre todo en salud. Muy probablemente la mayoría querría saber aspectos básicos como el número de pacientes atendidos, tiempos de espera, la oportunidad de acceso a un servicio, o el análisis de PQRs. Pero este cliente específicamente quería conocer aspectos clínicos alrededor del desenlace clínico, más allá de los números clásicos o básicos de atención. Nosotros, para ofrecer una solución en salud, no somos una empresa tecnológica, pero ya teníamos identificadas las necesidades de salud y fue casi una co-construcción, identificando la necesidad en datos.
Laura Velásquez:
Yo siempre les pregunto a todos, cuando están un poquito perdidos: cuéntame cómo luce el éxito de este proyecto, porque entendiendo muy bien cómo es el éxito, tú puedes construir. Venga, miremos si se puede. Me encanta. Ven, ahorita estabas hablando del mindset.
Diego Jaimes:
Sí, ha sido uno de los grandes aprendizajes.
Laura Velásquez:
Cuéntame de uno donde no, donde fue prácticamente un fracaso y dijiste: "Dios mío, en qué lío me metí".
Diego Jaimes:
Pues mira, este fue muy parecido, pero para otro cliente. Pero como te digo, esto ya es post-mortem, porque cuando estás en la trinchera desarrollando, a veces pierdes el norte. Es un proceso de seguir trabajando y pocas veces tienes como esa estructura tan clara como intento transmitirte. La idea es el líder, la claridad de lo que se quiere hacer, y la alineación con el cliente. Esto lo tengo claro hoy, después de que todo esto pasó, en su momento no. Arrancamos simultáneamente con otro cliente a hacer lo mismo y lo que pasó ahí fue que hubo una total desalineación. El cliente estaba abierto a cualquier cosa que le mostrábamos, pero nuestro equipo de datos y nuestro equipo clínico no estaban en sintonía. El equipo clínico nunca sintió que el equipo de datos estuviera trabajando en las verdaderas soluciones que necesitábamos.
Diego Jaimes:
Y cuando empezamos a ahondar un poquito más, siempre aparecía esa sensación de que "datos no me entiende", "no entiende el modelo de atención", "no logramos que lo hagan". Los equipos siguieron trabajando y, al final, sí hubo un producto, pero creo que se utilizó durante un mes y luego quedó abandonado. En el postmortem, nos dimos cuenta de que el problema radicaba en la falta de alineación entre lo que necesitábamos en términos clínicos y lo que el equipo de datos estaba desarrollando. Al final, volvíamos a usar Excel para hacer los análisis.
Por ejemplo, teníamos una solución que en teoría era un data visualization alrededor del comportamiento de ciertas variables clínicas de una cohorte de pacientes. Cuando íbamos a hacer el análisis, la gente volvía a los excels. Me preguntaba: "¿Por qué? Si ya tenemos esta herramienta automatizada". Pero por alguna razón, se seguían descargando bases de datos y cruzándolas manualmente, cuando en teoría eso ya estaba automatizado en la solución. Aún no tengo el misterio 100% resuelto, pero creo que nos faltó esa alineación de qué necesitábamos realmente.
Laura Velásquez:
Sabes, me gusta mucho eso que dices, porque creo que muchos de los retos que enfrentamos al innovar no tienen que ver directamente con la tecnología o el producto, sino más bien con entender el problema y la comunicación entre los equipos. Es algo que veo constantemente, y la falta de ese entendimiento compartido es uno de los mayores retos que enfrentamos.
Diego Jaimes:
Totalmente. Una lección aprendida, aunque costosa, es la necesidad de garantizar un feedback constante entre todos los interesados. Y esto requiere mucho esfuerzo. Insisto, nosotros no somos una empresa de datos, somos una empresa de salud. A los clínicos, que ya tienen muchísima tarea, no solo el que ve al paciente, sino también el que gestiona el grupo clínico, el administrador, el gerente, el director del programa, etc., pedirles que dediquen una hora todas las semanas para revisar cómo va la herramienta y si va en la dirección correcta puede generar resistencia.
Pero tener una victoria temprana puede ayudar a romper esa resistencia. Si les dices, "Mira, ya te solucioné la parte de la descarga automatizada", eso genera confianza. Les puedes decir, "Sigue haciendo tu análisis en Excel, en R, en Tableau, pero ya te solucioné este paso". Creo que en el proyecto que falló, eso faltó mucho. En cambio, en el otro, como el cliente estaba más involucrado y nuestro equipo clínico tenía claro lo que se necesitaba, hubo más compenetración y acompañamiento en la solución.
Laura Velásquez:
Claro, esa es parte del proceso de iterar, de entender y de empezar a trabajar en un proyecto. Y, como dices, no se trata tanto de la tecnología, sino de ese entendimiento humano para poder solucionar el problema y alinear a todos los involucrados.
Diego Jaimes:
Sí, correcto.
Laura Velásquez:
Bueno, ya hemos hablado bastante de los proyectos y resultados que has tenido a lo largo del tiempo, pero no nos has hablado de qué es Clínicos. Cuéntame un poquito sobre Clínicos para que también las personas que nos escuchan puedan entender qué es.
Diego Jaimes:
Mira, nosotros somos una IPS que gestiona la salud de las personas ofreciendo soluciones integrales alrededor de enfermedades crónicas y complejas. Es lo que hacemos. Somos una compañía que fundamos tres médicos y que ha ido evolucionando en la medida en que veíamos necesidades.
Laura Velásquez:
Es que te entregué súper bien, ¿cuál es la necesidad del paciente, cuándo y por qué?
