Por NAHEEM NOAH
Una llamada desde el agujero negro
Tres meses de construcción Carenectores plataforma de centro a centro, recibí una llamada que cristalizó todo lo que estaba mal con las referencias de atención médica. Un trabajador social del hospital, que ya estaba utilizando nuestra plataforma de pacientes individuales para ayudar a las familias a encontrar atención, había estado tratando de coordinar una colocación institucional para un paciente de 82 años con accidente cerebrovascular durante seis días. Había hecho 23 llamadas telefónicas. Envió 14 faxes. La paciente recibió el alta médica, pero quedó atrapada en una cama para pacientes agudos que costaba $2000 por día porque nadie podía confirmar qué centros de enfermería especializada tenían camas abiertas, aceptaban su plan de Medicaid y tenían capacidad de rehabilitación de accidentes cerebrovasculares.
“Me encanta lo que creaste para los pacientes”, me dijo, “pero cuando necesito hacer una transferencia de un centro a otro, vuelvo a enviar faxes. ¿No puedes arreglarlo?” este ¿También el flujo de trabajo?
Ella no estaba equivocada. Estamos en 2025 y, a pesar de los miles de millones invertidos en TI sanitaria y promesas de IA, referir a un paciente a menudo parece como retroceder a 1995. A principios de este año, el propio editor de THCB, Matthew Holt, documentó su intento de navegar por las referencias de especialistas. a través de Blue Shield de California. La remisión del ecocardiograma que envió su médico nunca llegó al centro de imágenes. Cuando necesitó un dermatólogo, su grupo médico lo remitió a un proveedor que resultó no estar cubierto en absoluto por su plan HMO. “Aquí hay una gran oportunidad”, concluyó Holt después de su odisea a través de sistemas desconectados, “aunque ahora tenemos muchos datos… para integrarlos y hacerlos útiles para los pacientes”.
Los médicos realizan más de 100 millones de derivaciones a especialidades anualmente en los EE. UU., pero Las investigaciones muestran que hasta la mitad nunca se completan..
Esto es lo que hemos aprendido después de un año de funcionamiento: creamos una plataforma orientada al consumidor que ayuda a personas y familias a encontrar proveedores de atención que se adapten a sus necesidades, seguro y ubicación; ahora atiende a más de 100 usuarios diarios, incluidos pacientes, trabajadores sociales y planificadores de altas. Pero resolver las búsquedas de atención individual es sólo la mitad de la batalla. El flujo de trabajo de derivación institucional (de hospital a centro de enfermería especializada, de SNF a centro de rehabilitación, de clínica a especialista) sigue atrapado en máquinas de fax y etiquetas telefónicas porque nadie rediseñó el proceso de coordinación real.
Eso es lo que estamos construyendo ahora. Y la pregunta que nos persigue no es ¿Por qué no tenemos mejores herramientas? Es ¿Por qué miles de millones de inversiones en IA dejaron el flujo de trabajo de referencia institucional prácticamente sin cambios?
La arquitectura del fracaso
La respuesta no se trata de algoritmos más inteligentes o paneles de control más brillantes. Se trata de un desajuste fundamental entre cómo se implementa la IA y cómo funciona realmente la coordinación de la atención.
Comience con la capa de datos. Una encuesta encontró que el 69% de los médicos de atención primaria dicen que “siempre o la mayor parte del tiempo” envían notas de derivación completas a los especialistas, pero sólo el 34% de los especialistas informan recibirlas.. Incluso dentro de un único sistema hospitalario, la información desaparece habitualmente en los puntos de transferencia. Matthew Holt experimentó esto de primera mano cuando la remisión de su médico para un ecocardiograma simplemente nunca llegó al centro de imágenes, a pesar de que la autorización previa de Blue Shield ya estaba en el sistema.
Pero la fragmentación va más allá de la falta de referencias. Cuando el grupo médico de Holt lo remitió a un dermatólogo, lo enviaron a un proveedor que no estaba cubierto por su plan HMO, a pesar de que el EMR tenía la información de su seguro y su identificación de miembro. Como documentó“hay una gran oportunidad aquí… la mayoría de estos datos sobre a quién debo ir a ver… están todos disponibles. Simplemente no se hace muy obvio en ningún lugar en particular”. Los grupos médicos, hospitales y planes de salud mantienen cada uno sus propios sistemas, sin integración en tiempo real para responder a la simple pregunta: ¿Este proveedor está dentro de la red para el plan de este paciente?
Luego está el problema de los incentivos. Una evaluación de 2022 de la iniciativa Comprehensive Primary Care Plus de CMS no encontró ningún impacto en la fragmentación de la atención. Los investigadores concluyeron que “persisten altos niveles de atención fragmentada” porque los modelos de pago no recompensan lo suficiente a los proveedores por cerrar los ciclos de derivación. A nadie se le paga por perseguir una referencia perdida, por lo que las referencias pasan desapercibidas.
