Intel·ligència artificial que redueix llistes d'esperes en salut i millora l'experiència del pacient 

Inteligencia artificial que reduce listas de esperas en salud y mejora la experiencia del paciente 
  12/01/2022
El 20% dels pacients no acudeixen a la seua consulta mèdica per oblit o imprevist el que provoca ineficiències, problemes d'atenció i llistes d'espera Eniax utilitza intel·ligència artificial per a millorar la conversió de serveis de salut, entregar informació oportuna al pacient i reduir crides del centre Es calcula que, a nivell global, el 20% dels pacients no assisteix a la consulta amb el metge. Un problema que provoca retards en l'atenció sanitària. 

Quan les agendes d'un centre sanitari (especialment les d'alta latència) es gestionen amb la màxima eficiència, s'alliberen fins a un 50% dels buits, permetent atendre més pacients optimitzant el temps. És el que fa Eniax, l'empresa de serveis tecnològics específics del sector salut que utilitza intel·ligència artificial i tècniques de machine learning per a gestionar més de 5 milions de cites al mes en 230 clíniques en 5 països: Xile, l'Argentina, el Perú, Espanya i Portugal. La seua eina principal és un assistent virtual, denominat PatriciaTM i un equip d'operadors que gestionen de manera àgil i sense esperes qualsevol procés administratiu que implique una planificació prèvia. 


Expansió d'Eniax a Europa

Eniax inicia ara la seua expansió a Europa a través d'Espanya amb l'objectiu d'ajudar els prestadors de salut a facilitar una atenció eficient, personalitzada, oportuna i mesurable en accions com: agendaments, recordatoris, llistes d'espera, campanyes preventives, seguiment de pacients crònics, enquestes i molt més.

L'assistent Patricia™, utilitza un motor de processament del llenguatge natural, dissenyat al 100% per a gestionar interaccions de salut. Ha sigut entrenat amb més de 80 milions de casos, permetent aconseguir un nivell de certesa i amplitud de contextos de treball únic en el mercat. Hui dia, parla diversos idiomes i aprén ràpid altres nous.

En el millor dels casos, un executiu normal de call-center té un error mitjà d'1% a l'hora de tractar la informació (benchmark de la indústria). Eniax aconsegueix disminuir la taxa d'error a un 0,066% dels casos (això és aproximadament 1 cita mal entesa entre 1.500).

“Amb Eniax, hem aconseguit diversos objectius fàcilment: d'una banda, augmentar la conversió d'agendes, a través de la disminució de l'absentisme i la millora de planificació operativa. Per un altre, automatitzar el lliurament d'informació oportuna i de valor al pacient que disminueix la saturació d'anomenades al centre (un dels problemes que més afecten els hospitals). I, en general, millorar l'experiència en el viatge del pacient amb una atenció més pròxima, empàtica i, sobretot, resolutiva” comenta el Dr. Carlos Zarco, director mèdic de l'Hospital HLA Universitari Moncloa de Madrid. 

Un altre exemple d'integració òptima d'Eniax és el cas de *CEDISA a Granada. Aquest centre diagnòstic col·labora amb el servei andalús de salut en programes de garbellat de detecció precoç del càncer de mama. El procés de citació era lent, ineficient i amb poca traçabilitat. “Per a millorar la gestió, implementem el sistema de PreAgendamiento d'Eniax que optimitzava l'ús de la nostra agenda i permetia que els pacients planificaren els seus exàmens de manera immediata. Una vegada rebíem el llistat de pacients del SAS, Eniax li enviava un missatge automàtic amb una proposta (dia i hora) de reserva d'examen (el pacient podia acceptar o sol·licitar un altre horari sense problemes). El 81,74% dels pacients va acceptar la cita i es va reduir la taxa de fugida. Tot això de manera immediata, eficient i amb alta traçabilitat” afirma Alberto Machado, director gerent del Centre de Diagnòstic de Granada.

Tindre una adequada estratègia de gestió proactiva de l'oferta mèdica permet augmentar la conversió, dirigir l'oferta cap a horaris de menor demanda, disminuir la saturació de les crides entrants i, sobretot, millorar l'experiència del pacient. És el que fa Eniax: complex per als humans, repetitiu per a les màquines.

<<< Tornar a la portada