Deep learning aplicado a las tareas del equipo: de las promesas a las realidades
Úrsula Barroso Pedrosa. Profesora del Máster de Dirección y transformación de clínicas de Instituto IDEOD, CEO y cofundadora de Dental Data y directora ejecutiva de Angloben Digital Economy. Experta en análisis de datos de clínicas dentales.
La innovación sanitaria ha sido potenciada significativamente por la implementación de tecnologías inteligentes como el Deep Learning en el campo de la Odontología y la Medicina, brindando nuevas oportunidades para mejorar la calidad de atención, la eficiencia operativa y la precisión diagnóstica. Hablamos con nuestra profesora del Máster de Dirección y Transformación de Clínicas Dentales de IDEOD, Úrsula Barroso, que es, además, experta en análisis de datos y diseñadora de cuadros de mandos integrales para la gestión de clínicas dentales a raíz de su último artículo publicado en la Revista MAxillaris.
Úrsula ¿Cuál ha sido el impacto de la digitalización en el sector dental?
La digitalización ha transformado durante los últimos años la forma en que se gestionan las clínicas. Inicialmente percibidas como radicales, propietarios y gestores de clínica disruptivos como nuestros alumnos del Máster de Dirección y transformación de clínicas dentales de Instituto IDEOD asumen ya ideas como la demanda digital al laboratorio o la aparición de plataformas inteligentes de compra, los chats con IA para la atención del paciente o los más avanzados sistemas analíticos de gestión. Ante este paradigma, se debe prestar atención a los hallazgos de la comunidad científica en relación con las aplicaciones de estas tecnologías inteligentes y su adecuación al ámbito sanitario.
¿Cómo se ha adaptado el Deep Learning al mundo de las clínicas dentales?
El Deep Learning se evidencia como una revolución en la incorporación de la innovación a la gestión odontológica.
Empecemos por el principio ¿qué es el Deep Learning?
El Deep Learning es una forma de aprendizaje automático, donde un modelo es entrenado de forma reiterativa para hacer predicciones complejas. Estos modelos están compuestos por múltiples capas de procesamiento que detectan automáticamente imágenes, conversaciones, textos, videos o datos numéricos. Los modelos de Deep Learning pueden aprender de manera más eficiente y efectiva las características y patrones en los datos, permitiendo una mayor capacidad de abstracción y generalización en la resolución de problemas. La tecnología Deep Learning hace simple lo complejo. Los avances y aplicaciones de esta innovación pueden aplicarse a múltiples casuísticas o sectores. En el campo financiero, el deep learning se utiliza para la predicción económica de resultados o la optimización del rendimiento predictivo. En el ámbito de las imágenes médicas, el Deep Learning se aplica a la generación, reconstrucción y restauración de imágenes de tomografía por emisión de positrones (PET) para mejorar las perspectivas clínicas.
Y ¿Cómo puede utilizarse el Deep Learning en el sector odontológico?
En Odontología, el Deep Learning se utiliza actualmente para la estimación de la edad dental, evaluación de la madurez y detección de caries en radiografías, lo que facilita la práctica clínica. Disponemos de ejemplos en aplicaciones de modelos de Deep Learning en la industria odontológica actual en las tareas de monitorización de desviaciones en casos de ortodoncia de Dental Monitoring, capaz de reducir las visitas del paciente a clínica hasta un 70%; la detección de piezas utilizando YOLOv5 y su segmentación utilizando U-Net, lo que ayuda a mejorar la precisión y eficiencia en el análisis de imágenes radiográficas dentales; o la detección de caries o gingivitis en radiografías de mordida a través de modelos de detección de objetos como RetinaNet, y EfficientDet, los cuales han demostrado mejorar la precisión y disminuir las tasas de falsos negativos en comparación con los diagnósticos realizados por odontólogos.
En definitiva, los aplicativos que se han identificado hasta el momento aportan un alto grado de innovación a tareas de monitorización y diagnóstico de casos o patologías, pero no para la gestión y organización de tareas en la clínica.
¿Por qué llevar el Deep Learning a la gestión y organización de las clínicas es aún una cuenta pendiente de las clínicas?
Las tecnologías inteligentes han sido claramente beneficiosas, pero la mayoría de las clínicas siguen necesitando mejoras, es decir, automatizan un área, pero no la cohesionan. Transformar un área sin que esta innovación se coordine o comunique con el resto de la organización imposibilita la competitividad global y frustra las inversiones realizadas desde la propiedad. Los que aplican y hacen posible todas estas innovaciones son las personas que están detrás, su equipo. Los trabajadores y colaboradores son la pieza clave de la transformación de una clínica y las tecnologías inteligentes (Deep Learning, Machine Learning o IA), adecuadamente enfocadas, se presentan como una palanca que puede aumentar su participación e implicación al permitirles centrarse en procesos más productivos, lo que, a su vez, puede generar ventajas competitivas para la organización de las clínicas.
