De la notificación a la prevención: cómo la IA está transformando la seguridad del paciente
Resumen:
La seguridad del paciente está entrando en una nueva etapa de evolución. Si bien en las últimas décadas los hospitales e instituciones de salud de todo el mundo fortalecieron sus procesos de notificación, investigación y aprendizaje a partir de eventos adversos, la inteligencia artificial amplía esta capacidad al permitir una actuación cada vez más preventiva.
En el séptimo artículo de la serie «IA en la Salud: Credibilidad, Seguridad e Impacto en la Práctica Clínica», analizamos cómo la IA aplicada a la salud está transformando la gestión de la seguridad del paciente al identificar patrones de riesgo, apoyar el análisis de incidentes y anticipar eventos adversos antes de que causen daños. El artículo explora cómo los modelos predictivos, los agentes de IA y los datos clínicos estructurados pueden fortalecer la toma de decisiones, ampliar la capacidad de los equipos y de los comités institucionales de seguridad del paciente, y generar beneficios reales en la calidad asistencial y la prevención de riesgos.
Principales temas abordados:
- La evolución de la seguridad del paciente: de la reacción a la prevención.
- Inteligencia artificial aplicada a la gestión de riesgos asistenciales.
- Limitaciones de los modelos tradicionales de notificación e investigación.
- Identificación temprana y prevención de eventos adversos.
- Aplicaciones prácticas de la IA en la seguridad del paciente.
- Gobernanza, datos estructurados y supervisión humana.
- Agentes de IA y el futuro de la seguridad asistencial.
Contenido:
La seguridad del paciente ha recorrido un largo camino desde la publicación del informe To Err Is Human (Errar es humano) por parte del Institute of Medicine de los Estados Unidos en el año 2000.
Ante los hallazgos de este y otros estudios, los sistemas de salud de todo el mundo estructuraron programas nacionales de seguridad del paciente, estableciendo requisitos de notificación, investigación y gestión de incidentes. La Organización Mundial de la Salud (OMS) reconoció la seguridad del paciente como una prioridad global, y las iniciativas de acreditación comenzaron a incorporar estándares cada vez más rigurosos para la gestión de riesgos asistenciales.
En las últimas décadas, la seguridad del paciente ha evolucionado de manera significativa. La creación de programas nacionales, regulaciones específicas y modelos estructurados de investigación permitió que los hospitales y demás instituciones de salud desarrollaran procesos más robustos para identificar, analizar y mitigar riesgos asistenciales.
Estos avances fueron fundamentales, pero existe una limitación importante: la mayor parte de los sistemas actuales todavía aprende, principalmente, de eventos que ya ocurrieron.
Cuando ocurre un incidente, este se registra, se investiga y se utiliza como fuente de aprendizaje para evitar su recurrencia. Este modelo aportó avances relevantes para la calidad asistencial, pero sigue siendo esencialmente reactivo.
Es justamente en este punto donde la inteligencia artificial comienza a transformar la gestión de la seguridad del paciente.
El desafío de los modelos reactivos
Los marcos regulatorios y los sistemas de calidad que estructuran la seguridad del paciente han madurado de forma significativa en la última década. El Plan de Acción Mundial para la Seguridad del Paciente de la OMS (2021–2030), los estándares de la Joint Commission International (JCI) y las normativas nacionales de los países occidentales establecieron criterios que elevaron el nivel de estructuración de los comités de seguridad del paciente en instituciones de salud de diferentes tamaños y contextos.
Sin embargo, las brechas siguen estando documentadas y vigentes.
Estudios publicados en el New England Journal of Medicine indican que los eventos adversos ocurren en aproximadamente una de cada cuatro hospitalizaciones en países de ingresos altos, y que cerca del 23% de estos eventos podrían haberse prevenido. El Office of Inspector General de los Estados Unidos identificó que el 43% de los eventos adversos en beneficiarios de Medicare eran prevenibles. La evidencia de distintos sistemas de salud sugiere que este patrón se repite en contextos diversos, independientemente del nivel de desarrollo o de la estructura regulatoria vigente.
