Según un informe reciente de Syft, los líderes del sector de la salud no aprovechan el análisis de datos en sus cadenas de suministro. Esta deficiencia podría resultar en pérdidas millonarias. Existe una necesidad urgente de optimizar el uso de suministros en toda la empresa y en la atención al paciente, al mismo tiempo que se reduce el desperdicio. Además de la creciente presión a la baja que afecta a los ingresos, las estadísticas anticipan que los costos de la cadena de suministro superarán los gastos relacionados con el trabajo para el año 2022. Estos factores generan una mayor necesidad de que los sistemas de salud optimicen la gestión de la cadena de suministro (SCM).
La investigación de Syft menciona un estudio de McKinsey que predice una reducción del 20-50% en los errores de pronóstico. El aumento en la disponibilidad de datos confiables ayuda a los hospitales a tomar medidas decisivas. Más de la mitad de los ejecutivos encuestados creían que la SCM controla los gastos al tiempo que reduce el desperdicio. Además, pensaban que podría aumentar los márgenes en al menos un 1-3%. Una encuesta de Navigant de 2018 citada por Syft en su investigación encontró que los hospitales gastan más de $25 mil millones de dólares más de lo necesario en sus cadenas de suministro. Sin embargo, los hospitales individuales tienen oportunidades para ahorrar un promedio del 17.7% en sus gastos totales de suministros. A menudo, pueden lograrlo a través de la inteligencia artificial (IA) y el aprendizaje automático (ML).
Los analistas ven que la IA y el ML son particularmente útiles en tres partes principales de la cadena de suministro. La primera son los suministros básicos como batas quirúrgicas, agujas y etiquetas. Los datos de Syft indican que estos elementos representan aproximadamente el 18% de lo que un hospital típico gasta. Luego, están los suministros médicos y quirúrgicos utilizados en procedimientos moderadamente invasivos. Incluyen cosas como clavos y injertos óseos, stents aórticos y tubos traqueales. Los hospitales gastan un promedio de $13,286 dólares en estos artículos, y esa cantidad representa más de una cuarta parte del gasto total. Finalmente, la IA y el ML podrían promover ahorros de costos en los llamados “artículos de preferencia del proveedor”. Son los suministros que los médicos eligen para tratar a pacientes individuales, como implantes de varillas espinales y prótesis de rodilla tibial. Las instalaciones médicas tienden a gastar más de la mitad de sus presupuestos de suministros en estas cosas.
Ahora, veamos más específicamente siete áreas de SCM en las que la IA y el ML podrían generar los mayores ahorros de costos para los sistemas de salud que los utilizan:
- Estandarización de suministros: Algunos artículos preferidos por los proveedores son extremadamente costosos, pero estandarizarlos es una tarea desafiante. Los médicos carecen del tiempo y los recursos necesarios para comparar los costos asociados y los resultados para los pacientes al evaluar las opciones en el mercado. Sin embargo, la IA podría proporcionar a los médicos herramientas que les brinden estadísticas casi en tiempo real sobre el rendimiento de ciertos suministros. Esta información facilita el objetivo de estandarizar los suministros.
- Optimización del nivel de inventario: Los sistemas de salud deben evaluar rápidamente y con precisión la demanda de inventario. De lo contrario, los proveedores pueden acumular suministros para evitar quedarse sin ellos, o pueden producirse retrasos mientras se espera la reposición. Los hospitales suelen utilizar el método de series temporales para pronosticar la demanda. Este método utiliza las tendencias de uso pasado para predecir las necesidades futuras.
- Automatización de procesos: La IA y el ML pueden automatizar varios procesos en la cadena de suministro, como la gestión de pedidos, la programación de entregas y la gestión de inventario. Esto puede agilizar las operaciones y reducir los errores humanos.
- Optimización de rutas de entrega: La IA y el ML pueden ayudar a optimizar las rutas de entrega de suministros, teniendo en cuenta factores como la distancia, el tráfico y la disponibilidad de recursos. Esto puede reducir los costos de transporte y mejorar la eficiencia.
- Previsión de la demanda: La IA y el ML pueden mejorar la precisión de la previsión de la demanda, teniendo en cuenta múltiples variables como el historial de pedidos, las tendencias estacionales y las fluctuaciones del mercado. Esto puede ayudar a evitar la escasez o el exceso de inventario.
- Optimización de precios: La IA y el ML pueden analizar datos de precios y costos para identificar oportunidades de ahorro y negociación con proveedores. Esto puede ayudar a reducir los gastos de suministros.
- Seguimiento de la calidad: La IA y el ML pueden monitorear la calidad de los suministros y detectar posibles problemas o defectos. Esto puede ayudar a garantizar la seguridad de los pacientes y la eficacia de los tratamientos.
En resumen, la optimización de la cadena de suministro en el sector de la salud mediante el uso de IA y ML puede generar importantes ahorros de costos y mejorar la eficiencia en la gestión de suministros. Los sistemas de salud deben aprovechar estas tecnologías para maximizar el valor de sus inversiones y brindar una atención de calidad a los pacientes.