¿Cómo puede ayudar la Deep Learning a la gestión de una clínica?
En el aspecto organizativo de la clínica, la organización y motivación del equipo es una tarea de baja efectividad o donde la dirección encuentra mayor frustración. La gestión del tiempo y la carente información interdepartamental es el argumento más repetido como respuesta a una situación de conflicto. Dado que no siempre se dispone de tiempo, ni la dedicación o habilidades del equipo para estas tareas que permita depurar y coordinar las necesidades de la clínica, es necesaria una tecnología que ordene, priorice, informe y monitorice. Dental Data es la primera plataforma digital en aplicar el Deep Learning en la organización de las tareas de la clínica dental, ofreciendo respuesta adaptada a las necesidades del sector.
¿Qué proceso se sigue para la creación de una herramienta como Dental Data?
En las investigaciones llevadas a cabo para la construcción del modelo se identificaron patrones aplicados a otras organizaciones clínicas, así como los tipos de información que estructurasen las capas computacionales. En este acercamiento al modelo de aprendizaje automático se ha analizado: Por un lado, la clasificación de procesos con una representación de dependencias. Por ejemplo: el necesario seguimiento de presupuestos para poder aumentar las ventas. También la especialización de actividades acorde a las capacidades de cada miembro del equipo (designación de tareas por rol). Otro de los factores analizados es la coordinación de procesos a través de diferentes mecanismos de comunicación interdepartamentales (redes neuronales). Por ejemplo: si mi comercial “rescata” un paciente y lo cita, al odontólogo/a se le debe comunicar que el paciente que va atender viene de un proceso de trabajo previo, de análisis y esfuerzo por parte de un compañero/a.
Y la conexión de tareas a resultados, con objeto de priorizar y organizar tareas que supongan un alto impacto en los resultados de la clínica.
Esta estructura se basa en la taxonomía de las organizaciones dentales, en modelos de referencia para el rediseño de procesos de negocio y en la recolección y análisis de ejemplos de cómo diferentes tipos de clínica y sus equipos llevan a cabo funciones similares. Además, se hace uso de metodologías y herramientas de software para representar y codificar procesos organizativos a diferentes niveles de abstracción.
¿Cómo consigue ayudar en la gestión de las clínicas dentales?
A partir de este modelo, al que se aplica Inteligencia Artificial, podemos escenificar la relación causa-efecto que manifiesta la coherencia del modelo. El aprendizaje automatizado y personalizado (se basa en conflictos pasados, la evolución de tu clínica, las habilidades de tu equipo, conversaciones, decisiones pasadas, etc.) es capaz de detectar preventivamente una incoherencia o mal resultado y recomendar acciones para evitarlas. El Deep Learning aplicado a las organizaciones se adelanta al futuro, coordina al equipo, ordena y prioriza. De esta forma se evita la consecuencia del problema central: un equipo sin método.
¿Hasta qué punto es importante un equipo bien organizado?
Paradójicamente, el desarrollo de métodos o protocolos que establezcan un estándar de calidad en el servicio está claramente definido desde el aspecto odontológico. En cada procedimiento dental existen tareas concatenadas y relacionadas y claramente asignadas a odontólogo/as, higienistas y auxiliares. Sin embargo, cuando hablamos de los protocolos o tareas para la totalidad del equipo de la clínica, con una visión holística y coordinada, encontramos diversas casuísticas que determinan la desorganización del equipo y, por ende, mal servicio, baja productividad e insatisfacción.
¿Qué motivos llevan habitualmente a la mala organización de las clínicas?
Los motivos más comúnmente identificados en las clínicas con un bajo nivel organizativo son:
Por un lado, protocolos heredados de franquicias: pueden ser interesantes como punto de referencia, pero cada clínica tiene una idiosincrasia, dimensiones, habilidades por trabajador y propuesta de valor. Es decir, estos pueden estar alejados de la “personalidad” de la clínica y requieren una adaptación.
Otro suele ser la carencia de tareas designada. Todos hacen un poco de todo y según la necesidad y horario, se hacen reparten las tareas de almacén y compras, recepción, apoyo a gabinete o atención comercial del paciente.
Otro motivo es la asignación de tareas intuitiva: propietarios u odontólogos bien intencionados que tratan de poner orden en su equipo, sin tener muy claro qué es urgente y qué importante o cuáles de estas tareas suponen un impacto clave en los resultados de su negocio. Estas intuiciones suelen carecer de criterio y constancia.
¿Qué consecuencias puede tener una mala organización del equipo?
