En Chile, desde 2006, se implementó la ley de Garantías Explícitas en Salud (GES), que establece derechos en términos de acceso, calidad, oportunidad y protección financiera en prestaciones de salud para una serie de patologías, incluida la diabetes mellitus tipo 2 (DM2). En este marco, el GES garantiza a las personas de 15 o más años con DM2la realización de exámenes de tamizaje para la prevención secundaria, entre ellos el tamizaje de retinopatía diabética (RD), asegurando un manejo integral de la enfermedad y facilitando el acceso a la terapia adecuada en cada caso, previniendo complicaciones y discapacidad. Asimismo, define estándares de calidad en la atención mediante guías de práctica clínica específicas para su manejo. Como parte de estas prestaciones, en Chile se fortaleció el tamizaje de retinopatía diabética desde mayo de 2018, incorporando la retinografía como estrategia clave de detección. Este examen es realizado por tecnólogos médicos con mención en oftalmología en las Unidades de Atención Oftalmológica (UAPO) del nivel de Atención Primaria de Salud (APS), generando imágenes que pueden ser analizadas y almacenadas. Para su evaluación, se han implementado distintas plataformas digitales, entre ellas el sistema de inteligencia artificial (IA) DART, parte del programa público de salud digital del Ministerio de Salud de Chile (MINSAL), denominado Hospital Digital. DART realiza un primer filtro clasificando las imágenes de retinografías en dos categorías: sin alteraciones o con alteraciones. Las imágenes con alteraciones son posteriormente revisadas e informadas por un oftalmólogo, quien define el manejo clínico correspondiente. Además de Hospital Digital, existen otras plataformas utilizadas para el almacenamiento y análisis de imágenes de retinografía, como RAS Valdivia. Asimismo, se han incorporado otras herramientas de inteligencia artificial para el análisis de imágenes, siendo DART una de las estrategias impulsadas por MINSAL, pero no la única. La diversificación de estas tecnologías ha permitido optimizar la detección temprana de la RD, mejorar la oportunidad en la atención y reforzar la capacidad de respuesta del sistema de salud ante esta complicación de la DM2. El modelo garantiza una atención escalonada según la severidad del diagnóstico: Casos leves y moderados: Permanecen en seguimiento en la APS Casos severos: Se activan prestaciones específicas para su tratamiento oportuno, incluido el GES de RD severa. Esta estrategia ha optimizado el acceso y cobertura al diagnóstico temprano y al tratamiento de la RD, fortaleciendo la capacidad resolutiva de la APS y mejorando los resultados tanto en salud visual de la población como en el manejo efectivo de la DM2. En términos de protección financiera, las personas afiliadas al seguro público, que es el Fondo Nacional de Salud (FONASA), reciben la atención de forma gratuita, mientras que quienes están en alguna aseguradora privada llamadas Institutos de Salud Previsional (ISAPRE) tienen un copago máximo del 20% del valor de las prestaciones del arancel establecido por FONASA.
Detección temprana de la RD que facilite la intervención oportuna y diagnóstico precoz Prevención de la ceguera y discapacidad visual Mejorar el acceso y oportunidad de atención Optimización de los recursos sanitarios Utilizar herramientas como la inteligencia artificial (DART) para agilizar el proceso de clasificación de imágenes y optimizar la labor del personal especializado. Disminuir los costos de traslado y logísticos para los pacientes para recibir diagnósticos especializados dentro de sus territorios Generar eficiencias financieras al sistema de salud
1. Implementación de Plataformas de IA en APS El proceso comenzó con la incorporación de retinografía como parte del tamizaje para la RD, realizado por tecnólogos médicos especializados en oftalmología (TMO) en las UAPO en APS. Las imágenes obtenidas se almacenan y procesan a través de plataformas digitales, donde la inteligencia artificial juega un papel fundamental en el análisis de las imágenes. Entre las herramientas destacadas se encuentran el sistema DART, parte del programa Hospital Digital del Ministerio de Salud de Chile (MINSAL), y otras plataformas como RAS Valdivia, que también permiten almacenar y las imágenes de retinografía. 2. Proceso de Análisis con IA Una vez capturada la retinografía, las imágenes son sometidas a un análisis inicial por sistemas de IA. DART, por ejemplo, clasifica las imágenes en dos categorías: sin alteraciones o con alteraciones. Este primer filtro facilita la priorización de las imágenes que requieren atención clínica. Las imágenes que presentan alteraciones son posteriormente revisadas por un oftalmólogo, quien realiza el diagnóstico final y decide el tratamiento correspondiente. 3. Capacitación y Adaptación del Personal La implementación exitosa de la IA en APS requiere una capacitación adecuada de los TMO. Esto incluye el uso de las herramientas de IA, la interpretación de los resultados obtenidos por la inteligencia artificial y la comprensión de la importancia del tamizaje para la prevención de la RD. La formación continua es clave para garantizar que los profesionales de APS puedan utilizar eficientemente las tecnologías y ofrecer una atención de calidad. 4. Mejora de la Oportunidad en la Atención El uso de la IA ha permitido una mayor eficiencia en el proceso de tamizaje. Al automatizar el análisis inicial de las imágenes, se acelera la detección de alteraciones, lo que puede resultar en una atención más rápida y oportuna.