Se estima que solo entre el 3% y el 5% de los eventos adversos detectados en los expedientes clínicos de pacientes hospitalizados son reportados por los profesionales de la salud en los hospitales. Los enfoques de seguridad actuales implican mediciones basadas principalmente en reportes voluntarios, los cuales detectan menos del 10% de los eventos adversos en general. Estos eventos se someten frecuentemente a extensos análisis de causa raíz mucho tiempo después de haber ocurrido, con conclusiones que pueden ser superficiales e imprecisas, y con recomendaciones que, a menudo, no se implementan.
El resultado es una paradoja: profesionales altamente calificados terminan invirtiendo gran parte de su energía en comprender el pasado, cuando podrían dedicar más tiempo a la prevención de riesgos futuros.
El cambio de paradigma: de registrar eventos a anticipar riesgos
El subregistro continúa siendo uno de los desafíos más críticos en la gestión de la seguridad del paciente. Las barreras culturales, la sobrecarga operativa y las limitaciones en los procesos de registro hacen que una parte de los incidentes nunca llegue a documentarse.
La principal contribución de la inteligencia artificial a la seguridad del paciente radica en su capacidad para identificar patrones de riesgo antes de que ocurra el daño. Al analizar grandes volúmenes de datos clínicos, asistenciales y operativos, los sistemas de IA logran reconocer señales que constantemente pasan desapercibidas en los análisis humanos o procesos manuales.
Esta capacidad permite que la organización deje de actuar exclusivamente tras la ocurrencia de un incidente e intervenga también de forma preventiva. En términos funcionales, la IA aplicada a la seguridad del paciente y a la gestión de incidentes opera en tres dimensiones que los modelos tradicionales no cubren de manera integrada:
- Agrupación y análisis de grandes volúmenes de datos de notificación, episodios de atención médica y registros de investigación, identificando patrones que los analistas humanos no podrían detectar manualmente.
- Identificación de factores contribuyentes a lo largo del tiempo, no solo en el evento aislado, sino en la trayectoria de las condiciones que preceden a su ocurrencia.
- Monitoreo continuo y sistemático de la efectividad de las acciones correctivas implementadas, cerrando el ciclo de mejora con base en evidencias y no solo en percepciones.
Para cerrar estas brechas, la tecnología debe evolucionar del simple registro a la vigilancia activa basada en patrones.
La diferencia no es solo de velocidad o volumen. La IA cambia la pregunta central de la gestión de la seguridad, pasando de «¿qué pasó?» a «¿qué está a punto de pasar y qué podemos hacer ahora mismo?».
Dónde la IA ya está generando impacto en la seguridad del paciente
Aunque muchos todavía asocian este tema con un escenario futuro, diversas aplicaciones ya demuestran resultados concretos en la práctica asistencial.
- Riesgo de caídas
Las caídas se mantienen entre los eventos adversos más frecuentes en las instituciones de salud. Los modelos predictivos basados en IA logran analizar simultáneamente factores como el historial clínico, los medicamentos en uso, la movilidad, las alteraciones neurológicas y los signos vitales para estimar el riesgo individual de cada paciente en tiempo real.
Este análisis permite implementar medidas preventivas antes de que el evento ocurra, logrando un enfoque más preciso y dinámico.
- Infecciones asociadas a la atención de la salud (IAAS)
Las infecciones asociadas a la atención de la salud siguen estando entre las principales causas de daños prevenibles. Los algoritmos entrenados con grandes bases de datos pueden identificar patrones clínicos asociados al desarrollo de infecciones incluso antes de que se manifiesten los síntomas de forma evidente, convirtiéndose en una herramienta clave para la intervención temprana de los equipos asistenciales.
- Eventos adversos relacionados con el uso de medicamentos
La administración de medicamentos implica un alto volumen de decisiones clínicas y múltiples factores de riesgo. La IA puede respaldar este proceso al analizar prescripciones, el historial clínico, la función renal, las interacciones medicamentosas y los registros previos, alertando sobre situaciones que requieren atención antes de que el medicamento sea administrado. En estos escenarios, la tecnología no sustituye al profesional de la salud, sino que amplía su capacidad para identificar riesgos y tomar decisiones más seguras.
- La IA en salud exige más que tecnología
El potencial de la inteligencia artificial no depende únicamente de la calidad de los algoritmos. En el ámbito de la salud, la generación de valor está directamente relacionada con la calidad de los datos utilizados, la validación clínica de los modelos, la transparencia de los resultados y la existencia de una supervisión humana adecuada.
