La alta incidencia de enfermedades crónicas y la falta de adherencia (o adherencia inadecuada) a los tratamientos farmacológicos y no farmacológicos por parte de los pacientes representan graves problemas en términos de salud pública, constituyendo un desafío creciente para las diferentes instituciones y profesionales de la salud involucrados.¹

En promedio, uno de cada tres pacientes abandona su tratamiento antes de lo recomendado² y entre el 30% y el 50% de los medicamentos recetados para enfermedades crónicas no se toman según las indicaciones.³ De hecho, más del 30% de los pacientes nunca recogen su primera prescripción.²

Lamentablemente estas cifras contribuyen a que haya decenas de miles de decesos al año. Para dar un ejemplo, en Europa 200 mil muertes prematuras anuales están relacionadas con la falta de adherencia.²

El incumplimiento de los planes terapéuticos definidos puede provocar complicaciones clínicas además de estrés físico y emocional causado por la necesidad de hospitalizaciones sucesivas, lo que conduce a implicaciones económicas y financieras, incluso a nivel de los sistemas de salud.¹

La adherencia es un comportamiento repetido y continuo, si los pacientes no siguen su tratamiento necesitan algo que los ayude a cambiar sus hábitos. El uso de intervenciones conductuales basadas en la evidencia y la teoría puede influir en la salud del paciente.⁴

Los avances en tecnología y ciencias del comportamiento nos brindan herramientas para pasar de pensar en cómo tratar la enfermedad a cómo tratar a las personas.⁴

Las ciencias del comportamiento en acción

Dentro de las ciencias del comportamiento podemos encontrar el marco COM-B, el cual divide todos los factores que influyen en la falta de adherencia en tres grupos: capacidad, oportunidad y motivación. Es, a su vez, la base para decidir cómo abordar el problema tomando en cuenta las condiciones particulares de cada paciente.⁵

Las capacidades que influyen en la falta de adherencia pueden ser físicas como falta de destreza o deglución, y psicológicas como problemas de memoria, déficit de conocimiento o imposibilidad de planificación.⁵

En cuanto a la falta de oportunidades que afecta la adherencia, estas se dividen en sociales –por ejemplo, fallas en la comunicación con el profesional de la salud o falta de apoyo– y físicas, como problemas de acceso a la salud o financieros.⁵

Las motivaciones se dividen en reflexivas, es decir, creencias negativas sobre la enfermedad y el tratamiento, y automáticas, entendidas como depresión, emociones y hábitos. Estas son las causas que más influyen en que los pacientes sigan o no el tratamiento.⁵

El rol de los profesionales de la salud

Entre los factores que contribuyen a la falta de adherencia se encuentra la incredulidad en el tratamiento, la falta de motivación y el deterioro de la relación entre el profesional de la salud y el paciente.¹

Los pacientes se adhieren cuando encuentran algún sentido tangible de que el medicamento prescrito o el cambio de hábitos contribuirán a resultados positivos relativamente inmediatos.¹

Por ejemplo, con los medicamentos hipoglucémicos el cumplimiento óptimo del tratamiento está estrechamente relacionado con una relación de confianza entre los profesionales de la salud y los pacientes.¹

La complicidad entre el paciente y el médico (la sensación del paciente de que sus necesidades y preocupaciones, durante las consultas médicas, fueron escuchadas y atendidas) predice la calidad de la adherencia al tratamiento farmacológico a largo plazo, contribuyendo a la prevención de complicaciones y, cuando se establece, a una mayor eficacia en su control.¹

Los sistemas de salud deben evolucionar hacia una mayor eficiencia que garantice  seguimiento clínico, farmacéutico y social a todos los pacientes, y adecuado a cada necesidad, así como minimizar las posibles complicaciones naturales y económicas que comprometan la calidad y esperanza de vida de los pacientes.¹

Descubre el papel que jugó el monitoreo remoto durante la pandemia.

La inteligencia artificial (IA) es una tecnología basada en el modelo de redes neuronales del cerebro que utiliza múltiples capas de algoritmos, deep learning y computación cognitiva para el procesamiento de datos y que, puesta al servicio de la ciencia médica, está revolucionando el saber y accionar de los profesionales de la salud.¹

En años recientes, la IA se ha incorporado a la medicina como auxiliar en el mejoramiento de la atención al paciente: acelera los procesos y logra una mayor precisión diagnóstica. Hoy en día, las imágenes radiológicas, las preparaciones de anatomía patológica y los registros médicos electrónicos de los pacientes se evalúan mediante aprendizaje automático, ayudando tanto en el proceso de diagnóstico como en el propio tratamiento de los pacientes.²

