>
"Costo de oportunidad, economía de la salud y medicina personalizada empleada en Laboratorios Clínicos en Costa Rica"
Esp. Graciela Oguilve, Esp. Allan Bejarano, Mg. Carlos Azofeifa y Mg. Jorge Bermúdez Tellería
Así como se ha expuesto en secciones anteriores, el desarrollo de la medicina personalizada ha creado muchas expectativas en torno a los beneficios potenciales que se generarían tanto para el sistema de salud como para los pacientes.
Como se ha desarrollado en la primera instancia publicada, el papel de la medicina personalizada se plantea como una herramienta fundamental para los laboratorios clínicos, debido a su contribución en la atención sanitaria en todos los ámbitos de los servicios de atención básica, desde los diagnósticos hasta los seguimientos terapéuticos.
La información comprendida en ellos se consolida como el principal banco de datos para investigaciones biomédicas y un potente motor para formular políticas públicas en salud (Entidad Publica Empresarial Red.Es et al., 2017).
En esta entrega, complementaria de la anterior, se abordará la cuestión desde el prisma económico. A partir de esta perspectiva se puede mencionar que, la captura de datos masiva trae consigo cuestionar algunos paradigmas económicos que se emplean en el área de salud.
Por ejemplo, como lo exponen Ginsburg y Phillips (2018), actualmente, llevar a cabo investigaciones en salud requieren destinar gran cantidad de recursos para la recolección de datos (esto con el fin de que la muestra sea lo suficientemente representativa como para generar inferencias con significancia estadística).
Los autores citados indican que existen beneficios a través de economías de escala, ya que, si varios laboratorios o sistemas de salud trabajan en cooperación, cada uno podría recabar una porción menor de datos y, luego, compartirse entre ellos, lo que supondría un ahorro de costos significativo en este intercambio de datos, dado que, por ejemplo, destinarán la décima parte de recursos para obtener diez veces más información. Una estrategia de costo ahorrativa que representa un desafío para la generación en inteligencia de datos presente en países donde no es una prioridad.
Esto deviene en otra discusión sobre la posibilidad de recabar esa cantidad de información en distintos sistemas sanitarios, de todas partes del mundo, que podría generar evidencia en gran volumen, lo que desplazaría los procesos largos y costosos de llevar a cabo un estudio controlado aleatorizado, puesto que, la mayoría de las pruebas de medicina personalizada son realizadas en laboratorios, con un menor tiempo y, por ende, menor costo (Ginsburg & Phillips, 2018).
La asimetría de información representa un desafío fundamental en el ámbito económico de la salud, caracterizada por un desequilibrio en el conocimiento entre los diferentes actores, como pacientes y proveedores de servicios médicos. Este fenómeno, ampliamente discutido por destacados economistas como Kenneth Arrow en 1963 y Mark Pauly en 2008, podría experimentar una transformación significativa gracias al avance tecnológico. La adopción de la Inteligencia Artificial (IA) y el uso extensivo de Big Data prometen mitigar esta disparidad informativa, permitiendo un flujo más eficiente y equitativo de datos entre los proveedores de servicios de salud.
Esta evolución tecnológica facilita una comunicación más transparente y la compartición de información vital, reduciendo la brecha de conocimiento que tradicionalmente ha complicado la toma de decisiones en salud. Al integrar sistemas basados en IA y análisis de grandes volúmenes de datos, se abre la posibilidad de alcanzar una comprensión más profunda y detallada de las necesidades y condiciones de los pacientes. Esto, a su vez, puede llevar a una personalización del cuidado médico, mejorando significativamente la eficacia y eficiencia del tratamiento.
Este enfoque innovador no solo desafía las teorías previas sobre la asimetría de información en la economía de la salud, sino que también propone un paradigma alterno donde la tecnología actúa como un nivelador del campo de juego. La Inteligencia Artificial y el Big Data se convierten en herramientas clave para desbloquear el potencial de un sistema de salud más integrado y centrado en el paciente, marcando el comienzo de una nueva era en la economía de la salud que podría superar las limitaciones identificadas por Arrow y Pauly.
Habría un margen para reducir la incertidumbre sobre la condición de salud o demanda de servicios futura en los usuarios o pacientes enfocada a unidades poblacionales más pequeñas (subgrupos o subpoblaciones) (Cluster Salud. América Economía, 2020).
Otro ámbito donde la medicina personalizada aplicada en laboratorios clínicos genera cuestionamientos a los paradigmas económicos actuales es en el sistema de reembolso y pago de los servicios sanitarios (Philip Ma, 2011). A partir de las pruebas de laboratorio, se trata de identificar tratamientos altamente eficaces según la composición genómica de cada individuo o un subgrupo poblacional, es decir, supone una disminución de procedimientos que hoy podrían estar resultando innecesarios (Entidad Pública Empresarial Red.Es et al., 2017).
