La puerta de entrada digital: ¿Puede un algoritmo optimizar el flujo en los sistemas de salud?

A menudo me pregunto si, como profesionales de la salud, somos plenamente conscientes de la odisea que atraviesa un paciente antes de sentarse frente a nosotros en el consultorio. La decisión de buscar atención médica está plagada de dudas: ¿Es esto realmente una urgencia? ¿Debo ver a un especialista o a mi médico de cabecera? En un entorno donde los sistemas sanitarios están al límite debido al envejecimiento poblacional y la escasez de profesionales, estas preguntas no son menores. Tradicionalmente, hemos confiado en que el paciente "adivine" el nivel de cuidado que necesita, lo que suele derivar en salas de urgencias saturadas por casos banales o pacientes que acuden al especialista equivocado. Es aquí donde surge el concepto de la "puerta de entrada digital" o Digital Front Door, y recientemente he tenido la oportunidad de leer un estudio interesante publicado en NEJM AI que arroja luz sobre cómo la inteligencia artificial podría facilitar esta transición del síntoma a la acción.

El estudio ESSENCE, realizado en la red de salud privada más grande de Portugal, evaluó el impacto de integrar un sistema de apoyo a la decisión diagnóstica (DDSS) basado en IA dentro de una aplicación móvil utilizada por miles de pacientes. Lo que hace que este trabajo sea excepcional es que no se limitó a medir la precisión diagnóstica del algoritmo, un campo ya bastante explorado, sino que rastreó el comportamiento real de los usuarios a través de sus historias clínicas electrónicas. Me parece necesario destacar este enfoque, pues de nada sirve tener una IA con una gran precisión si el paciente, tras recibir la recomendación, decide ignorarla por completo o si la sugerencia no se traduce en una atención más apropiada.

Al analizar los datos de los 1,470 adultos participantes, los hallazgos son reveladores. Tras realizar la evaluación de síntomas con la IA, la incertidumbre de los pacientes disminuyó drásticamente, pasando del 12.6% al 5.0%. Pero lo más llamativo ocurre en el terreno de las decisiones: casi el 60% de los participantes cambió su trayectoria de cuidado prevista inicialmente. Observé con especial interés cómo el uso de la atención primaria se disparó del 16.3% al 42.1%, mientras que las consultas directas con especialistas se redujeron del 49.7% al 29.8%. Esto sugiere que la IA actúa como un filtro eficaz que devuelve al médico de familia su rol central como coordinador del cuidado, evitando que el paciente se pierda en un laberinto de subespecialidades por síntomas que podrían resolverse de forma más sencilla y eficiente.

Desde una perspectiva técnica, el sistema utilizado funciona como un DDSS, un motor que sintetiza múltiples síntomas reportados por el usuario para generar un informe estructurado que incluye probabilidades de condiciones específicas y recomendaciones de urgencia. Sin embargo, el éxito de esta intervención no parece residir únicamente en la matemática del modelo, sino en su integración con opciones de acción inmediata, como la posibilidad de reservar una teleconsulta o una cita el mismo día directamente desde el informe. Como divulgador médico, suelo ser cauteloso con el optimismo tecnológico, pero aquí vemos un ejemplo claro de un "empujón" conductual o nudge: al proporcionar claridad y un camino fácil hacia la atención adecuada, la IA ayuda al paciente a tomar decisiones más racionales bajo condiciones de incertidumbre.

La adecuación clínica fue otro punto fuerte del análisis. Un panel de médicos evaluó retrospectivamente si las visitas realizadas fueron apropiadas, encontrando que la atención correcta aumentó del 29.8% antes de usar la herramienta al 64.4% después de la intervención. Incluso en el caso de las urgencias, el 93% de los pacientes que decidieron no acudir al hospital tras el consejo de la IA fueron juzgados como acertados en su decisión de evitar una visita innecesaria. Estos números no son solo estadísticas; representan una reducción real de la presión asistencial y una mayor seguridad para el paciente, quien recibe el nivel de cuidado justo en el momento preciso.

No obstante, como toda investigación rigurosa, el estudio ESSENCE presenta limitaciones que debemos considerar con una mirada crítica. Al haberse realizado en una red privada bien dotada de recursos, es probable que exista un sesgo de selección hacia usuarios con mayor alfabetización digital y un acceso más fluido a servicios. Me pregunto si estos mismos resultados se replicarían en sistemas públicos con largas listas de espera o barreras estructurales más marcadas, donde la imposibilidad de conseguir una cita rápida en atención primaria podría empujar al paciente hacia las urgencias a pesar de lo que recomiende la IA. Además, el estudio carece de un grupo de control, lo que impide asegurar al cien por ciento que los cambios de comportamiento no habrían ocurrido de forma natural conforme evolucionaban los síntomas.

Mi reflexión final es que estamos ante un posible cambio de paradigma en la navegación del paciente. La inteligencia artificial en este contexto está ordenando la demanda antes de que llegue a nosotros. El verdadero valor de estas herramientas no reside solo en su "inteligencia", sino en su capacidad para estructurar la información de manera que sea percibida como creíble, empática y, sobre todo, útil. Si logramos integrar estas puertas de entrada digitales de forma equitativa en diversos entornos asistenciales, podríamos estar ante una de las soluciones más prometedoras para la sostenibilidad de nuestros sistemas de salud.

6. Referencia:

Cotte F, Dias Lourenço F, Paiva Pereira M, et al. From Advice to Action - Real-World Behavior of Patients Using an Integrated Diagnostic Decision Support System for Navigating the Health Care System. NEJM AI. 2026;3(4). doi:10.1056/Aloa2500833.