Existen muchos programas informáticos de apoyo al diagnóstico que han ido mejorando su aprendizaje a través de su uso repetido y continuo. Por ejemplo, en el campo de procesamiento e interpretación de imágenes, los algoritmos basados en inteligencia artificial mejoran la calidad y precisión del diagnóstico ya que son excelentes para reconocer automáticamente patrones complejos en los datos de imágenes, eliminan el ruido en las imágenes ofreciendo una mayor calidad y permiten establecer modelos tridimensionales a partir de imágenes de pacientes concretos.²

La inteligencia artificial en la atención del cáncer de mama

Los programas de detección de cáncer de mama se implementan actualmente en la mayoría de los países desarrollados, pues han demostrado aumentar la detección temprana de la enfermedad, lo que conduce a un mejor pronóstico y reducción en las tasas de mortalidad.³

Por décadas, la mastografía ha sido la herramienta de primera línea en la detección del cáncer de mama, con más de 200 millones de mujeres examinadas cada año en todo el mundo. Sin embargo, aún existen limitantes en la sensibilidad y especificidad de las máquinas, incluso con los avances tecnológicos más recientes. De hecho, durante un cribado, hasta 30% a 40% de los cánceres de mama pueden no ser detectados.³

Debido al creciente interés en la implementación de la IA en la imagenología médica, se han desarrollado múltiples algoritmos basados en deep learning, los cuales se han aplicado a la mastografía digital. Investigaciones preliminares demuestran que los sistemas basados en inteligencia artificial para interpretar mastografías pueden mejorar la eficiencia de los radiólogos en cuanto a sensibilidad, especificidad y tiempo.³

Tal es el caso de MammoScreen®, una solución diseñada para identificar riesgos de cáncer de mama en mastografías digitales bidimensionales, en regiones donde existe sospecha de su presencia, así como evaluar la probabilidad de malignidad. Dicho sistema toma como dato de entrada el set completo de cuatro vistas que comprenden la mastografía (imágenes craneocaudales izquierda y derecha; y mediolateral oblicua) y entrega una serie de tomas posicionales con un puntaje de sospecha asociado.³

El sistema combina dos grupos de redes neuronales convolucionales profundas (el grupo “imagen” interpreta las mamografías y les asigna un puntaje, y el grupo “lesión” detecta regiones de interés y determina si el hallazgo es una calcificación o lesión de tejido blando) con un módulo de agregación³ y, basándose en distintos casos interpretados por radiólogos expertos, además del uso de avanzadas técnicas de deep learning, las redes neuronales de MammoScreen® detectan y caracterizan resultados sospechosos.⁴

El módulo de agregación, por su parte, combina las predicciones de ambos grupos para formar la imagen de predicción final. Asigna un nuevo valor al hallazgo más significativo, y en el resto se obtienen resultados que varían de acuerdo con su relevancia. De esta forma se asegura la óptima integración entre ambas partes, de modo que un resultado fuertemente positivo –o negativo– es posible solo cuando los dos grupos coinciden totalmente.³

Con ayuda de la inteligencia artificial, el software reúne diferentes familias de algoritmos de aprendizaje automatizado –machine learning– para llevar a cabo una amplia variedad de tareas como detección de hallazgos, interpretación del nivel de sospecha y relación de hallazgos desde múltiples puntos de vista. De igual forma, el algoritmo de la solución vincula la caracterización de la malignidad del tumor, al nivel de la mastografía, con los hallazgos específicos.⁴

Las herramientas tecnológicas enfocadas en la IA siguen encontrando una infinidad de aplicaciones como son el 3D, machine o deep learning, imagenología y telesimulación, entre otros, con el fin de no solo detectar un diagnóstico certero, sino crear otros tipos de combinaciones para generar algoritmos que, unidos a los datos clínicos y a las imágenes, puedan dar una predicción exacta, lo que se traduzca en un buen tratamiento para el paciente.¹

Conoce cómo se aplica la IA a la atención médica en: La evolución de las prótesis inteligentes y el tacto artificial.

Durante siglos, las prótesis han buscado restaurar por completo la apariencia de extremidades faltantes y sustituir sus funciones cotidianas como cocinar, comer o vestirse.¹ Este camino ha generado mecanismos altamente complejos para imitar una amplia gama de movimientos e interfaces de control para comunicarse con el dispositivo protésico.²

Ya están disponibles materiales capaces de soportar en gran medida las demandas físicas y mecánicas de las prótesis. Ahora, el camino para las prótesis es la inteligencia artificial, la cual se centra en convertirlas en dispositivos adaptables, capaces de aprender y sensibles a un entorno que cambia constantemente.²

