Autor(es): Johanna Habicht, Sruthi Viswanathan, Ben Carrington, Tobias Hauser, Ross Harper, Max Rollwage
Año: 2023
Referencia bibliográfica:
Habicht, J., Viswanathan, S., Carrington, B., Hauser, T., Harper, R., & Rollwage, M. (2023). Closing the Accessibility Gap to Mental Health Treatment with a Conversational AI-Enabled Self-Referral Tool. MedRxiv. https://doi.org/10.1101/2023.04.29.23289204
Categoría asignada: Asistencia sanitaria pública
Resumen
El artículo Closing the Accessibility Gap to Mental Health Treatment with a Conversational AI-Enabled Self-Referral Tool aborda el desarrollo y la implementación de una herramienta de autorreferencia habilitada por IA para mejorar el acceso a los tratamientos de salud mental. Los autores Johanna Habicht, Sruthi Viswanathan, Ben Carrington, Tobias Hauser, Ross Harper y Max Rollwage presentan los resultados de un estudio observacional en múltiples sitios que evaluó el impacto de esta herramienta en el contexto de los servicios de NHS Talking Therapies en el Reino Unido.
El acceso a la atención de salud mental sigue siendo un desafío mundial, especialmente para las minorías y otros grupos vulnerables, que enfrentan barreras estructurales y estigmatización. En respuesta a estas dificultades, los investigadores introdujeron la herramienta Limbic Access, un chatbot habilitado por IA que facilita el proceso de autorreferencia a los servicios de terapia. Este sistema fue diseñado para optimizar el proceso de referencia al permitir a los usuarios interactuar de manera privada, en cualquier momento, y sin la necesidad de contacto humano directo.
El estudio recopiló datos de más de 129,000 pacientes en 28 servicios diferentes. Los resultados muestran un aumento del 15% en el número total de referencias en los servicios que implementaron esta herramienta de IA, en comparación con el incremento del 6% observado en servicios que utilizaban métodos tradicionales de referencia (como formularios en línea). Además, se observó que la herramienta fue particularmente eficaz en aumentar el acceso a personas de minorías étnicas y de género. Las referencias de personas no binarias aumentaron un 235%, mientras que las referencias de personas de etnias minoritarias incrementaron un 31%.
El análisis temático de los comentarios cualitativos de más de 42,000 usuarios reveló que la naturaleza sin intervención humana de la herramienta fue un factor clave en su efectividad. Los usuarios expresaron que la privacidad ofrecida por el chatbot eliminaba el miedo al juicio o discriminación, especialmente en los grupos minoritarios, lo que facilitaba la búsqueda de ayuda. Otro hallazgo importante fue que la herramienta ayudó a los usuarios a comprender mejor su necesidad de tratamiento, lo que motivó un aumento en las referencias.
Para mejorar la accesibilidad, la herramienta también recolecta información clínica esencial durante el proceso de referencia, utilizando cuestionarios estandarizados como el PHQ-9 y el GAD-7, los cuales generalmente se completan en una llamada de evaluación posterior. Esta recolección inicial de datos reduce la carga administrativa en las primeras etapas de atención, agilizando el proceso y permitiendo que los pacientes se sientan más cómodos completando los formularios en su propio tiempo.
El artículo destaca los beneficios potenciales de esta tecnología para superar barreras comunes en el acceso a la atención de salud mental. Entre las barreras abordadas están el estigma asociado con la búsqueda de tratamiento, la falta de flexibilidad en los métodos tradicionales de referencia y la dificultad para encontrar información clara sobre cómo acceder a los servicios. Al proporcionar un método de autorreferencia accesible y fácil de usar, el sistema de IA parece haber logrado reducir la brecha de acceso para las poblaciones vulnerables.
Sin embargo, los autores también advierten sobre posibles efectos no deseados, como el aumento en los tiempos de espera debido a un mayor número de referencias. Aunque no se encontró que el uso de la herramienta afectara significativamente el número de evaluaciones clínicas completadas, se señala la necesidad de más investigaciones para garantizar que la eficiencia en el proceso de referencia se mantenga a largo plazo. Los resultados preliminares sugieren que la herramienta no solo facilita el acceso, sino que también puede tener efectos positivos en las tasas de recuperación de los pacientes, tal como se observó en estudios adicionales.
En conclusión, el artículo proporciona una visión alentadora sobre cómo las tecnologías habilitadas por IA, como Limbic Access, pueden jugar un papel crucial en la democratización del acceso a la atención de salud mental. Los hallazgos tienen implicaciones significativas para las políticas de salud pública y el diseño de futuros sistemas de atención, subrayando la importancia de abordar las barreras de acceso para grupos minoritarios mediante soluciones tecnológicas innovadoras y éticamente responsables.