La implementación de IA para el análisis de retinografías en la APS en Chile ha sido una innovación significativa en el tamizaje y diagnóstico de la retinopatía diabética (RD), una complicación frecuente de la diabetes mellitus tipo 2 (DM2). El principal producto de esta estrategia ha sido la creación de plataformas de IA, como el sistema DART, que permite clasificar las imágenes de retinografías de manera eficiente, agilizando la detección de alteraciones. Este análisis inicial, realizado mediante inteligencia artificial, facilita la priorización de los casos que requieren atención especializada. La integración de estas tecnologías permitirá mejorar la precisión del diagnóstico y optimizar el uso de los recursos del sistema de salud. Sin embargo, la implementación de la IA en el análisis de retinografías en APS aún enfrenta algunas limitaciones. El uso de esta tecnología está restringido al número de Unidades de Atención Oftalmológica (UAPO) disponibles en la APS, que actualmente se encuentran solo en 132 comunas del país. Esta distribución territorial limita el alcance de la estrategia, dejando fuera a una parte significativa de la población, particularmente en zonas rurales y alejadas. Además, la capacidad de la plataforma DART actualmente solo permite analizar alrededor de 200,000 imágenes al año, lo que deja una brecha de cobertura de aproximadamente 800,000 personas que no pueden beneficiarse de este sistema de diagnóstico automatizado. Estas limitaciones están principalmente asociadas a restricciones financieras que han dificultado la expansión de la tecnología a todo el territorio nacional. En cuanto a la innovación, el uso de IA para el análisis de retinografías es uno de los primeros pasos hacia la modernización del sistema de salud público en Chile. La combinación de tecnologías como la retinografía, el almacenamiento de imágenes en plataformas como Hospital Digital y RAS Valdivia, y el análisis mediante inteligencia artificial ha transformado el proceso de diagnóstico, haciéndolo más rápido, accesible y eficiente. Además, se han incorporado nuevas IA que no solo analizan la presencia de RD, sino que también pueden identificar otras condiciones, como el glaucoma y el edema macular. Sin embargo, es importante señalar que estas nuevas tecnologías aún no están disponibles en el sistema público de salud, lo que limita el alcance de los beneficios que podrían ofrecer. La implementación de esta estrategia también ha considerado un enfoque participatorio, involucrando a los profesionales de la salud, como los tecnólogos médicos y oftalmólogos, en el uso y la interpretación de los resultados generados por la IA. Esto garantiza que la inteligencia artificial no sustituya el juicio clínico, sino que lo complemente, mejorando la toma de decisiones y la atención al paciente.