Finalmente, está la obstinada realidad analógica: Aproximadamente la mitad de las transferencias de derivaciones todavía se realizan por fax (56 %) o en papel entregado a los pacientes (45 %).. No hemos reconfigurado el flujo de trabajo; Acabamos de digitalizar el desorden.
Por qué las soluciones “impulsadas por IA” siguen fallando
Dados estos problemas, se esperaría que los proveedores de IA se abalanzaran con soluciones. En cambio, la mayoría ha empeorado las cosas al tratar la IA como un complemento en lugar de una infraestructura.
El enfoque típico: OCR para escanear referencias en papel, widgets de autocompletar para campos de EHR, algoritmos predictivos para la puntuación de riesgos. Cada herramienta resuelve un microproblema ignorando el macrodesastre. Como lo expresa un análisis de Innovaccerla IA sanitaria corre el riesgo de “repetir errores del pasado, con herramientas desconectadas que crean ineficiencias en lugar de soluciones”.
El análisis reciente de McKinsey hace lo mismo: la adopción generalizada de soluciones puntuales habilitadas por IA “está creando un nuevo problema de fragmentación”. El camino a seguir no son más herramientas aisladas sino “ensamblar estas capacidades en una arquitectura de IA modular y conectada”. Y sin interoperabilidad de datos, nada de esto importa. Como afirma sin rodeos Innovaccer“Sin datos limpios, la verdadera interoperabilidad es una fantasía. Sin interoperabilidad, la IA es sólo ruido caro”.
Lo que estamos construyendo: informados por más de 100 usuarios diarios
Nuestra plataforma de consumo nos enseñó algo crucial: cuando les brindas a las personas (y a los trabajadores sociales que los ayudan) una herramienta que realmente adapta sus necesidades a los proveedores disponibles en tiempo real, la usan. A diario. Más de 100 usuarios confían ahora en Carenector para navegar por la atención posaguda, los servicios de rehabilitación y las referencias de especialistas según su seguro, ubicación y requisitos médicos.
Pero esos mismos trabajadores sociales seguían diciéndonos: “Esto funciona muy bien cuando ayudo a un miembro de la familia a buscar por su cuenta. Pero cuando necesito coordinar el alta hospitalaria o el traslado a un centro en nombre de mi organización, estoy de vuelta en la Edad de Piedra”.
Es por eso que ahora estamos construyendo la plataforma orientada hacia las instalaciones, y lo estamos haciendo de manera diferente a nuestro primer intento. No estamos adivinando lo que necesitan los hospitales. Estamos probando activamente con un grupo selecto de centros asociados, incorporando comentarios continuos de sus administradores de casos y planificadores de altas que han visto qué funciona en el producto de consumo.
El flujo de trabajo de las instalaciones que estamos construyendo
En lugar de incorporar la IA al caos existente, estamos reconstruyendo el proceso de referencia institucional de principio a fin. Los equipos de atención ingresan las necesidades estructuradas de los pacientes (diagnósticos, requisitos de rehabilitación, equipo, tipo de seguro, ubicación) sin compartir ninguna información de identificación personal. Sin nombres, sin números de registros médicos, sin fechas de nacimiento en la fase inicial de comparación. Nuestro motor de IA realiza coincidencias en tiempo real teniendo en cuenta las limitaciones basándose exclusivamente en criterios clínicos y logísticos: si un paciente necesita enfermería especializada con servicios de PT, acepta solo planes específicos de Medicare, requiere personal que hable español y debe estar dentro de 10 millas, el sistema aparece solo en instalaciones que cumplen con todos los criterios simultáneamente.
Una vez que se encuentran coincidencias, las instalaciones de referencia envían consultas a través de canales seguros y ambas partes ven el mismo cronograma de estado. Hemos creado hilos de mensajes efímeros donde las enfermeras y los coordinadores de admisión se comunican en tiempo real, sin más preguntas que enviar por fax al vacío. Después de que una instalación acepta, todo permanece en un solo hilo: programación de transporte, conciliación de medicamentos y verificación del seguro.
Esto es lo que hace que esto sea inteligente: realizamos un seguimiento de si las ubicaciones tienen éxito o fracasan. ¿El paciente fue readmitido dentro de los 30 días? ¿Los servicios del centro coincidieron con lo prometido? Esos datos de resultados retroalimentan el algoritmo de emparejamiento, aprendiendo gradualmente qué instalaciones cumplen con sus compromisos.
