Telemedicina mejorada con IA: transformación de la asignación de recursos y análisis de la rentabilidad mediante un...

Área de la Ciencia:

• Inteligencia artificial
• Gestión de la asistencia sanitaria
• Investigación de las operaciones

Sus antecedentes:

• Los sistemas convencionales de colas de telemedicina luchan con las demandas dinámicas y la atención basada en prioridades.
• Los mecanismos avanzados de colas son esenciales para optimizar los servicios de salud digitales.

Objetivo del estudio:

• Integrar un modelo avanzado de colas con la programación de IA utilizando el aprendizaje por refuerzo profundo.
• Optimizar la atención médica digital ajustando dinámicamente la disponibilidad de médicos y priorizando a los pacientes en función de la urgencia y la hora de llegada.

Principales métodos:

• Utilizó Q-learning, un algoritmo de aprendizaje de refuerzo sin modelo, para la asignación de recursos.
• Implementó la programación de IA para minimizar los tiempos de espera de los pacientes y ajustar dinámicamente las asignaciones de los médicos.
• Realizó un estudio de caso en el Hospital y Centro de Investigación Dhanwantri (DHRC), Jaipur, analizando más de 5,000 registros de pacientes en 10 simulaciones.

Principales resultados:

• La programación de AI redujo los tiempos de espera de los pacientes de emergencia en un 40% (IC del 95% [35%, 45%]).
• La programación estancada aumentó los tiempos de espera en las horas punta en un 80%.
• La programación de IA demostró una reducción estadísticamente significativa de los tiempos de espera (valor p = 0,003) y mostró efectos financieros positivos, incluida la reducción de los costos de los pacientes y la mejora de la asignación de recursos.

Conclusiones:

• La gestión de colas mejorada por IA ofrece un enfoque escalable y rentable para la telemedicina moderna.
• El modelo de programación de IA propuesto mejora significativamente la atención al paciente y la eficiencia operativa en la atención médica digital.
• El ajuste dinámico de la disponibilidad de médicos y la priorización de los pacientes son claves para optimizar los servicios de telemedicina.