Las limitaciones y obstáculos en la implementación de la buena práctica del uso de inteligencia artificial (IA) para el análisis de retinografías en la atención primaria de salud (APS) en Chile están principalmente relacionados con la disponibilidad de recursos humanos, la infraestructura y la capacidad de respuesta del sistema de salud. Uno de los principales límites es la disponibilidad de profesionales capacitados, en particular tecnólogos médicos con mención en oftalmología, que son fundamentales para la realización de las retinografías. Aunque la cantidad de tecnólogos médicos es mayor que la de oftalmólogos, la distribución de estos profesionales sigue concentrándose en áreas urbanas, lo que limita el acceso a la tecnología de diagnóstico en zonas rurales o más alejadas, donde la cobertura es insuficiente. Otro obstáculo importante es la capacidad limitada del sistema de salud para dar respuesta rápida a los casos detectados en el tamizaje. Dado que el análisis de las retinografías es más eficiente y rápido gracias a la IA, surge la necesidad de fortalecer la atención secundaria, en particular la atención especializada en retina. La falta de oftalmólogos y la capacidad limitada en los centros de atención secundaria puede generar largas esperas para realizar los procedimientos necesarios, afectando la oportunidad de tratamiento y, en consecuencia, la salud de los pacientes. A esto se suma una brecha en la infraestructura tecnológica. La IA, aunque innovadora, está limitada por la capacidad de las plataformas disponibles. Actualmente, la plataforma DART solo puede procesar un número limitado de imágenes (200,000 al año), lo que deja fuera a muchas personas con diabetes que requieren un diagnóstico de retinopatía diabética. Además, las restricciones financieras impiden la expansión del sistema a todas las regiones del país, lo que limita su accesibilidad. Por último, aunque se han introducido nuevas tecnologías de IA que permiten detectar otras condiciones como glaucoma y edema macular, estas tecnologías no están disponibles en el sistema público de salud, lo que representa un obstáculo en la expansión y mejora del servicio. En conclusión, las limitaciones y obstáculos del uso de IA en el análisis de retinografías en APS están principalmente relacionados con la distribución geográfica de los profesionales capacitados, la capacidad de respuesta del nivel secundario de atención, la infraestructura tecnológica limitada y las restricciones financieras para expandir el sistema. Estos desafíos deben ser superados para garantizar la efectividad y sostenibilidad de la práctica a nivel nacional.
Doenças não Transmissíveis e Fatores de Risco
Sistemas e Serviços de Saúde
Sistemas de Informação e TIC
Telessaúde, Transformação Digital
Los recursos asignados a la realización de la buena práctica del uso de IA para el análisis de retinografías en la APS en Chile han sido implementados de manera relativamente eficiente, aunque existen áreas clave que requieren un fortalecimiento para maximizar su impacto. Desde el punto de vista financiero, el financiamiento ha sido adecuado para iniciar el proyecto y fortalecer las 132 comunas donde se encuentran las UAPO. Esto ha permitido la incorporación de la IA, como el sistema DART, que ha agilizado el proceso de tamizaje de la RD. Sin embargo, las limitaciones en la cobertura de las UAPO y las restricciones financieras para expandir la tecnología a todo el país han dejado una brecha importante, con alrededor de 800,000 personas que no pueden beneficiarse de la estrategia debido a la falta de acceso en algunas comunas y la capacidad limitada del sistema de análisis de imágenes. En cuanto a los recursos tecnológicos, la implementación de plataformas en Hospital Digital o RAS Valdivia, así como el uso de IA en el análisis de las retinografías, ha sido innovadora y ha mejorado la eficiencia del proceso de diagnóstico. No obstante, la capacidad actual de la IA (como DART) está limitada a procesar solo un número reducido de imágenes (200,000 al año), lo que resalta una brecha entre la demanda de diagnóstico y la capacidad de respuesta del sistema. Además, aunque se están incorporando nuevas IA que pueden detectar no solo RD, sino también otras condiciones como glaucoma y edema macular, estas tecnologías aún no están disponibles en el sistema público de salud, lo que limita el alcance de los recursos tecnológicos en su totalidad. Respecto a los recursos humanos, el personal involucrado, especialmente los TMO, ha sido clave en la implementación de esta buena práctica. Su número sigue siendo mayor que el de oftalmólogos, y su capacitación y captura de las imágenes generadas por la IA han permitido que la tecnología complemente el juicio clínico, no lo sustituya. Sin embargo, la disponibilidad de estos profesionales está limitada en ciertas zonas del país, lo que afecta la accesibilidad al servicio en áreas rurales y periféricas. Además, el sistema secundario, encargado de la atención especializada en retina, necesita ser fortalecido para dar respuesta a la demanda generada por el tamizaje rápido en APS, lo que también requiere más recursos humanos en este nivel de atención. En resumen, aunque los recursos asignados han sido implementados de manera eficiente en términos de iniciar el proceso de modernización del sistema de salud y ampliar el acceso a diagnósticos oportunos en la APS, aún persisten limitaciones en la cobertura territorial, la capacidad de procesamiento de la IA y la infraestructura del sistema de salud secundario. La eficiencia de los recursos ha tenido un impacto positivo, pero para asegurar su sostenibilidad y maximizar los beneficios, es necesario abordar las brechas mencionadas, ampliando la cobertura y mejorando la infraestructura y los recursos humanos disponibles.