El Internet de las cosas (IoT, por sus siglas en inglés) es clave para seguir esta nueva ruta ya que permite la recopilación remota de datos, la visualización en tiempo real, la reprogramación de las prótesis inteligentes a través de Wi-Fi y la transferencia de información a una nube.¹

Por ejemplo, el prototipo Ubi-Sleeve registra en prótesis de extremidades inferiores varias señales como temperatura, humedad e identificación de deslizamiento. Otros prototipos han mostrado la viabilidad de transmitir señales mioeléctricas y datos de sensores a un servidor en la nube para determinar un patrón de agarre y recibir el comando del motor para accionar una pinza robótica.¹

En busca del tacto artificial

El sentido del tacto no solo refleja la respuesta corporal a estímulos físicos externos (por ejemplo, temperatura, humedad y presión), también identifica una serie de parámetros psicológicos basados en la extracción y análisis de la información por parte del cerebro, como el reconocimiento de texturas y rugosidad.³

Sin embargo, como estos parámetros psicosensoriales son difíciles de cuantificar, sigue siendo complicado simular la percepción táctil humana para determinar el tipo y la rugosidad de los materiales, lo cual es crucial para la interacción entre sistemas robóticos inteligentes y el medio ambiente, tanto en el contexto de la clasificación industrial como de la vida cotidiana de las personas con limitaciones físicas que dependen de las prótesis.³

El efecto triboeléctrico se refiere a la electrificación inducida por contacto que se produce en varias interfaces. Los nanogeneradores triboeléctricos pueden convertir la energía mecánica en señales eléctricas y se han utilizado ampliamente como dispositivos de recolección y detección de energía, como biosensores y sensores médicos implantables.³

Científicos en China desarrollaron un dedo inteligente triboeléctrico que superó la percepción táctil humana para su uso en robots inteligentes o prótesis artificiales. Se le integró un conjunto de sensores compuesto por varios materiales típicos en diferentes posiciones de la serie triboeléctrica, la cual podía identificar el tipo y la rugosidad de los materiales en función de la detección triboeléctrica.³

El procesamiento de datos basado en machine learning minimizó la interferencia ambiental, mejorando sustancialmente la precisión de la identificación de materiales hasta el 96.8%. El módulo de comunicación y visualización inalámbrica integrado en el dedo inteligente permitió que los resultados del reconocimiento se presentaran de forma más intuitiva.³

Cuando el dedo inteligente tocó el material a probar, la información de reconocimiento se proyectó directamente en una pantalla OLED. Este prototipo es una muestra de la nueva era en el modelado de la percepción táctil humana.³

El aporte de la impresión 3D en las prótesis inteligentes

Muchos amputados abandonan sus brazos y muñecas protésicas porque el peso y las dimensiones de varias prótesis pueden causar molestias y problemas de coordinación. Estas complicaciones a menudo surgen cuando las prótesis no se ajustan correctamente a la persona amputada.⁴

La impresión 3D permite el desarrollo de prótesis más ligeras que se pueden modificar fácilmente para adaptarse al amputado. Es importante aprovechar la nueva tecnología proporcionada por las impresoras 3D para que las prótesis sean asequibles para todas las personas amputadas. De lo contrario, quienes no reemplazan su extremidad faltante pueden experimentar complicaciones en sus otras extremidades, como lesiones y artritis.⁴

Conoce más sobre lo último de la tecnología aplicada a la atención médica en: La Inteligencia Artificial como asistente para salvar vidas.

• Hay muchas razones, algunas modificables, por las que los pacientes no se adhieren a los tratamientos para las enfermedades cardiovasculares, por lo tanto, se necesita un marco integral para evaluar y comprender la adherencia.¹
• El sistema COM-B es un marco para comprender el comportamiento que se ha aplicado a la adherencia, que abarca la capacidad, la oportunidad y la motivación.^2,3
• COM-B permite una comprensión precisa de la relación entre el individuo y la adherencia, lo que facilita la identificación de las intervenciones adecuadas para los pacientes.²

EXISTE LA NECESIDAD DE UN MARCO INTEGRAL PARA EVALUAR LA ADHERENCIA

Las revisiones sistemáticas de la no adherencia indican que hay una miríada de razones por las que los pacientes pueden no adherirse a sus regímenes de tratamiento.¹

Estos incluyen razones modificables que pueden ser objeto de cambio, como el conocimiento y la comprensión del paciente de su enfermedad, el apoyo disponible para ellos y causas no modificables, como la edad y el sexo.¹

Una revisión de 51 revisiones sistemáticas que cubren 19 categorías de enfermedades diferentes y que evalúan la falta de adherencia a las terapias crónicas identificó más de 750 elementos de factores individuales. La gran mayoría de estos estaban relacionados con la implementación del tratamiento, con una pequeña proporción relacionada con la persistencia.¹

