Autor(es): Max Rollwage, Keno Juchems, Johanna Habicht, Ben Carrington, Tobias Hauser, Ross Harper
Año: 2022
Referencia bibliográfica:
Rollwage, M., Juchems, K., Habicht, J., Carrington, B., Hauser, T., & Harper, R. (2022). Conversational AI Facilitates Mental Health Assessments and Is Associated with Improved Recovery Rates. medRxiv. https://doi.org/10.1101/2022.11.03.22281887
Categoría asignada: Asistencia sanitaria pública
Resumen:
El artículo Conversational AI Facilitates Mental Health Assessments and Is Associated with Improved Recovery Rates, escrito por Max Rollwage y su equipo, analiza el uso de inteligencia artificial conversacional (IA) en los servicios de salud mental, específicamente dentro del sistema del NHS (Servicio Nacional de Salud) en Inglaterra. La investigación se centra en cómo una herramienta de autoderivación impulsada por IA, llamada Limbic Access, mejora las tasas de recuperación de pacientes con enfermedades mentales leves a moderadas al facilitar el proceso de evaluación clínica y la derivación.
El contexto de esta investigación parte de una problemática creciente en los sistemas de salud mental a nivel mundial: la demanda de atención psicológica ha aumentado debido a la pandemia de COVID-19, y la oferta de profesionales de salud mental no es suficiente. Esto ha generado un desequilibrio en la relación entre la oferta y la demanda de servicios psicológicos, lo que resulta en largos tiempos de espera y, en consecuencia, peores resultados para los pacientes. En este sentido, las soluciones digitales como la IA se han propuesto como una estrategia eficaz para mejorar el acceso a los servicios y reducir la carga de trabajo del personal.
El estudio se basa en la implementación del Limbic Access en servicios de salud mental del NHS en el marco del programa IAPT (Improving Access to Psychological Therapies), que atiende a adultos con problemas de salud mental comunes. El sistema de IA es capaz de recolectar datos clínicos básicos a través de un chatbot que guía a los pacientes en su proceso de autoderivación, recopilando información sobre sus síntomas mediante cuestionarios estandarizados como el PHQ-9 (Evaluación de Depresión) y el GAD-7 (Evaluación de Ansiedad Generalizada).
Los resultados clave indican que los servicios que utilizaron esta herramienta de IA observaron una mejora en sus tasas de recuperación, en comparación con servicios similares que no utilizaron la IA. En concreto, la tasa de recuperación aumentó del 47.1 % al 48.9 % tras la implementación de Limbic Access. En contraste, otros servicios del NHS que no emplearon la herramienta vieron una disminución en sus tasas de recuperación durante el mismo periodo. Este aumento en las tasas de recuperación fue estadísticamente significativo, lo que sugiere que la IA puede tener un impacto positivo tangible en la calidad del tratamiento y la eficiencia del servicio.
Uno de los aspectos más importantes de la investigación es la análisis económica, que demuestra que el uso de esta herramienta de IA es más rentable que otras alternativas para mejorar las tasas de recuperación. Se estima que el costo por cada paciente adicional recuperado usando la herramienta de IA está entre £103.64 y £207.28, en comparación con otros métodos que pueden costar más de £1000 por paciente adicional recuperado, como la oferta de sesiones adicionales de terapia.
El estudio también aborda los desafíos y limitaciones, como la necesidad de más investigación para determinar si los resultados positivos son el resultado directo de una mejor evaluación clínica o si la herramienta simplemente libera tiempo para que los profesionales de salud se concentren en tareas más complejas. Asimismo, se discuten posibles factores confusos, como las diferencias culturales entre los servicios que adoptan la IA y aquellos que no, aunque se realizaron controles estadísticos para mitigar estos efectos.
En conclusión, el uso de herramientas de autoderivación basadas en IA, como Limbic Access, no solo mejora las tasas de recuperación de los pacientes con problemas de salud mental en el sistema IAPT, sino que también ofrece una solución costo-efectiva para abordar la sobrecarga de los servicios de salud mental. Los autores recomiendan su adopción más amplia, especialmente en sistemas de salud que enfrentan una creciente demanda de servicios de salud mental y recursos limitados.
