Una mirada práctica al uso de IA generativa para mejorar la experiencia y los resultados reportados por los pacientes

En los últimos años, el uso de agentes conversacionales basados en modelos de lenguaje (LLMs) ha cobrado gran relevancia en salud. Sin embargo, más allá de responder preguntas o asistir en tareas básicas, existe un potencial mucho mayor que está empezando a explorarse: capturar información clínicamente valiosa, directamente desde el paciente.

Dos conceptos clave en esta línea son los PREMs (Patient-Reported Experience Measures) y los PROMs (Patient-Reported Outcome Measures). Aunque no son nuevos en la literatura científica, su implementación sistemática y escalable en entornos reales sigue siendo un reto. Los agentes conversacionales, correctamente diseñados e integrados, pueden ser la puerta de entrada para que esta información cobre vida y utilidad clínica.

¿Qué son los PREMs y PROMs?

• PREMs: Son medidas que capturan la experiencia del paciente durante su atención médica. Evalúan aspectos como la comunicación con el equipo médico, tiempos de espera, nivel de confianza, respeto y percepción general del servicio recibido.

• PROMs: Son reportes que provienen directamente del paciente sobre su estado de salud, síntomas, calidad de vida o funcionalidad tras una intervención. No se basan en la interpretación clínica del profesional, sino en la autoevaluación del propio paciente.

Ambos enfoques sitúan al paciente en el centro y proporcionan una visión complementaria a los datos clínicos tradicionales.

¿Por qué usar agentes conversacionales para capturar esta información?

Los agentes conversacionales, cuando se apoyan en modelos de IA generativa (como GPT o similares), ofrecen una vía natural, empática y eficiente para recoger información. En lugar de forzar a los pacientes a completar formularios complejos, es posible entablar una conversación guiada, comprensible y adaptada a cada contexto.

Pero para que esta interacción no quede en un simple chat, es fundamental estructurar el resultado. Aquí es donde entra la interoperabilidad.

Del lenguaje natural a la estructura clínica: FHIR, openEHR y OMOP

La clave para que esta información sea útil en sistemas de salud está en su estructuración e interoperabilidad. No basta con tener los datos: hay que hacerlos compatibles con el ecosistema clínico.

• FHIR permite representar tanto recursos clínicos como administrativos, incluyendo cuestionarios, observaciones y reportes del paciente.

• openEHR ofrece una arquitectura robusta para gestionar este tipo de datos semiestructurados a lo largo del tiempo.

• OMOP CDM facilita el análisis poblacional de datos de salud, útil para estudios de calidad o investigación.

Al integrar los agentes conversacionales con estos estándares, se puede lograr que los PREMs y PROMs capturados sean interoperables, trazables, auditables y clínicamente reutilizables.

La seguridad no es opcional: seudonimización y anonimización

Un aspecto crítico en todo este flujo es la protección de datos del paciente. En caso de brechas de seguridad o accesos no autorizados, contar con técnicas como la seudonimización o anonimización puede marcar la diferencia.

• La seudonimización, cuando está bien implementada, permite que la información sea utilizada con propósitos clínicos o analíticos sin revelar directamente la identidad del paciente.

• La anonimización elimina cualquier posibilidad razonable de reidentificación, ideal para entornos de investigación o pruebas.

Ambas técnicas son promovidas por normativas como el GDPR en Europa y la HIPAA en EE. UU., y deben formar parte del diseño desde el inicio de cualquier solución basada en IA.

Conclusión

Los agentes conversacionales pueden ser una poderosa herramienta para capturar la experiencia y los resultados reportados por los pacientes. Pero su valor real solo se concreta cuando:

 La información se estructura con estándares clínicos (FHIR, openEHR, OMOP)
Se protege adecuadamente la privacidad (seudonimización, anonimización)
Se genera un circuito de retroalimentación real para profesionales y gestores.

En Kainos Health trabajamos precisamente en eso.

¿Quieres explorar cómo incorporar agentes de IA clínicamente útiles en tu organización?

📬 Escríbenos y comencemos a co-crear la salud del futuro.
👉 contacto@kainos-health.com

Autor: Equipo de redacción Kainos Health