El uso de IA para el análisis de retinografías en la APS en Chile tiene un gran potencial para transferir tecnologías y difundir conocimientos útiles, además de ser escalable y replicable en otros contextos. El uso de IA para el diagnóstico temprano de RD es una solución tecnológica innovadora que puede adaptarse a otros países, especialmente aquellos con altas tasas de diabetes mellitus tipo 2 (DM2) y necesidades de mejorar el acceso a servicios de salud de calidad. Transferencia de tecnologías y difusión de conocimientos: La experiencia de Chile, que utiliza plataformas como DART en Hospital Digital y RAS Valdivia para almacenar y analizar imágenes médicas, es una base sólida para transferir este conocimiento a otras naciones. Los países con sistemas de salud públicos y necesidades similares pueden beneficiarse de la implementación de IA para mejorar el diagnóstico precoz de la RD. Esta tecnología no solo facilita el análisis de imágenes, sino que optimiza los recursos disponibles al hacer más eficiente el proceso de diagnóstico, lo que puede ser particularmente útil en contextos de recursos limitados. Escalabilidad: El sistema de IA, aunque actualmente limitado a procesar 200,000 imágenes al año, puede expandirse con el tiempo mediante una mayor inversión en infraestructura y recursos. A medida que aumente la capacidad de procesamiento y almacenamiento, la tecnología podría cubrir una mayor población. La expansión podría centrarse en áreas rurales o periféricas donde la cobertura de servicios médicos es más limitada. Además, la combinación de IA con la infraestructura existente en APS puede optimizar la distribución de recursos y mejorar la atención en diversas regiones. Adaptabilidad y replicabilidad en otros contextos: El modelo implementado en Chile podría replicarse en otros contextos, especialmente en países con sistemas de salud pública que busquen mejorar la detección temprana de la RD. Para asegurar la replicabilidad, sería necesario considerar factores locales, como la disponibilidad de recursos humanos capacitados, la infraestructura de salud y la financiación. En este sentido, el modelo chileno puede adaptarse a las necesidades específicas de cada país, teniendo en cuenta las particularidades del sistema de salud y la distribución geográfica de la población. En conclusión, el uso IA para el análisis de retinografías en la APS en Chile tiene un gran potencial para ser replicada y escalada en otros contextos, especialmente en países con desafíos similares en términos de acceso a servicios de salud. Sin embargo, el éxito dependerá de la capacidad de adaptación a las características locales, la infraestructura disponible y la formación de recursos humanos para el uso de estas tecnologías.
Gobernanza: La implementación de esta tecnología se encuentra apoyada por políticas públicas sólidas, como la Ley de Garantías Explícitas en Salud (GES), que garantiza la cobertura universal de servicios de salud esenciales, incluido el tamizaje y diagnóstico de RD. La existencia de un marco legal que asegura la accesibilidad de los servicios de salud contribuye a la sostenibilidad a largo plazo de la buena práctica, permitiendo que el sistema de IA se mantenga operativo en el tiempo. Eficiencia en la prestación del servicio: La utilización de IA en el análisis de retinografías optimiza el proceso de diagnóstico, mejorando la precisión y reduciendo el tiempo necesario para identificar casos de RD. Esto contribuye a una atención más ágil y a la reducción de costos, al evitar diagnósticos erróneos y la derivación innecesaria de pacientes, lo que permite un uso más racional de los recursos del sistema de salud. Aceptabilidad en los usuarios: La sostenibilidad también depende de la aceptación de esta tecnología tanto por los profesionales de salud como por los pacientes. La incorporación de IA se ha implementado de forma complementaria a la labor de los oftalmólogos, y no como un sustituto de su juicio clínico. Esta integración asegura que la tecnología apoye la toma de decisiones, mejorando la experiencia del paciente al recibir una atención más rápida y precisa. Además, los usuarios se beneficiarán de un diagnóstico más accesible y oportuno, especialmente en zonas rurales o de difícil acceso, lo que favorece la percepción positiva de la práctica y contribuye a su sostenibilidad. En resumen, la sostenibilidad de la BP se garantiza por su integración dentro de un sistema de gobernanza efectiva, la eficiencia de los recursos utilizados y la aceptación tanto por los profesionales de salud como por los pacientes, lo que asegura su continuidad y expansión a largo plazo.
