Mejorando la adherencia en el tratamiento de Chagas: El potencial de la IA conversacional
Por Martín Langsam, Fellow en Salud Digital
La enfermedad de Chagas constituye uno de los principales problemas de salud pública en el continente americano, debido no solo a las complicaciones en la salud de un alto porcentaje de las personas que la padecen, sino también por las consecuencias sociales y laborales para los afectados y por el alto costo que representa para los servicios de salud el manejo de sus complicaciones [1]. Luego de la malaria y la esquistosomiasis, el Chagas es la tercera enfermedad parasitaria endémica en América Latina. Según estudios realizados por la OPS, en América Latina, hay entre 6 y 8 millones de personas infectadas y cada año se producen aproximadamente 30.000 nuevos casos por transmisión vectorial y otros 8.000 por transmisión congénita. A la vez cerca de 65 millones de personas tienen riesgo de contraer esta infección, que causa aproximadamente de 12.000 muertes anuales [2].
En Argentina, la mayor prevalencia de esta enfermedad coincide demográficamente con zonas socialmente vulnerables [3], sin embargo existen diferencias notables entre las áreas endémicas y las no endémicas. Las primeras se encuentran, generalmente, en regiones rurales y peri-urbanas, y la prevalencia se explica por la presencia continua de los vectores de transmisión. Estas áreas enfrentan desafíos específicos, tales como la exposición constante a los vectores, la precariedad habitacional y la falta de acceso a servicios de diagnóstico y tratamiento adecuados. Por otro lado, en las zonas no endémicas, predominantemente urbanas y alejadas geográficamente de los vectores de transmisión, la enfermedad es menos común y a menudo se asocia con casos importados o casos debidos a la transmisión congénita. En estas zonas, aunque la incidencia suele ser menor, aún existen desafíos relacionados con la detección temprana, el diagnóstico oportuno y, sobre todo, la adherencia al tratamiento.
La baja adherencia al tratamiento de Chagas tiene consecuencias graves, como el empeoramiento de los síntomas, la progresión de la enfermedad y la potencial transmisión a otras personas. Factores como la falta de educación sobre la enfermedad, la carencia de acceso a los medicamentos y la ausencia de seguimiento médico adecuado contribuyen a esta problemática. En particular, la baja tasa de adherencia al tratamiento puede estar vinculada a la falta de comprensión de la importancia del tratamiento continuo y a otros obstáculos socioeconómicos que dificultan su conclusión.
El uso de SMS y otros dispositivos con historial probado
El uso de mensajes de texto (SMS) y otros dispositivos similares ha demostrado ser efectivo respecto para mejorar la adherencia a tratamientos médicos de distinto tipo. Los mensajes de texto recordatorios, por ejemplo, pueden ayudar a los pacientes a cumplir con su régimen de medicación, a la vez que otros dispositivos como las alarmas o las aplicaciones móviles ofrecen funcionalidades similares y han demostrado resultados positivos en la mejora de las tasas de adherencia y cumplimiento efectivo de dichos regímenes. Se estima que entre el 50% y el 60% de los pacientes con enfermedades crónicas incumplen o abandonan su tratamiento, y se ha demostrado que el uso de mensajes de texto o aplicaciones móviles ha sido beneficioso para mejorar la adherencia en hasta el 65% de los estudios evaluados en una revisión sistemática [4].
¿Cómo puede la IA conversacional mejorar esta experiencia?
Aunque los recordatorios vía SMS son efectivos para mejorar la adherencia al tratamiento, la inteligencia artificial (IA) conversacional ofrece una experiencia más personalizada y superadora. A diferencia de los mensajes de texto estáticos, la IA conversacional puede simular una conversación real y adaptarse a las necesidades y preferencias individuales de cada usuario, también puede utilizar algoritmos avanzados para analizar y comprender el comportamiento y las preferencias del usuario. Esto permite que los recordatorios sean más específicos y se ajusten a las necesidades de cada persona. A la vez, la IA puede recopilar datos y proporcionar retroalimentación sobre el progreso del tratamiento, registrar los síntomas y/o efectos adversos ocurrentes y brindar recomendaciones prácticas que faciliten el cumplimiento efectivo. Esta retroalimentación continua y personalizada puede ayudar a los usuarios a mantenerse motivados y comprometidos con su tratamiento.
