>
"Pacientes que generan sus propios datos. ¿Cómo incorporarlos a la lógica hospitalaria?"
Desde los relojes inteligentes hasta las apps de autocuidado, los datos generados fuera del hospital abren nuevas oportunidades para la medicina personalizada, pero también exigen políticas sólidas de gobernanza, interoperabilidad y ética de la información.
El término mHealth (salud móvil) hace referencia al uso de dispositivos móviles y tecnologías inalámbricas (como smartphones, tablets, relojes inteligentes, entre otros dispositivos portátiles) útiles para apoyar y mejorar los servicios de salud pública, clínica y autocuidado de los pacientes. Es considerado un subcampo de la salud digital que se está expandiendo a gran velocidad a partir de la proliferación global de los teléfonos inteligentes y el acceso a internet móvil. Eric Topol, cardiólogo e investigador estadounidense en medicina digital, afirmó que “el paciente del futuro será el principal generador de su propia información médica”. En dos de los ateneos bibliográficos de la residencia de Informática en Salud del Hospital Italiano, María Clara Horn y Héctor Figueroa exploraron cómo la salud móvil y los dispositivos wearables están transformando el registro clínico, el seguimiento de los pacientes y la generación de conocimiento en salud.
Smartwatches para datos clínicos
El uso de relojes inteligentes, pulseras de actividad y sensores portátiles se expandió en los últimos años con una velocidad inédita. Estos dispositivos recogen continuamente información sobre frecuencia cardíaca, sueño, movimiento, saturación de oxígeno y otras variables fisiológicas de las personas. Pero, ¿cómo transformar esa capacidad de medición en información para decisiones clínicas? La evidencia muestra que los datos de salud electrónicos generados por pacientes (PGHD, por sus siglas en inglés) pueden enriquecer la historia clínica electrónica (HCE), mejorar el seguimiento de patologías crónicas y fortalecer la participación del paciente en su propio cuidado. Sin embargo, su adopción a gran escala enfrenta obstáculos técnicos, éticos y culturales.
Un caso: en Dinamarca, el sistema Epic integró datos provenientes del Apple Watch directamente a la HCE. La experiencia demostró beneficios en la monitorización y en la comunicación médico-paciente, pero también la necesidad de definir criterios de interoperabilidad, validación y curación de datos. No todos los dispositivos tienen la misma precisión, y no toda la información generada fuera del hospital tiene valor clínico inmediato.
Si bien la variable tecnológica está en exponencial crecimiento, el desafío es de gobernanza. ¿Quién captura, quién valida y quién interpreta la información? Que los datos sean cada vez más abundantes no implica una correlatividad necesaria con su utilidad; la clave está en definir qué información tiene calidad suficiente para incorporarse a la toma de decisiones. Para que los datos de un smartwatch sean clínicamente relevantes, deben poder integrarse de forma estructurada al ecosistema hospitalario, cumpliendo con estándares de interoperabilidad (como HL7 FHIR) y garantizando la seguridad y privacidad de la información.
Autogestión de enfermedades con mHealth
Otra vertiente fundamental de la salud móvil es la autogestión de enfermedades agudas o crónicas. En una revisión sistemática publicada en JMIR mHealth and uHealth, se analizó el impacto de las aplicaciones móviles y los programas de mensajería en la adherencia al tratamiento y en el control de la presión arterial. Los resultados de esa evidencia indican que las intervenciones que combinan recordatorios personalizados, feedback en tiempo real y monitoreo remoto logran mejoras significativas en la adherencia terapéutica y reducciones sostenidas en los casos de hipertensión.
No obstante, el componente que más influye en los resultados es el nivel de compromiso del paciente con el uso de la herramienta y con el proceso de autocuidado. Las intervenciones más exitosas son aquellas que incorporan principios de behavioral design: interactividad, personalización y comunicación bidireccional con el equipo de salud (como sensores, tableros de seguimiento y mensajes adaptativos).
¿Cómo incorporarlos a la lógica hospitalaria?
La construcción de un ecosistema de salud conectado, donde el paciente produce y comparte datos que vuelven a la institución para generar valor clínico, requiere cerrar el ciclo entre información, conocimiento y acción. Esta lógica, conocida como Learning Health System, obliga a las instituciones a evolucionar desde una infraestructura de registro y una medicina centrada en el dato institucional a una medicina centrada en el dato distribuido, generado en la vida cotidiana, en los hogares y en los cuerpos de los pacientes.
En ese camino, los PGHD y las intervenciones mHealth actúan como catalizadores de innovación. Los dispositivos wearables permiten obtener mediciones continuas y contextuales, mientras que las apps móviles facilitan la comunicación, el acompañamiento terapéutico y la retroalimentación. Juntas, estas herramientas amplían el alcance del monitoreo clínico más allá de los muros del hospital. Las oportunidades son enormes: detección temprana, prevención personalizada, investigación basada en datos reales (real world data), y una relación médico-paciente más colaborativa. Pero también surgen riesgos: sobrecarga de información, sesgos algorítmicos, validación científica insuficiente y desigualdades en el acceso.
Pero la integración de ambas plantea preguntas éticas y operativas. ¿Quién es responsable por los datos generados fuera del ámbito clínico? ¿Cómo se aseguran la privacidad y el consentimiento informado? ¿Qué pasa con la equidad en el acceso, en contextos de brecha digital?
La verdadera innovación no está en los dispositivos, sino en el uso que se hace de los datos y cómo se integran a la práctica médica. Las soluciones requieren políticas claras de gobernanza, marcos regulatorios adaptativos y una redefinición del vínculo entre pacientes, profesionales y sistemas de información.