Sistema predictivo para la gestión de riesgos en pacientes crónicos en Florencia, Caquetá

Abstract

El proyecto aborda la problemática de descompensación clínica en pacientes crónicos (hipertensión, diabetes, EPOC, asma, apnea del sueño y obesidad) en Florencia, Caquetá, donde la atención continúa siendo reactiva y fragmentada, con limitada capacidad para anticipar riesgos. Este contexto genera altos costos asistenciales, baja adherencia terapéutica y deterioro en la calidad de vida, representando un reto para la sostenibilidad del sistema. Como respuesta, la IPS Nazher Centro Médico Especializado SAS propone el diseño e implementación de un modelo predictivo incremental con integración de inteligencia artificial, orientado a la gestión proactiva del riesgo de deterioro clínico. La solución integra herramientas de estratificación automatizada, autorreporte de síntomas, alertas tempranas y análisis multifuente (autorreportes e historia clínica), consolidados en un tablero clínico de priorización para el equipo de salud. El proyecto contempla una inversión inicial de $50.300.000, con un ROI estimado del 27 % y un VPN positivo, evidenciando su potencial de retorno. La metodología se desarrolló en tres fases: (1) diseño y prueba del sistema de estratificación y autorreporte de riesgo, (2) validación del seguimiento remoto mediante alertas tempranas integradas al flujo asistencial, y (3) consolidación del modelo predictivo con arquitectura de inteligencia artificial aplicada al soporte de decisiones clínicas. Los resultados esperados generan mejoras clínicas (reducción de descompensaciones), económicas (mayor eficiencia en el uso de recursos) y sociales (pacientes empoderados y continuidad asistencial fortalecida), alineándose con los ODS 3, 4, 10, 11, 12 y 13, y demostrando la viabilidad del enfoque predictivo como innovación de alto impacto en salud digital.

The project addresses the problem of clinical decompensation in patients with chronic conditions (hypertension, diabetes, COPD, asthma, sleep apnea, and obesity) in Florencia, Caquetá, where care remains reactive and fragmented, with a limited capacity to anticipate risks. This context generates high healthcare costs, low therapeutic adherence, and a decline in quality of life, posing a challenge to the system's sustainability. In response, Nazher Centro Médico Especializado SAS (a healthcare provider) proposes the design and implementation of an incremental predictive model with integrated artificial intelligence, geared towards the proactive management of the risk of clinical deterioration. The solution integrates automated stratification tools, symptom self-reporting, early warnings, and multi-source analysis (self-reports and medical records), consolidated into a clinical prioritization dashboard for the healthcare team. The project involves an initial investment of $50,300,000 COP, with an estimated ROI of 27% and a positive NPV, demonstrating its potential return. The methodology was developed in three phases: (1) design and testing of the risk stratification and self-reporting system, (2) validation of remote monitoring through early warnings integrated into the care workflow, and (3) consolidation of the predictive model with an artificial intelligence architecture applied to clinical decision support. The expected results generate clinical improvements (reduction in decompensations), economic improvements (greater efficiency in resource use), and social improvements (empowered patients and strengthened continuity of care), aligning with SDGs 3, 4, 10, 11, 12, and 13, and demonstrating the viability of the predictive approach as a high-impact innovation in digital health.