Específicamente en la enfermedad cardiovascular, las razones de la falta de adherencia varían. Los estudios han sugerido que los medicamentos pueden suspenderse comúnmente debido a efectos secundarios, confusión sobre la prescripción, costo o desconfianza de la terapia o del sistema de atención médica.⁴ Otros factores vinculados incluyen problemas psicosociales, como la depresión⁵. la adherencia puede variar dependiendo de otros factores externos; La no adherencia a la medicación puede ser relativamente baja inicialmente después de un evento cardiovascular, pero generalmente aumenta con el tiempo.⁶

En conjunto, estos problemas sugieren que las intervenciones multifacéticas pueden ser la forma más eficaz de abordar la adherencia insatisfactoria; un ejemplo de ello puede ser el apoyo social práctico de amigos y familiares.⁷

COM-B ES UN NUEVO ENFOQUE PARA CLASIFICAR LAS CAUSAS DE LA FALTA DE ADHERENCIA

El sistema COM-B es un marco para comprender el comportamiento.³

Los factores que influyen en los comportamientos relacionados con la salud se pueden clasificar en tres grandes grupos:^2,3

El modelo plantea la hipótesis de que la interacción entre estos tres componentes provoca el comportamiento. Cada uno puede afectar el comportamiento directamente; y, además, la oportunidad y la capacidad pueden influir en la motivación y, por lo tanto, afectar el comportamiento. El marco COM-B es un modelo dinámico: el desempeño de un comportamiento puede, a su vez, influir en la capacidad, la oportunidad y la motivación.²

Este marco general se ha aplicado ahora a la adherencia. Se pretende que sea un punto de partida para elegir intervenciones que tengan mayor probabilidad de ser efectivas en la práctica clínica.²

HABILIDAD

La definición de capacidad es la capacidad del individuo, tanto psicológica como física, para participar en la actividad en cuestión, incluida la posesión de los conocimientos y habilidades necesarios para hacerlo.³

Los factores psicológicos en relación con la adherencia incluyen la comprensión de la enfermedad y el tratamiento, el pensamiento cognitivo (por ejemplo, la memoria, la capacidad de juicio, el pensamiento) y la función ejecutiva (por ejemplo, la capacidad de planificar).²

Las capacidades físicas son importantes para permitir que los pacientes se adapten a los cambios de estilo de vida (por ejemplo, la dieta o los comportamientos sociales). La destreza, o la capacidad de tragar, también puede ser importante para permitir que los pacientes tomen sus medicamentos de manera adecuada.²

OPORTUNIDAD

La oportunidad se define como todos los factores que hacen posible el comportamiento o lo impulsan. Estos se pueden dividir en categorías físicas y sociales.²

“Físico” se refiere a la oportunidad física proporcionada por el medio ambiente. Esto abarca factores como el costo, el acceso a la medicación, las características físicas de la medicación (p. Ej., Sabor, olor, tamaño, forma, vía de administración) y complejidad del régimen.²

Los factores de oportunidad social incluyen el apoyo social y la relación / estándar de comunicación entre el médico y el paciente.²

MOTIVACIÓN

La motivación cubre ampliamente todos los procesos cerebrales que energizan y dirigen la conducta. Dentro del marco COM-B, los factores motivacionales pueden describirse como “Reflexivos” o “Automáticos”.²

Las motivaciones reflexivas cubren evaluaciones y planes. Para la adherencia, esto incluiría la percepción del paciente de su enfermedad (por ejemplo, su causa, línea de tiempo [es decir, crónica o aguda], consecuencias, etc.), sus creencias sobre el tratamiento (por ejemplo, su necesidad, eficacia, cualquier inquietud sobre eventos adversos actuales o futuros y cualquier aversión general a tomar medicamentos), sus expectativas sobre el resultado del tratamiento y su fe en sus propias capacidades para ceñirse al tratamiento.²

Las motivaciones automáticas son emociones e impulsos que surgen del aprendizaje asociativo y / o disposiciones innatas. Estos cubrirían estímulos o señales para la acción, así como estados de ánimo o cualquier trastorno del estado de ánimo con el que el paciente pueda estar viviendo, como depresión o ansiedad.²

VENTAJAS DE COM-B PARA COMPRENDER LA ADHERENCIA

COM-B tiene varias ventajas para explicar la adherencia en comparación con los modelos más estrechos que lo precedieron. Incluye procesos automáticos como el hábito, a diferencia de los modelos de cognición social que se han aplicado previamente a la adherencia. La especificidad de COM-B también permite una descripción precisa de la relación entre las características del paciente y su adherencia, facilitando la identificación de las intervenciones adecuadas.²