La paradoja proviene de cómo se cuantifica la producción con las medidas de productividad. Si lo contamos en términos de visitas al médico o procedimientos realizados en lugar de resultados de salud, las ganancias de productividad parecen lentas. Hoy en día, un cardiólogo puede realizar un procedimiento más efectivo con stents, pero el número de cateterizaciones podría ser el mismo que hace 20 años.
Eso no significa que la medicina no haya avanzado: las nuevas herramientas permiten a los médicos diagnosticar a los pacientes antes, operar de forma más segura y obtener mejores resultados. Sin embargo, por la aritmética estricta de la producción por hora de trabajo, los médicos se han quedado atrás respecto a otros profesionales. Dado que la productividad de los médicos —medida en estos términos— ha crecido más lentamente que la de otras profesiones, también lo ha hecho la compensación que reciben los profesionales sanitarios.
El economista William Baumol explicó esta paradoja, acuñando la expresión "enfermedad del costo". Ciertas profesiones, como la medicina, la educación y las artes escénicas, dependen de lo que él llamaba un elemento artesanal. Implican el rendimiento humano y habilidades evaluativas que no se automatizan fácilmente. Como estos servicios resisten la mecanización, sus costes suben más rápido que la inflación.
Según Baumol, mientras la curación dependa de la presencia humana, los resultados médicos pueden mejorar, pero las ganancias de productividad quedarán por detrás de otros sectores económicos.
Si se diseña correctamente, la inteligencia artificial podría elevar no solo la habilidad y precisión de los clínicos, su visión diagnóstica y toma de decisiones, sino también su productividad: el número de pacientes tratados eficazmente por hora de esfuerzo humano. El uso adecuado de la IA podría provocar una disminución del coste total de la atención, incluso a medida que los resultados mejoran, y los médicos podrían finalmente ver cómo su remuneración crece en proporción al valor que generan y al tiempo que dedican a prestar atención a los pacientes.
La radiología ha sido una de las primeras especialidades en reconocer esta conexión entre la IA, las mejoras en la productividad y las implicaciones para mitigar la enfermedad de costes de Baumol.
Sin embargo, para desbloquear estas ganancias de productividad, la IA debe avanzar más allá de solo aumentar el juicio humano. El siguiente salto vendrá de herramientas tanto seguras como eficaces para sustituir las aportaciones del médico en ciertas circunstancias bien definidas, como tareas cognitivas o procedimentales discretas.
En otras palabras, la promesa de la IA médica no es solo hacer que los médicos sean más pensadores, sino permitir que las máquinas asuman parte de la actividad mental y física que ahora consume lo cotidiano a un médico.
Estos sistemas permitirían a los médicos centrarse en las partes de la atención que solo un ser humano puede proporcionar.
Será necesario cambiar la regulación y el reembolso, así como un cambio en la forma en que los médicos ven estas herramientas. La Administración de Alimentos y Medicamentos de Estados Unidos (FDA) debe modernizar la forma en que evalúa los sistemas de IA que puedan sustituir parte del trabajo de los médicos.
El marco regulatorio de la FDA fue diseñado para tecnologías fijas, como implantes, instrumentos y máquinas, todas las cuales permanecen en gran medida estáticas una vez aprobadas. Sin embargo, los sistemas de IA aprenden y evolucionan a medida que procesan nuevos datos y requieren un enfoque regulatorio que reconozca esta realidad iterativa; uno que mantenga estándares rigurosos de seguridad y eficacia, mientras permite que los algoritmos mejoren con el tiempo.
Una vez que un dispositivo de IA demuestra un rendimiento fiable comparable al de un médico para un propósito diagnóstico sencillo, su desarrollador debería poder ampliar o perfeccionar sus afirmaciones a medida que surjan nuevas capacidades, sin necesidad de solicitar una nueva aprobación cada vez. La FDA puede definir cuánto puede desviarse un algoritmo de IA de su rendimiento original antes de que merezca una reevaluación. Actualmente, debido a la incertidumbre regulatoria, muchos desarrolladores de IA están eludiendo por completo a la FDA, etiquetando sus herramientas solo para uso en investigación.
Un desafío aún más amplio radica en cómo estos recursos son reembolsados. Actualmente, en general, los financiadores no realizan pagos directamente a servicios o proveedores de software basados en la nube. Para sortear las normas existentes, los servicios habilitados por IA se están pagando indirectamente, pero no siempre. En tales casos, además, el reembolso se paga a hospitales y profesionales sanitarios, en lugar de hacerlo a las empresas que desarrollan los sistemas de IA.
El efecto es que los médicos deben adquirir estas herramientas y servicios a través de su propio reembolso, optando por desviar una parte de su pago hacia tecnologías que puedan mejorar su productividad.
La limitación en la remuneración a los médicos es una fuente legítima de preocupación. Si los servicios habilitados por IA no pueden ser reembolsados cuando mejoran la calidad o la productividad, los incentivos para desarrollar y adoptar dichas herramientas seguirán siendo débiles y menos herramientas llegarán al mercado.
Existen algunas propuestas que podrían resolver algunos de los desafíos de reembolso por IA. En entornos ambulatorios y hospitalarios, los servicios habilitados por IA pueden incluirse en un paquete de pagos más amplio, reembolsarse por separado o pagarse mediante la ampliación de vías que ya proporcionan pagos de paso para tecnologías disruptivas que mejoran la productividad y los resultados clínicos.
Durante el último siglo, los avances tecnológicos y en habilidades clínicas han logrado mejoras sorprendentes en los resultados para los pacientes. Sin embargo, incluso cuando la medicina es más eficaz, el gasto sanitario sigue consumiendo una gran proporción del producto bruto interno de los países. A la par, la compensación médica no consigue igualar los aumento que disfrutan otros profesionales.
El reto radica en lograr mejoras en la productividad. En la mayoría de las profesiones, las nuevas herramientas permiten hacer más en menos tiempo, impulsando la compensación hacia arriba, mientras se mantiene el gasto total bajo control. Si existe una cura para la enfermedad de coste de Baumol en la sanidad, esta reside en poner la práctica médica en una trayectoria similar —una en la que la IA y la automatización puedan desbloquear ganancias de productividad comparables—, permitiendo a los médicos tratar a más pacientes con mayor precisión en menos tiempo.