La teoría del “empujoncito (nudging)” digital en la salud pública

Resumen

Las prácticas y relaciones médico / paciente tradicionales están cambiando debido a la adopción generalizada de tecnologías basadas en la Inteligenica Artificial en los distintos ámbitos de la salud y la asistencia sanitaria. En muchos casos, estas nuevas tecnologías no son específicas del ámbito sanitario y provienen del campo de la economía del comportamiento.

La adopción de estas herramientas generan nuevas oportunidades, como así también, cambios drásticos en las prácticas asistenciales, surgen nuevas cuestiones éticas y sociales debido a la forma en que estos sistemas empujan a los usuarios a tomar decisiones y cambiar comportamientos.

Introducción

La salud digital proporciona a los médicos, pacientes, cuidadores y receptores de atención, en general, así como a todo el sistema de salud de nuevas herramientas y posibilidades, que van desde el uso de dispositivos médicos portátiles y conectados a través de redes inhallámbricas, como como los relojes inteligentes y otros registradores  de actividad (Lu et al. 2019) hasta la difusión de sistemas de toma de decisiones basados en algoritmos de Inteligenica Artificial (IA), como los chatbots asistentes personales digitales o apps persuasivas que pueden ayudar en seguimiento de las métricas de salud (Valtolina et al. 2020; Zhang y Wan 2019). 

El potencial futuro de estos sistemas en la atención sanitaria parece elevado debido a las implicaciones de gran alcance que las  capacidades de diagnóstico y prevención de los sistemas impulsados por la IA pueden tener en la integración o incluso en la sustitución de las prácticas y relaciones médicas más tradicionales. prácticas y relaciones médicas más tradicionales.

La novedad de estas tecnologías es que también han empezado a demostrar su potencial como herramientas de salud digital para el seguimiento, la consulta y la provisión de consejos y orientaciones, es decir, como intermediarios entre el sistema sanitario sistema sanitario en su conjunto y el público (Sezgin et al. 2020).

Desarrollo del tema

La teoría del “empujoncito (nudging)” se deriva del trabajo realizado por Thaler y Sunstein (2009), galardonado por el Premio Nobel de Economía en ela año 2017l por sus aportes a la economía conductual. Un “empujoncito (nudge)” se describe como "cualquier aspecto de la arquitectura de la elección que altera de forma predecible el comportamiento de las personas sin prohibir ninguna opción ni cambiar significativamente su incentivo económico" (Thaler y Sunstein 2009, p. 6).

El “empujoncito (nudging)” utiliza los principios de las ciencias del comportamiento y de la economía para provocar comportamientos beneficiosos en los individuos, sin socavar su elección deliberativa y su libertad. Un nudge supera los defectos cognitivos de los agentes, o la falta de información información y los sesgos de comportamiento, y los orienta hacia actos que se consideran buenos para ellos (Sunstein 2017).

El término "nudging digital" ha surgido recientemente en la literatura sobre ingeniería y sistemas informáticos y se define como el "uso de elementos de diseño de la interfaz de usuario para guiar el comportamiento de las personas en entornos de elección digital" (Weinstein, 2017). comportamiento de las personas en entornos de elección digital" (Weinmann et al. 2016). Hay varios sistemas tecnológicos en salud que utilizan y se basan en los supuestos del nudging.

Se han realizado pocas investigaciones sobre si los nudges digitales mejoran la eficacia de la asistencia sanitaria (Byambasuren et al. 2018). Por el contrario, se ha planteado una creciente preocupación planteado la preocupación de que las apps y otras herramientas médicas de IA puedan rastrear, recopilar y compartir datos de forma opaca y potencialmente desajustada (Loria 2019).

Nuevos “empujones digitales centrados en el paciente”, utilizando herramientas como las simplificaciones, los ajustes por defecto, la de decisiones, retroalimentación, recordatorios y otros, ofrecen asistencia médica dentro y fuera de los hospitales y en las prácticas asistenciales domésticas o comerciales, incluso fuera del ámbito sanitario (Meske et al. 2019).

Mediante el uso de técnicas de Big Data y de análisis predictivo, un nudge digital es ubicuo, emergente, interconectado y capaz de reconfigurarse continuamente debido a su retroalimentación de su entorno y las interacciones con los usuarios y otros sistemas. De hecho, los nudges de Big Data se han definidos como un tipo especial de nudge: los “hipernudges”, debido a su naturaleza en red y dinámica (Yeung 2017).

El nudging no es simplemente una herramienta libre de valores y neutral: de hecho, los estudiosos ya han reconocido que los nudges siempre contienen juicios de valor y se ocupan de una comprensión dominante de valores o normas sociales que se consideran moral o políticamente moralmente o políticamente aceptables por los arquitectos de la elección.

En el ámbito digital, las empresas tecnológicas o los actores privados pueden cdiseñar arquitrecturas que orienten la elección a partir de un enfoque externo, independiente y, en algunos casos, no alineados con los objetivos y valores de sus nudgees. En efecto, en ciertos casos, los nudges digitales podrían dirigir el comportamiento de los usuarios humanos, alejandolos de aquellas conductas que podrían beneficiarlos, provocando una disparidad entre sus acciones y objetivos (Burr et al. , 2018). 

En particular, en el contexto sanitario, la introducción de nuevos actores y nuevas prácticas digitales mediadas por sistemas impulsados por la IA pueden generan nuevas responsabilidades, roles e interpelan la credibilidad tanto de los profesionales sanitarios como de los pacientes, lo que lleva a una reconfiguración de todo el sistema sanitario (van Wynsberghe y Li 2019).