Por ello, las organizaciones de referencia han tratado a la IA como una herramienta de apoyo para la toma de decisiones y no como un sustituto del juicio clínico. La confianza en la tecnología se construye cuando los profesionales logran comprender cómo opera, qué datos utiliza y qué evidencias sustentan sus recomendaciones. En síntesis: una IA confiable exige una gobernanza confiable.
La evolución más reciente de la inteligencia artificial va más allá del análisis de datos. Los agentes de IA representan una nueva generación de sistemas capaces de ejecutar tareas específicas de forma autónoma, siempre dentro de parámetros previamente definidos y supervisados.
En el contexto de la seguridad del paciente, estos agentes pueden monitorear continuamente la información disponible, identificar patrones de riesgo, apoyar en la clasificación de incidentes, organizar datos para la investigación y dirigir la atención de los equipos hacia las situaciones prioritarias.
En la práctica, funcionan como una capa adicional de inteligencia operativa, ampliando la capacidad de acción de los Comités de Seguridad del Paciente sin sustituir la evaluación humana. El objetivo no es automatizar las decisiones clínicas, sino permitir que los profesionales tengan un acceso más rápido a la información relevante e intervengan de una manera más estratégica.
La base para esta transformación ya existe
Si la inteligencia artificial depende de datos estructurados, la pregunta deja de ser meramente tecnológica y se vuelve operativa. Es en este contexto donde la experiencia acumulada durante los últimos años cobra relevancia.
Epimed construyó su trayectoria en seguridad del paciente con base en metodologías reconocidas internacionalmente, taxonomías estandarizadas y procesos estructurados de investigación y monitoreo.
A lo largo de este camino, miles de notificaciones, investigaciones y planes de acción se registraron de manera estructurada y rastreable. Esta base representa un elemento esencial para el desarrollo de aplicaciones de IA clínicamente relevantes: datos consistentes, comparables y generados dentro de la realidad asistencial.
La seguridad del paciente evolucionó de la reacción a la gestión sistemática de riesgos. La tecnología necesaria para respaldar esta transformación ya existe, al igual que el conocimiento científico.
El factor de diferenciación radicará cada vez más en la capacidad de las instituciones para administrar sus datos, fortalecer su gobernanza y crear las condiciones para que la inteligencia artificial genere un valor real tanto para los profesionales como para los pacientes.
Las instituciones que ya operan con sistemas estructurados de gestión de la seguridad se encuentran en una posición significativamente más favorable para incorporar la IA con resultados clínicos reales. Aquellas que aún no han realizado esta estructuración están, efectivamente, retrasando el acceso a una capacidad que ya está disponible.
Porque, en la seguridad del paciente, el dato más importante no siempre es el que ya se registró. Puede ser, precisamente, aquel que todavía permite evitar el próximo incidente.
__________________________________________________________________________________________
Referencias
World Health Organization (WHO). Global Patient Safety Action Plan 2021–2030. Geneva: WHO; 2021.
Bates DW, Levine D, Syrowatka A, et al. The potential of artificial intelligence to improve patient safety: a scoping review. NPJ Digit Med. 2021;4(1):54. doi:10.1038/s41746-021-00423-6
Kohn LT, Corrigan JM, Donaldson MS (Eds.). To Err Is Human: Building a Safer Health System. Washington, DC: National Academies Press; 2000.
Lucian Leape Institute. Patient Safety and Artificial Intelligence: Opportunities and Challenges for Care Delivery. Boston: Institute for Healthcare Improvement; 2024.
Ratwani RM, Bates DW, Classen DC. Patient safety and artificial intelligence in clinical care. JAMA Health Forum. 2024;5(2):e235514.
__________________________________________________________________________________________
Esta es la séptima publicación de la serie editorial «IA en la Salud: Credibilidad, Seguridad e Impacto en la Práctica Clínica», producida por Epimed Solutions.
Autora: Laiane Silva, enfermera, MBA en gestión de la calidad (UFF) y gestión de proyectos (USP). Gerente de Producto en Epimed Solutions, responsable de las soluciones de seguridad del paciente. Experiencia en gestión de la calidad, acreditación en salud, y desarrollo de productos digitales y aplicaciones de IA.