Lo que estamos aprendiendo en tiempo real:
Estamos construyendo y probando la plataforma del centro con un grupo selecto de hospitales asociados y centros de enfermería especializada. Esto aún no está ampliamente disponible. Estamos iterando rápidamente basándonos en los comentarios continuos de estos primeros usuarios, y las lecciones están remodelando nuestro enfoque:
- La confianza requiere transparencia. Nuestras primeras instalaciones que coincidían con la IA eran una caja negra: “créanos, estas son buenas coincidencias”. La adopción entre nuestros socios piloto fue terrible. Cuando agregamos transparencia mostrando por qué cada instalación coincidió según qué criterios específicos, el compromiso aumentó. Los administradores de casos quieren ver el razonamiento del sistema, no sólo sus recomendaciones.
- La privacidad se trata de valores predeterminados inteligentes, no de paranoia. Inicialmente creamos controles de privacidad maximalistas que hacían que el flujo de trabajo fuera complicado. Los comentarios continuos de nuestros socios de pruebas nos enseñaron el enfoque correcto: comenzar con cero PII en la fase de comparación, las instalaciones solo ven criterios clínicos y logísticos. Comparta identificadores de pacientes solo después de que un centro indique interés y capacidad, utilizando registros de auditoría y acceso vencidos. Este camino intermedio elimina el agujero negro de las derivaciones (los centros pueden responder rápidamente sin preocupaciones regulatorias) y al mismo tiempo protege la privacidad del paciente donde más importa.
- La verdadera barrera no es la tecnología, sino la estrategia de adopción. Un trabajador social en nuestro piloto siguió enviando faxes junto con nuestra plataforma beta. Tres semanas después de realizar las pruebas, después de ver cuatro colocaciones exitosas coordinadas a través de nuestro sistema, dejó de enviar faxes. La tecnología no cambió. Su confianza sí. Estamos aprendiendo a medir el éxito no en las funciones enviadas sino en los flujos de trabajo abandonados.
Más allá de la tecnología: lo que necesita el sistema
Incluso la IA mejor diseñada no solucionará las referencias por sí sola. El ecosistema necesita cambios paralelos:
- Reforma regulatoria: Los CMS podrían exigir el seguimiento electrónico de referencias como condición para la participación y pagar a los proveedores por completar con éxito las referencias, no solo por los encuentros.
- Adopción de estándares: Las API FHIR y los estándares de interoperabilidad HL7 existen, pero siguen siendo opcionales. La adopción obligatoria permitiría que los sistemas de diferentes proveedores se comunicaran entre sí.
- Responsabilidad compartida: El mayor cambio cultural necesario es pasar de “envié la derivación” a “confirmé que el paciente recibió atención”. Las ACO y los contratos basados en el valor están avanzando en esta dirección, pero lentamente.
Desde curitas hasta tuberías reconstruidas
¿Ese paciente de 82 años con un accidente cerebrovascular? La ubicaron en el día siete a través del fax de la trabajadora social. El retraso le cuesta al hospital $14,000 en exceso de días de cuidados intensivos. Multiplique eso por millones de referencias anualmente y podrá vislumbrar el desperdicio económico incorporado en nuestra infraestructura.
La tecnología para solucionar este problema existe: canales de datos en tiempo real, algoritmos de satisfacción de restricciones, mensajería segura y análisis de resultados. Lo que no hemos tenido es la voluntad de volver a ensamblar estas piezas en flujos de trabajo coherentes en lugar de acumularlas en procesos rotos.
Nuestra plataforma de consumo demostró que cuando se reconstruye la capa de búsqueda y coincidencia desde cero, la gente la adopta. Ahora estamos probando si el mismo enfoque funciona para la coordinación institucional con un grupo selecto de instalaciones piloto. Las primeras señales de estos socios son prometedoras; los administradores de casos que utilizan ambos productos nos dicen que la plataforma del centro se siente como una extensión natural de lo que ya confían.
Las conversaciones más difíciles no son con los ingenieros, sino con los administradores de hospitales que han sido quemados por las “soluciones de IA” que prometían transformación y entregaban costosos estantes. Ya no lideramos con la IA. Empezamos con una pregunta: Cuando su administrador de casos envía una remisión, ¿sabe (con certeza) que fue recibida, revisada y actuada en consecuencia? Para la mayoría de los hospitales, la respuesta es no. Ese es el problema que estamos resolviendo con nuestros socios piloto.
Si tenemos éxito, no será porque hayamos creado un algoritmo más inteligente. Será porque reconstruimos las tuberías basándonos en lo que usuarios reales nos dijeron que necesitaban. ¿Y si fallamos? Probablemente será porque olvidamos que la tecnología nunca es la parte más difícil de la atención médica: la confianza sí lo es.
Naheem Noah es investigador de doctorado en la Universidad de Denver y cofundador de Carenectoruna plataforma de referencia de atención médica.
