Healthcare management with AI: Our Hospital Command Center

Actualmente, los hospitales públicos en Chile cuentan con escasas herramientas para monitorear la experiencia del paciente y el desempeño de sus procesos de atención en tiempo real. Aunque existe una creciente adopción de Registros Clínicos Electrónicos (RCE) y, en consecuencia, un aumento significativo en la cantidad de datos, la tecnología disponible se encuentra orientada más bien al apoyo del registro de las prestaciones que a la gestión operacional de los procesos.

Para hacer frente a esta problemática, algunos hospitales de Estados Unidos y Canadá han desarrollado plataformas tecnológicas para el control centralizado de procesos clínicos llamados Command Center. Una reciente experiencia es el Command Center hospitalario de la Universidad de Johns Hopkins [1], que monitorea en tiempo real los procesos de atención de pacientes en la Urgencia, Hospitalización, y Pabellón, apoyados por algoritmos de simulación e Inteligencia Artificial (IA). Es decir, la tecnología se utiliza para apoyar las decisiones clínicas, optimizar el uso de recursos y enriquecer la calidad y seguridad de la atención. Estos Command Center integran herramientas de IA para apoyar las decisiones de los gestores de las unidades clínicas. Por ejemplo, en el área de urgencias, contar con un pronóstico de la demanda para las próximas 4 horas es fundamental para prepararse ante fluctuaciones de la demanda.

Nuestro Command Center integra herramientas de IA que generan información, como el pronóstico de la demanda horaria de la Unidad de Emergencias (UE), para facilitar la gestión de los recursos y procesos asistenciales. Para esto, se utilizó la información de dos años de las llegadas de pacientes a la Urgencia de un hospital público en Chile para predecir la demanda horaria y en 4 horas, con un error de un 24,6% para el último caso. Los resultados de nuestros modelos muestran una significativa mejora en la capacidad predictiva registrada en la literatura, que para el mismo problema reportan errores entre 52% y 47% [2]–[5].

La utilización de herramientas de IA permite mejorar significativamente la información disponible para la gestión de las UE. En particular, los modelos predictivos permiten avanzar hacia una lógica proactiva de gestión hospitalaria, dado que generan la capacidad de anticipar situaciones de riesgo de los pacientes, congestión de los servicios, retrasos en los flujos de atención, etc. Sin embargo, esta capacidad predictiva debe integrarse con los procesos de gestión como una práctica rutinaria, lo cual puede lograrse a partir de la implementación de Command Center Hospitalarios.

[1] E. M. Kane et al., “Use of systems engineering to design a hospital command center,” Jt. Comm. J. Qual. Patient Saf., vol. 45, no. 5, pp. 370–379, 2019.

[2] J. Boyle et al., “Predicting emergency department admissions,” Emerg. Med. J., vol. 29, no. 5, pp. 358–365, 2012.

[3] S. Nas and M. Koyuncu, “Emergency Department Capacity Planning: A Recurrent Neural Network and Simulation Approach,” Comput. Math. Methods Med., vol. 2019, 2019.

[4] A. Asheim, L. P. B.-W. Bjørnsen, L. E. Næss-Pleym, O. Uleberg, J. Dale, and S. M. Nilsen, “Real-time forecasting of emergency department arrivals using prehospital data,” BMC Emerg. Med., vol. 19, no. 1, p. 42, 2019.

[5] M. Hertzum, “Forecasting hourly patient visits in the emergency department to counteract crowding,” Ergon. Open J., vol. 10, no. 1, 2017.