La responsabilidad última de tener equipos desorganizados y desmotivados recaerá en la dirección o propiedad de la clínica, que deben aprender a liderar, organizar, priorizar y monitorizar a su equipo. Si dentro de una organización las tareas no están claramente definidas, asignadas o coordinadas, esto puede llevar a una falta de eficiencia, duplicación de esfuerzos, conflictos de roles y responsabilidades y, en última instancia, a una desorganización general que afecta el funcionamiento de la clínica.
Identificar y representar explícitamente las dependencias entre actividades en un proceso, a través de la especialización y descomposición de dependencias, posibilita entender cómo ciertas tareas están relacionadas entre sí y cómo su coordinación puede influir en la eficacia y eficiencia del proceso en su conjunto. La desorganización de tareas del equipo, o de incomunicación entre las diferentes áreas de la clínica, pueden ser medidos con tecnología Deep Learning y ser notificadas a sus responsables y a la dirección.
Sin embargo, si no aplicamos esta tecnología, pueden existir serias consecuencias que no siempre se identifican a tiempo, ni mucho menos las habilidades analíticas de los decisores conectan con el origen del problema, se tiende a un análisis sintomático con soluciones cortoplacistas y pocas integradoras.
¿Cómo podemos identificar que una clínica no tiene un equipo bien organizado?
Ejemplos de los efectos o síntomas que se manifiestan en una clínica con un equipo sin método o mal organizado son muchos.
Por un lado, las ventas desequilibradas. Las oscilaciones de ventas (meses buenos y malos). Básicamente la clínica y sus resultados se dejan llevar por lo que “entre por la puerta”, sin definir ni controlar lo que necesita la clínica para mantenerse o aportar una rentabilidad X.
Tener un faro económico al que dirigir a tu equipo permite a la clínica que comience a trabajar de forma coordinada. No solo definir el qué, hay que marcar el por qué y el cómo.
Otro indicador son los sobrecostes conscientes o inconscientes. Si carecemos de un presupuesto es difícil aplicar medidas de productividad; si no hay presupuesto, es que no hay medición ni método con criterios de calidad sobre marcas y proveedores o protocolos de compras. Los resultados se verán mermados una vez más, navegaremos a la deriva.
Por otro lado, el bajo beneficio o déficit. La rentabilidad de nuestra clínica depende de diversos factores, desde el precio que establecemos a los tratamientos, cómo consumimos los recursos, cómo atendemos a nuestros pacientes y cómo negociamos con nuestros colaboradores. En todas estas claves intervienen miembros del equipo; si no marcamos directrices o asignamos tareas, dejamos en sus manos las decisiones que harán (o no) a tu clínica sostenible en el tiempo.
Otro sería el flujo comercial de atención al paciente. Desde los diagnósticos simplistas al uso de terminología excesivamente técnica, la preparación del gabinete, a cómo se coordina el equipo antes y durante la visita del paciente a la clínica, todo determinará la aceptación del presupuesto, el compromiso que tiene el paciente con el plan ofrecido y el grado de fidelización. Nuestro equipo debe estar perfectamente ensamblado para que el nivel o calidad que creemos que ofrecemos sea el valor percibido por el paciente.
También es un indicador la saturación en la agenda. La improvisación en el desarrollo de los casos (el tiempo y número de citas), no disponer de huecos libres hasta más de dos meses, tener un gabinete virtual (para doblar o triplicar citas por doctor), tener una sensación de días de mucho trabajo y estrés y otros donde la clínica apenas dispone de pacientes rentables, muchos tratamientos a coste 0€…
Por último, nos puede ayudar la descoordinación y desorden en el gabinete. La información entre auxiliares y odontólogos, los tiempos muertos entre pacientes, anotaciones genéricas o carencia de registros en la historia del paciente, la falta de explicaciones sobre la marcha del tratamiento, el desconocimiento del paciente sobre qué se le está haciendo o qué proceso está siguiendo. Esta mala praxis se verá reflejada en los resultados de la clínica.
Así que, si eres capaz de identificarte con algunos de estos síntomas (efectos) ya sabes cuál es el problema central, y cómo la tecnología inteligente puede ayudarte a ir gradualmente incorporando modelos organizativos y controlados a tu clínica que resuelvan estas situaciones.
Y aquí es donde interviene el Deep Learning pero ¿Cómo puede ayudarnos?
En la gestión de tareas, el Deep Learning aprende por ti, acelera la curva de experiencia de todos los roles existentes en tu clínica, ayuda a extraer patrones complejos de los datos, tomando decisiones más efectivas e identificando las oportunidades estratégicas en un entorno en constante cambio.
Sin embargo, si no aplicamos esta tecnología, pueden existir serias consecuencias que no siempre se identifican a tiempo, ni mucho menos las habilidades analíticas de los decisores conectan con el origen del problema, se tiende a un análisis sintomático con soluciones cortoplacistas y pocas integradoras.