Diego Jaimes:
Sí, pero de cara al médico, o sea, que le ayude al médico a identificar las necesidades, porque juega en doble sentido, en decirle al equipo de salud: "Oiga, pilas, este paciente puede requerir tantas intervenciones o tales intervenciones, ojo, no se le puede pasar", o viceversa, "Este paciente porque está recibiendo estas intervenciones, probablemente no las necesite". Todavía no somos tan, ¿cómo decir?, tan agresivos, o hace falta validación como para decir: "No, es que la herramienta dice que debe ser XY, usted tiene que hacer XY". No, pero sí como pintar la alerta: "Ojo, ¿por qué está pasando esto? ¿Por qué hay esta desviación, si este paciente pertenece a este grupo y según la herramienta debería estar en XYZ?" Ahí vamos.
Laura Velásquez:
Sí, muy bien. Hemos hablado un montón de resultados y proyectos que has tenido a lo largo del tiempo, pero no nos has hablado de qué es Clínicos. Cuéntame un poquito cómo es, así para que la gente entienda qué es.
Diego Jaimes:
Mira, nosotros somos una IPS que gestiona la salud de las personas a través de ofrecer soluciones integrales alrededor de enfermedades crónicas y complejas, es lo que hacemos. Somos una compañía que fundamos tres médicos y que ha ido evolucionando en la medida en que veíamos necesidades del mismo sistema. Hoy estamos enfocados en dos áreas importantísimas. Una, que lo llamamos alto impacto, queremos mejorar la salud de pacientes que tienen altas demandas de servicios de salud dada la complejidad de sus patologías. Ahí manejamos enfermedades neurológicas, enfermedades reumatológicas, enfermedades respiratorias, riesgo cardiovascular o pacientes con discapacidad, que requieren atención fuera de las instituciones de salud. Y por otro lado, nos enfocamos en la gestión en red o en gestionar redes de prestadores, y nos hemos denominado redes de prestación. Alto impacto y redes de prestación son nuestras dos áreas grandísimas donde gestionamos gran número de grupos de pacientes, pero lo hacemos articulando los diferentes protagonistas en la prestación de servicios de salud. Es decir, nosotros llevamos un servicio, pero también ayudamos a integrar la red hospitalaria, otros centros ambulatorios, centros diagnósticos, incluso hacemos algunos roles de aseguramiento en términos de identificar y gestionar el riesgo clínico y poder hacer el análisis relacionado con eso.
Laura Velásquez:
Valiosísimo, entonces todos los proyectos que han hecho tienen mucho impacto en la salud, y además, vienen para predecir que ese paciente tan complejo no se vuelva pluri patológico o que el pluri patológico que tienes hoy no se complique más.
Diego Jaimes:
De hecho, casi te diría que nuestra razón de ser es la pluripatología y la alta complejidad, con un apellido específico: en lo ambulatorio. Esa es otra de las áreas donde queremos seguir trabajando y creciendo, porque usualmente la alta complejidad se asociaba con instituciones hospitalarias. Entonces es o la hospitalización o la cirugía o la intervención compleja. Pero en lo ambulatorio hay muchísimas necesidades alrededor de la alta complejidad y de los pluripatológicos, y estamos viviendo esa ola de deshospitalización, de "venga, saquemos a los pacientes de los hospitales y busquemos otros escenarios donde podamos garantizarles mejores resultados".
Laura Velásquez:
Y ahí, claramente, este tipo de herramientas tecnológicas como lo es la inteligencia artificial juega un papel supremamente relevante.
Diego Jaimes:
Claro, claro, y vienen muchísimos retos. Por ejemplo, el telemonitoreo. ¿Cómo hacemos para asegurar la adherencia de los pacientes, no solo la farmacológica, que es importantísima, sino también la adherencia a los servicios de salud? ¿Van a usar estas soluciones tecnológicas que desarrollemos para ellos? ¿Cómo hacemos para convencerlos?
Laura Velásquez:
Sí, es un tema súper interesante porque algo de lo que he aprendido haciendo esto durante varios años es que la adopción tecnológica en muchas ocasiones es muy retadora, especialmente en pacientes que a veces somos tan necios, ¿no?
Diego Jaimes:
Sí, sí, sí.
Laura Velásquez:
Ahí ya sería otro episodio para profundizar, porque con la IA puedes lograr que un paciente sea muy adherente, ya que te empieza a entregar señales de cuándo va a dejar de serlo. Pero también está el reto de identificar cuándo algo se vuelve un "nice to have" para el paciente, en lugar de algo esencial, y cómo encaminarlos.
Laura Velásquez:
Diego, una pregunta extra: ¿Qué has visto en términos de resultados positivos y desafíos al implementar herramientas como la inteligencia artificial?
Diego Jaimes:
Mira, lo positivo es que ya todo el mundo está hablando de esto. Esto ya no es algo futurista, está aquí, entre nosotros, y al alcance de la mano. Ustedes en Arkangel AI son un ejemplo viviente de eso. Ya no estamos hablando de soluciones imposibles del primer mundo o altamente costosas. Cada vez hay menos analfabetismo digital. Lo negativo, pienso que hace falta un marco regulatorio para la inteligencia artificial en salud. Ya hay muchas soluciones, pero debe haber una regulación clara para asegurar que se cumpla con estándares éticos y tecnológicos, especialmente en temas como la privacidad de los datos.
Laura Velásquez:
Totalmente de acuerdo. Creo que regular algo que no se entiende puede ser un gran reto. Y con lo rápido que va todo, ese es uno de los mayores riesgos.
Diego Jaimes:
Exacto, y por eso creo que es necesario crear un consejo regulatorio de inteligencia artificial en salud para nuestra región, que asegure que las soluciones cumplan con los estándares necesarios.