La evolución de las tecnologías móviles y su rápida penetración en la vida cotidiana de las personas han creado la salud móvil (o mHealth en inglés), una solución prometedora para mejorar la atención médica con dispositivos móviles.¹
Esta tendencia se ha convertido en un medio para inducir cambios de comportamiento apropiados. Por ejemplo, en Brasil, Kenia, Nigeria, India y Lesotho, los recordatorios para tomar medicamentos vía servicio de mensajes cortos (o SMS por sus siglas en inglés) han demostrado ser exitosos para mejorar la adherencia de personas infectadas por el VIH y suprimir su carga viral.¹
Sin embargo, en algunos estudios hechos en Camerún y Pakistán la entrega de recordatorios por SMS no influyó en los resultados de adherencia entre pacientes con VIH y tuberculosis, lo que sugiere que el impacto de tales intervenciones puede variar con respecto al sitio de implementación, la experiencia y familiaridad de los pacientes para recibir tratamiento, así como las variaciones culturales en el comportamiento hacia la práctica médica. También se ha destacado la importancia del contenido y el momento en que se envían los mensajes recordatorios para motivar la toma adecuada de la medicación.¹
Por otro lado, las llamadas de respuesta de voz interactiva (o IVR, por sus siglas en inglés) se han convertido en una alternativa para mejorar la adherencia al tratamiento y han demostrado ser bastante efectivas, incluso más aceptables que los mensajes de texto.¹
Existen otras soluciones como Simpill®, un sistema de comunicación inalámbrico que se acompaña de un paquete de píldoras y monitorea el cumplimiento de la ingesta del medicamento, además de que envía alertas por SMS cuando un paciente se tarda en tomar sus dosis. Este método ha mostrado ser prometedor para mejorar el cumplimiento del tratamiento específicamente en pacientes con tuberculosis.¹
Inteligencia artificial para acompañar al tratamiento
El uso de chatbots está cambiando la forma en que los pacientes y los profesionales de la salud interactúan entre sí. Se trata de sistemas basados en algoritmos que simulan una conversación con los usuarios a través de una gran variedad de expresiones escritas, habladas, faciales y/o corporales. Es decir, un chatbot recibe la pregunta del usuario y genera una respuesta precisa.²
La inteligencia artificial se aprovecha en estos sistemas para comprender el lenguaje de manera natural, luego generar una conversación similar a la humana y finalmente hacer recomendaciones apropiadas dependiendo de estados mentales y expresiones del usuario muy específicas.²
Wysa® es una aplicación móvil que cuenta con un chatbot que rastrea estados de ánimo negativos. Dependiendo de la respuesta del usuario, sugiere una prueba de detección de depresión y recomienda buscar ayuda profesional según el resultado de la prueba.²
La app incluye ejercicios de meditación para apoyar el alivio de la ansiedad, la depresión y el estrés. Su chatbot se probó en un estudio con un total de 129 participantes divididos en dos grupos: usuarios frecuentes y usuarios ocasionales. Los resultados del estudio arrojaron que los usuarios frecuentes tuvieron una mayor mejora en su estado de ánimo que el grupo de usuarios ocasionales.²
También existe SERMO®, una aplicación móvil para personas con discapacidad psíquica leve que implementa métodos de terapia cognitiva conductual y apoya la regulación emocional. A partir de la información recopilada, SERMO® determina automáticamente la emoción básica de un usuario mediante la interacción de lenguaje natural. Hasta el momento puede reconocer cinco emociones: miedo, ira, pena, tristeza y felicidad. Dependiendo de la emoción, el sistema sugiere una medida adecuada, como actividades o ejercicios de atención plena.²
La inteligencia artificial brinda dos elementos importantes que permiten que los chatbots den una respuesta adecuada al usuario: el aprendizaje automático y el procesamiento del lenguaje natural (NLP por sus siglas en inglés).²
Los algoritmos de aprendizaje automático se utilizan para aprender de los datos, ya sea de los de entrenamiento o de la conversación anterior con un bot que reconoce patrones o monitorea las conversaciones pasadas que ayudan a generar respuestas apropiadas.²
El NLP ayuda a los chatbots a comprender e interpretar al usuario, detectar patrones, identificar entidades o determinar relaciones en los datos generados por el usuario. Sus tareas incluyen la clasificación del enunciado, lo cual ayuda a llenar espacios o determinar la intención del paciente.²
En conclusión, los chatbots de salud son herramientas prometedoras que podrían acompañar el tratamiento regular en el futuro. Antes de que esto pueda suceder, aún deben abordarse muchos problemas así como recopilar más experiencias y lecciones aprendidas.²
- Karageorgos G, Andreadis I, Psychas K, Mourkousis G, Kiourti A, Lazzi G, et al. The promise of mobile technologies for the health care system in the developing world: A systematic review. IEEE Rev Biomed Eng [Internet]. 2019;12:100–22. Disponible en: https://cpb-us-w2.wpmucdn.com/u.osu.edu/dist/8/8273/files/2014/11/RBME2868896-zld5hc.pdf
- Denecke K, Abd-alrazaq A, Househ M. Artificial Intelligence for Chatbots in Mental Health: Opportunities and Challenges. [Internet]. 2021 [citado el 2 de noviembre de 2022]10.1007/978-3-030-67303-1_10. Disponible en: https://www.researchgate.net/publication/353726195_Artificial_Intelligence_for_Chatbots_in_Mental_Health_Opportunities_and_Challenges