¿Qué beneficios nos aporta concretamente en la buena gestión, dirección y organización de las clínicas dentales?
Por un lado, el compromiso de los trabajadores con los objetivos de la clínica. La interfaz entre los empleados y las tecnologías de IA puede mejorar la experiencia de los empleados al facilitar su trabajo y permitirles enfocarse en tareas más productivas lo que, a su vez, aumenta su compromiso con la empresa.
Otro beneficio es el aprendizaje de los errores pasados en aras de una mejora en el rendimiento predictivo. El Deep Learning puede predecir con mayor precisión resultados futuros en comparación con métodos tradicionales.
También supone la absorción gradual y por rol. Esto dependerá del nivel de profesionalización y coordinación del equipo de la clínica, existiendo diferentes niveles, partiendo de las tareas de mayor impacto a tareas de coordinación entre áreas y tareas propias de cada rol-trabajador o colaborador.
Por otro lado, monitoriza el progreso de tu equipo. Saber quién ha cumplido su tarea o qué trabajador o colaborador está ofreciendo un bajo o alto rendimiento ayuda a objetivar e implementar políticas de promoción, así como de retribución o incentivación. Además, evalúa el impacto. Saber cómo afecta cada tarea en el resultado de tu clínica o en el nivel de calidad y fidelización de pacientes es un cambio radical en la forma de gestionar y medir.
Y, por último, ayuda a tener mejores directores. Automatiza ciertos procesos de toma de decisiones al permitir que las máquinas identifiquen y comprendan patrones en los datos por sí mismas. Al utilizar algoritmos de Deep Learning, las organizaciones pueden mejorar la eficiencia, la precisión y la rapidez en la toma de decisiones, lo que puede conducir a una mejor gestión de recursos y a una mayor competitividad en el mercado.
Estos beneficios demuestran cómo el Deep Learning puede ser una herramienta poderosa, ofreciendo mejoras significativas en la precisión, eficiencia y fiabilidad de los procesos de trabajo dentro de las clínicas, llevando a aumentar la tasa de aceptación de los presupuestos en más de un 20% o mejorando la rentabilidad media en un 15%, reduciendo los tiempos de trabajo y la producción pendiente, haciendo las agendas más efectivas y, por ende, aumentando la capacidad de producción o simplemente aportando tiempo libre
Y ¿Qué podemos esperar del Deep Learning en el futuro de las clínicas dentales?
Como experta en la materia ¿Cuál es tu consejo para los propietarios de clínicas dentales?
Cuando hablamos de patología de la erupción, nos vamos a referir únicamente a aquellos problemas locales o sistémicos de diversa índole, que, repercutiendo sobre su fisiología, puedan alterar su correcta cronología o secuencia1,2. Distinguimos en este momento entre erupción dental precoz y erupción dental tardía3. Respecto a la erupción dental precoz, en el caso de la dentición secundaria, es rara la erupción adelantada de todos los dientes y, cuando existe, se habla de una probable influencia genética4. No obstante, sí es más frecuente la erupción prematura de
dientes aislados. Esta puede ser debida a factores locales como la pérdida moderadamente prematura del diente temporal que lo precede y/o cuando esta pérdida dentaria va precedida de flemón y osteolisis en furca u otro tipo de pérdida de hueso alveolar1,4,5.
En cuanto al retraso en la erupción, los trastornos endógenos pueden retrasar la erupción de las dos denticiones, aunque es mucho más frecuente que la segunda dentición se vea afectada por trastornos locales6. Así pues, se ha demostrado un retardo en el desarrollo físico y dental en niños con enfermedades crónicas o determinados síndromes. Entre ellos, destacaremos endocrinopatías como el hipopituitarismo, el hipotiroidismo, el hipoparatiroidismo o aberraciones cromosómicas como el síndrome de Down, síndromes que implican displasias esqueléticas con alteración en el metabolismo óseo, como la displasia cleidocraneal (DCC), síndrome tricodentoóseo (TDO), picnodisostosis, acondroplasia, síndrome de Gardner y síndrome de Hallweman-Streiff, y otros síndromes como la displasia ectodérmica o la amelogénesis imperfecta.
Sin embargo, como mencionamos anteriormente, a lo largo
del recambio dentario son frecuentes distintos factores locales
que conllevan a una erupción tardía de la dentición secundaria.
Por esta razón, es necesario realizar una correcta exploración
clínica y radiológica para determinar la causa del retraso
eruptivo y tratar, si lo hubiere, el obstáculo del proceso de
erupción1,5,6. Entre otros, destacamos: falta de espacio, erupción
ectópica, traumatismos, anquilosis, dientes supernumerarios
o tumores.