Esto genera un impacto dual. Por un lado, se potencian mejores resultados para los pacientes y se evitan efectos adversos de algunos tratamientos. Por otro, provocaría una reducción en los ingresos económicos de los prestadores de servicios debido a que un menor uso de recursos como días, camas, menos fármacos para el tratamiento base y sus efectos secundarios, y una menor cantidad de exámenes, entre otros, reduciría el costo por paciente tratado. Desde luego, el impacto será en menor o mayor medida según la modalidad de pago del servicio, lo que podría aminorar el incentivo en centros de salud para aplicar medicina personalizada en todos sus servicios y/o incentivar nuevos servicios no descubiertos en este momento.
Se observa, además, la necesidad de redefinir la función de producción en salud, actualizar los factores que la componen. Por ejemplo, la aplicación de medicina personalizada en laboratorios supondría una especialización mayor de los profesionales que trabajan en esos servicios, incorporar conocimientos en Big Data, Inteligencia Artificial, Machine Learning.
Así como, la formación de capacidades en el área matemática y computacional, aspectos que son necesarios para potenciar resultados favorables, lo que demandaría nuevos perfiles en los diferentes niveles de cada establecimiento de salud.
Consideraciones finales
El rol de los laboratorios clínicos es clave para la salud pública y la prestación de atención médica, y se basa en numerosas técnicas analíticas para proporcionar datos oportunos y objetivos a los profesionales de la salud para guiar la prevención, el diagnóstico, el tratamiento y el seguimiento de enfermedades. A pesar del alto valor de su información, aún son manejados en muchos casos en papel, con los riesgos que implica, así como amenazas emergentes como han sido la dificultad de tener sistemas informáticos que puedan ser funcionales ante por ejemplo ciberataques. Es necesario en términos de contingencia prevenir colapsos en los sistemas que generen oportunidades perdidas en la atención oportuna y en la promoción de la salud de pacientes.
Los datos del laboratorio clínico pueden impulsar y contribuir a definir por una cultura de innovación, los avances tecnológicos recientes han revolucionado la medicina de laboratorio moderna y han agregado un valor significativo y visibilidad a su papel en la atención médica y la toma de decisiones clínicas y en general en salud pública.
Innovaciones destacadas en automatización de laboratorio, genómica, espectroscopía de resonancia magnética nuclear, espectrometría de masas, microfluidos y herramientas electrónicas han cambiado el panorama de la investigación, y siguen avanzando no siempre de forma consistente con la legislación de los países.
Sin embargo, se necesita la incorporación herramientas como la inteligencia artificial y la ciencia de datos, como las mencionadas anteriormente, para aprovechar el emocionante potencial de los grandes datos médicos derivados de estas técnicas novedosas. Siendo que en los sistemas de salud pública y el uso de tecnologías parece existir un rezago importante, es necesario crear los incentivos institucionales e inclusive desde la perspectiva de investigación biomédica que permitan facilitar estos procesos.
Se está prestando cada vez más atención a la medicina personalizada, esto es impulsado por un cambio fundamental en los paradigmas de los sistemas de salud, hacia unos que abrazan enfoques novedosos, como terapias dirigidas personalizadas, para lograr los mejores resultados posibles.
Es fundamental resaltar que las características de los datos no siempre permiten realizar valoraciones precisas. En algunas ocasiones, esto se debe a la pérdida de información, mientras que en otras se debe a la falta de trazabilidad de los datos de los pacientes. El valor atribuido a la información resulta directamente de la calidad de los datos.
Además, un desafío evidente radica en la necesidad de trabajo interdisciplinario para lograr las transformaciones necesarias en los sistemas de salud. Estas transformaciones son esenciales para reorientar los servicios de salud, priorizando la atención centrada en la persona y haciendo un uso adecuado de las tecnologías que se describen en este artículo.
Los autores trabajaron de forma equitativa en el presente artículo y de forma solidaria.
Graciela Oguilve
Profesional en Microbiología y Química Clínica, especialista en Inmunología Clínica, Administradora en Servicios de Salud y actual estudiante de Epidemiología en Gestión de Servicios de Salud. Directora de uno de los Bancos de Sangre de la red nacional. Activista por la inclusión y derechos de las personas con discapacidad.
Profesional en promoción de la salud, especialista en gestión de proyectos innovadores en salud, especialista en informática médica, ciencia de datos, candidato a Doctor en gestión pública y ciencias empresariales. Ex investigador OPS, cruz roja internacional, consejos de Ministros de Salud. Consultor del Sistema de Integración Centroamericana en la iniciativa IREM. Actualmente es profesor en inteligencia artificial, ciencia de datos y gerencia de proyectos de la ULEAD.
Carlos Azofeifa
Profesional en economía, Máster en economía de la salud, especialista en costos para evaluaciones económicas de tecnologías en salud, especialista en evaluación económica de proyectos en el sector salud, y especialista en riesgos financieros y operativos. Economista de la Dirección de Arquitectura e Ingeniería de la Caja Costarricense de Seguro Social.
Jorge Bermúdez Tellería
Profesional en Ingeniería Industrial, técnico en análisis de datos del ITCR con maestría en Inteligencia Artificial Aplicada del Instituto Tecnológico de Monterrey, México, actualmente científico de datos para áreas de cobro y riesgo, con experiencia en inteligencia de negocios y análisis de datos en la industria de cobro, finanzas, retail, manufactura y telecomunicaciones