Según la Federación Internacional de Robótica, las ventas de robots médicos se sitúan en 1.900 millones de dólares en el año 2017.

Más allá de esto, se espera que el mercado mundial de chatbots, un tipo de software utilizado para comunicarse con los usuarios, alcance los 2.100 millones de dólares en 2024 y una gran parte de ellos se destinará a la atención sanitaria. Los desarrolladores afirman que estos "bots" prometen mitigar la escasez de trabajadores y recursos sanitarios.

A pesar de que los defensores del nudging tienden a centrarse en los individuos y su libertad de elección -ya que los nudges se describen principalmente como intervenciones individuales que ayudan a promover comportamientos más racionales y saludables-, el uso de nudges puede tener un profundo impacto en las estructuras institucionales y sociales. En la extensa literatura sobre nudging en la asistencia sanitaria, muy poco se compromete con los determinantes sociales de la salud y, a menudo, confunde la naturaleza pública de los nudges.

Las influencias sobre el comportamiento se sitúan siempre en un sistema más amplio, en el que los responsables políticos o los agentes privados y los gobiernos disponen de valores y normas, preferencias y factores políticos o sociales. Así pues, los efectos de los nudges digitales en el ámbito sanitario no son meramente visibles a nivel individual; son igualmente eficaces y persistentes a nivel colectivo y necesitan una justificación sobre los valores que sustentan y promueven.

Por lo tanto, es esencial hacer explicables los valores que articulan los nudges digitales -valores sociales generales o valores adaptados al individuo o a un grupo específico (valores contextuales de las partes interesadas) - y alinear los sistemas impulsados por la IA en el ámbito de la asistencia sanitaria para no sólo para evitar el daño (no maleficencia), sino para contribuir activamente al bien social (beneficencia). contribuir activamente al bien social (beneficencia).

Conclusiones

La digitalización de la medicina conlleva una serie de ventajas, como el aumento de la eficacia y la accesibilidad. Sin embargo, estos beneficios también pueden suscitar inquietudes en el público debido a las capacidades específicas de los sistemas impulsados por la IA y a las posibles fuentes de influencia de la IA en las partes interesadas y en el entorno.

Es imperioso contar con un andamiaje que permita en la fase de diseño de aplicaciones basadas en la búsqueda de cambios en el comportamiento de las personas, relacionadas a sus determinantes de la salud, alinear sus objetivos con normas y valores éticos avalados internacionalmente, vinculados al uso de la IA en salud. 

Referencias

Burr, C., N. Cristianini, and J. Ladyman. 2018. An analysis of the interaction between intelligent software agents and human users. Minds and Machines 28 (4): 735–774. https:// doi. org/ 10. 1007/s11023- 018- 9479-0.

Byambasuren, O., S. Sanders, E. Beller, and P. Glasziou. 2018. Prescribable mHealth apps identified from an overview of systematic reviews. NPJ Digital Medicine. 1 (1): 1–12. https:// doi. org/ 10.1038/ s41746- 018- 0021-9.

Loria, K. 2019. Are health apps putting your privacy at risk? Consumer Reports. Retrieved October 9, 2020 from https:// www. consumerreports. org/ health- priva cy/ are- health- apps- putti ng- your- privacy- at- risk/.

Lu, T.-C., Y.-T. Chang, T.-W. Ho, Y. Chen, Y.-T. Lee, Y.-S. Wang, C.-C. Fang, et al. 2019. Using a smartwatch with real-time feedback improves the delivery of high-quality cardiopulmonary resuscitation by healthcare professionals. Resuscitation 140:
16–22. https:// doi. org/ 10. 1016/j. resus citat ion. 2019. 04. 050.

Meske, C., I. Amojo, A.-S. Poncette, and F. Balzer. 2019. The potential role of digital nudging in the digital transformation of the healthcare industry. In HCII 2019: Design, user experience, and usability: Application domains, ed. A. Marcus and W. Wang, 323–336.
Cham: Springer.

Sezgin, E., Y. Huang, U. Ramtekkar, and S. Lin. 2020. Readiness for voice assistants to support healthcare delivery during a health crisis and pandemic. NPJ Digital Medicine 3 (1): 1–4. https:// doi.org/ 10. 1038/ s41746- 020- 00332-0.

Thaler, R.H., and C.R. Sunstein. 2009. Nudge: How to make Smart decisions. Berlin: Ullstein eBooks

Valtolina, S., B.R. Barricelli, and S. Di Gaetano. 2020. Communicability of traditional interfaces VS chatbots in healthcare and smart home domains. Behaviour & Information Technology. 39(1): 108–132. https:// doi. org/ 10. 1080/ 01449 29X. 2019. 16370 25
Weinmann, M., C. Schneider, and J. vom Brocke. 2016. Digital nudging. Business & Information Systems Engineering 58: 433–436. https:// doi. org/ 10. 1007/ s12599- 016- 0453-1.

Yeung, K. 2015. Design for the value of regulation. In Handbook of ethics, values, and technological design: Sources, theory, values and application domains, ed. J. van den Hoven, P.E. Vermaas, and I. van de Poel, 447–472. Dordrecht: Springer

van Wynsberghe, A., and S. Li. 2019. A paradigm shift for robot ethics: From HRI to human–robot–system interaction (HRSI). Medicolegal and Bioethics 9: 11–21. https:// doi. org/ 10. 2147/ MB. S1603 48

Zhang, C., and L. Wan. 2019. The extraction process of durative persuasive system design characteristics for healthcare-related mobile applications. International Journal of Advanced Smart Convergence. 8 (2): 18–29. https:// doi. org/ 10. 7236/ IJASC. 2019.8. 2. 18.