Cuando un paciente sigue las instrucciones de tratamiento prescritas por un profesional sanitario, teniendo en cuenta la dosis, frecuencia y duración del tratamiento, decimos que el paciente se adhiere al tratamiento.
Esta capacidad del paciente para cumplir las indicaciones médicas es fundamental para maximizar el beneficio del tratamiento y un factor clave para evitar problemas de salud posteriores. Es más, la falta de adherencia se asocia con una disminución de la calidad de vida del paciente, así como con una mayor carga de enfermedad y de muerte.
La falta de adherencia al tratamiento sale cara
Numerosos estudios han demostrado que aproximadamente el 50 % de los pacientes con enfermedades crónicas no se adhieren a las actividades de prevención y manejo de su enfermedad. Esto incluye tanto la toma de medicamentos como la programación de citas médicas, las pruebas de detección, el ejercicio y los cambios en la dieta.
Las cifras son apabullantes: más de 200 000 muertes prematuras anuales en la Unión Europea están relacionadas con el incumplimiento del tratamiento, lo que provoca sufrimiento personal y un importante coste para los sistemas sanitarios. En Europa, los costes anuales de las hospitalizaciones evitables, las visitas a urgencias y las consultas ambulatorias se estiman en 125 000 millones de euros, existiendo cifras similares para otras regiones del mundo.
Dado el elevado porcentaje de pacientes que no siguen las recomendaciones de tratamiento, los esfuerzos para mejorar la adherencia representan todo un reto.
Iniciativas para mejorar la adherencia basadas en inteligencia artificial
La buena noticia es que las nuevas tecnologías pueden ayudar en el control y seguimiento de los comportamientos de los pacientes. Concretamente, la inteligencia artificial (IA) puede optimizar la adherencia y ayudarnos a mejorar la salud y el bienestar de los pacientes por medio de herramientas y soluciones innovadoras.
Entre ellas, destacan las siguientes:
- Sistemas de recordatorio personalizados: La IA permite desarrollar aplicaciones móviles que envían recordatorios a los pacientes para que tomen sus medicamentos en el momento adecuado y adaptados según la dosis, la frecuencia y las preferencias individuales del paciente.
- Análisis de datos de adherencia: La IA puede utilizarse para automatizar el análisis de grandes volúmenes de datos de pacientes, permitiendo identificar patrones de adherencia y los factores que influyen en ella. Con este análisis, los profesionales de la salud pueden comprender mejor por qué algunos pacientes tienen dificultades para seguir sus tratamientos y desarrollar estrategias específicas orientadas a desmontar estas barreras.
- Personalización del tratamiento: Utilizando algoritmos de IA, se pueden crear sistemas que personalicen las pautas de medicación según las necesidades individuales de cada paciente.
- Asistentes virtuales para el seguimiento: Los asistentes virtuales impulsados por IA pueden brindar apoyo continuo a los pacientes. Estas herramientas pueden responder preguntas sobre medicamentos, proporcionar información sobre interacciones o efectos secundarios y recordar la importancia de seguir el tratamiento prescrito.
- Predicción de riesgos de no adherencia: Los modelos de IA pueden predecir el riesgo de no adherencia a la medicación en pacientes específicos. Esta información permite a los profesionales sanitarios intervenir de manera proactiva para mejorar la adherencia, evitando de esta manera complicaciones médicas.
Algoritmos para el cumplimiento terapéutico
En algún momento seremos pacientes o apoyaremos a un paciente (padres, madres, parejas, hijos e hijas). Para mantener la calidad de vida durante el mayor tiempo posible es necesario personalizar la atención y ofrecer un mejor apoyo, más individualizado y centrado en la persona.
En concreto, el proyecto europeo BEAMER, financiado por Innovative Health Iniatives (IHI), busca mejorar el cumplimiento terapéutico usando algoritmos automatizados. Parte de que conocer las características y comportamientos de los pacientes relacionados con su adherencia permitiría desarrollar intervenciones optimizadas y personalizadas para ellos y para los profesionales sanitarios responsables de su cuidado.
El objetivo es desarrollar un modelo que segmente a la población en función de factores que afectan al comportamiento y predicen la adherencia al tratamiento. Una vez segmentados los pacientes, permitirá crear herramientas digitales de ayuda a la toma de decisiones que identifiquen el comportamiento no adherente en la historia clínica electrónica y en cuestionarios de salud.
Todo ello se empleará para desarrollar estrategias e intervenciones personalizadas dirigidas a mejorar la adherencia y, con ella, la calidad de vida y la eficiencia de la atención médica.
Una mayor adherencia reducirá los costes sanitarios
Para el buen funcionamiento de nuestra sociedad, necesitamos que la atención sanitaria sea eficiente y eficaz, tanto desde el punto de vista asistencial como financiero. Y resulta que la falta de adherencia al tratamiento tiene un impacto negativo significativo en la administración y en los costes generales de la atención médica. La optimización en la gestión y la reducción de estos costes ocupan un lugar destacado en la agenda de los gobiernos y las organizaciones pagadoras de todo el mundo.
Con herramientas como BEAMER, proporcionamos una base para ayudar a desarrollar decisiones de tratamiento y apoyo al paciente más efectivas. Por otro lado, si se aplicara a los ensayos clínicos, podría reducir las tasas de abandono, los costes y los plazos, y proporcionaría una retroalimentación temprana en el proceso de desarrollo de medicamentos y tratamientos.
Con una implementación amplia, este tipo de desarrollos disminuiría la carga que la falta de adherencia al tratamiento de enfermedades crónicas supone para nuestra sociedad.
*Jaime Barrio Cortes, Médico de familia e investigador senior en Fundación para la Investigación e Innovación Biosanitaria en Atención Primaria (FIIBAP). Director del Máster en Salud Escolar y docente en Facultad de Salud, Universidad Camilo José Cela; Beatriz Benito-Sánchez, Investigadora en Fundación para la Investigación e Innovación Biosanitaria de Atención Primaria (FIIBAP), Servicio Madrileño de Salud, and Beatriz Merino-Barbancho, Senior researcher, Universidad Politécnica de Madrid (UPM)
Este artículo fue publicado originalmente en The Conversation. Lea el original.