En resumen, la IA conversacional ofrece una experiencia superior a la metodología de recordatorios vía SMS al proporcionar interacciones personalizadas, respuestas interactivas, retroalimentación continua y flexibilidad en las alternativas de atención. Por lo tanto, es esperable que a través de la IA se generen herramientas más efectiva a la hora de mejorar la adherencia a los tratamientos médicos y por lo tanto se pueda brindar, entre otras cosas, un apoyo integral a los pacientes en su camino hacia una mejor salud.
Efectos medibles del uso de la IA conversacional en la adherencia
La medición de resultados en la aplicación de la IA conversacional es esencial para evaluar la eficacia de las intervenciones y realizar los ajustes necesarios. Como en todos los casos en los que se aplican tecnologías sanitarias innovadoras, tanto la recopilación sistemática como el análisis de la información producida permiten comprender mejor su impacto y proporcionar evidencia sólida para respaldar su implementación y adopción en el ámbito sanitario.
Por lo tanto es importante destacar también que aunque la evidencia existente hasta ahora sea prometedora, la implementación de soluciones basadas en IA debe ser cuidadosamente evaluada en el contexto específico de cada sistema de salud. En este sentido, la madurez en el desarrollo de la IA en salud en la región de América Latina y El Caribe se encuentra todavía en una fase de carácter exploratorio [5].
Teniendo en cuenta esta situación, desde la Fundación Bunge y Born, en alianza con CatalisIA, una empresa argentina experta en el desarrollo de la IA aplicada a la salud, estamos desarrollando una prueba piloto que permitirá evaluar el rol de la IA conversacional como herramienta para acompañar el tratamiento de pacientes con Chagas y mejorar las tasas de adherencia a dicho tratamiento en el ámbito de Ciudad Autónoma de Buenos Aires.
Para concluir
La baja adherencia al tratamiento de Chagas representa un desafío significativo en la lucha contra esta enfermedad. Sin embargo, el uso de IA conversacional ofrece una prometedora solución para mejorar la adherencia y, en última instancia, el resultado del tratamiento. Al proporcionar recordatorios personalizados, información específica y apoyo continuo, la IA conversacional puede empoderar a los pacientes y mejorar la atención sanitaria efectiva en el manejo del Chagas. Es fundamental seguir investigando y desarrollando estas soluciones para maximizar su impacto en la salud de las personas afectadas por esta enfermedad devastadora.
Bibliografía
[1] Ministerio de Salud de la Nación (2010) Guía para el equipo de Salud N° 7. Enfermedades infecciosas: Chagas. C.A.B.A. Argentina. [2] Organización Panamericana de la Salud (2022) Atención de la enfermedad de Chagas: estrategias para optimizar la atención de las personas infectadas por Trypanosoma cruzi. Washington, DC: OPS; 2022. [3] Fundación Bunge y Born (2018). Detección de Zonas de Alta Prevalencia Potencial de Chagas en Argentina. Una aplicación de big data para la identificación de potenciales focos de una enfermedad infecciosa endémica. FBB. Documento de trabajo 2018-02. [4] .Anglada‐Martinez, H., Riu‐Viladoms, G., Martin‐Conde, M., Rovira‐Illamola, M., Sotoca‐Momblona, J. M., & Codina‐Jane, C. (2015). Does mHealth increase adherence to medication? Results of a systematic review. International journal of clinical practice, 69(1), 9-32. [5] CLIAS (2023) El impacto de la inteligencia artificial en la atención de la salud. Perspectivas y enfoques para América Latina y el Caribe. Documento técnico número 1. Centro de Inteligencia Artificial y Salud para Latinoamérica y el Caribe. IECS-CIPS, Argentina.