En conclusión, la implementación de IA para el análisis de retinografías en la APS en Chile representa una prestación innovadora que permite aumentar el diagnóstico temprano de la RD. Gracias a la integración de IA, las plataformas de almacenamiento en Hospital Digital y RAS Valdivia, y la colaboración entre tecnólogos médicos y oftalmólogos, podremos aumentar la cobertura de tamizaje de la RD, y realizar diagnósticos más oportunos de RD, lo que puede evitar la ceguera de personas con DM2 El marco legal de la Ley de Garantías Explícitas en Salud (GES) ha sido fundamental para asegurar la sostenibilidad de esta práctica, garantizando que las personas tengan acceso a estos servicios esenciales incluyendo una garantía de oportunidad para la realización del tamizaje. La integración de la IA ha demostrado ser una estrategia efectiva, pero también enfrenta desafíos como la expansión de la cobertura y el fortalecimiento de los niveles secundarios de atención para asegurar una respuesta adecuada ante los casos detectados. El principal reto de la implementación ha sido la cobertura, al sólo estar disponible en las comunas que cuentan con UAPO, 131 a n ivel país, y no en todo el país. Con una gobernanza sólida y eficiencia en la prestación de servicios, esta buena práctica tiene el potencial de ser replicada y escalada en otros contextos, adaptándose a distintas realidades y contribuyendo a la mejora de la atención de salud en países con necesidades similares. Sin embargo, su éxito a largo plazo dependerá de la inversión continua en infraestructura, recursos humanos y la expansión de la tecnología para garantizar que todos los pacientes reciban atención oportuna y de calidad.
Las lecciones aprendidas de la implementación de la inteligencia artificial (IA) para el análisis de retinografías en la APS en Chile destacan la importancia de varios factores clave para el éxito de esta iniciativa: Superación de resistencias iniciales: La principal lección aprendida fue la resistencia inicial de los profesionales de salud, especialmente frente al rol de los tecnólogos médicos con mención en oftalmología, quienes comenzaron a asumir responsabilidades que antes correspondían a médicos especialistas. Esta barrera fue superada gracias a la modificación del código sanitario, lo que subraya la importancia de adaptar la normativa y los marcos regulatorios para permitir una integración eficiente de nuevas tecnologías y prácticas profesionales. Capacitación continua: La implementación exitosa de la plataforma de IA requirió un proceso de capacitación específico para los tecnólogos médicos, asegurando que pudieran utilizar adecuadamente las herramientas y plataformas tecnológicas. Integración de la tecnología con la práctica clínica: La integración de la IA no reemplazó el juicio clínico de los oftalmólogos, sino que lo complementó, La colaboración entre los tecnólogos médicos y los especialistas en oftalmología demuestra que la tecnología debe ser vista como un apoyo y no como un sustituto, lo que refuerza la idea de que las tecnologías deben trabajar en conjunto con los equipos de salud para mejorar los resultados. Importancia de la gobernanza y el marco legal: La Ley de Garantías Explícitas en Salud (GES) que indica la garantía de oportunodad para realizar el tamizaje de RD, fomentó la incorporación de alternativas al tradicional fondo de ojo para el diagnóstico. Además en Chile se ha trabajado para fortalecer el marco legal y normativo para respaldar la implementación de nuevas tecnologías en el sistema de salud. Adaptabilidad y expansión a diferentes contextos: Aunque la implementación ha tenido un impacto positivo, también se identificaron limitaciones, como la cobertura de solo 132 comunas y la capacidad limitada de la plataforma DART para analizar un número determinado de imágenes. Esta situación destaca la importancia de planificar la expansión de la tecnología, especialmente en áreas rurales y con limitaciones de recursos, asegurando que la cobertura sea lo más amplia posible para garantizar la equidad en el acceso a la atención.
Complicaciones de la Diabetes; ATENCIÓN DE SALUD; Administración de las Tecnologías de la Información; Calidad; Acceso y Evaluación de la Atención de Salud
| América do Sul |
| Chile |
| Instituição Nacional (Ministério da Saúde, instituto de saúde, laboratório, etc.) |
| Compartilhamento de conhecimento, Troca de Experiência |
| Resolução de Problemas |
| Inovação, Novas Oportunidades |
| Fortalecimento Institucional |
| Formulação de Políticas |
| Geração de Evidências |
| Objetivo 3 - Meta 3.4 |
| Objetivo 3 - Meta 3.8 |
English
Español
Français