¿Puede la IA ser la clave para gestionar la polifarmacia y reducir riesgos en la salud?

El aumento de la polifarmacia -el uso simultáneo de múltiples medicamentos- en adultos mayores plantea riesgos para la seguridad del paciente, incluyendo interacciones farmacológicas, efectos adversos y problemas de adherencia al tratamiento. Con el envejecimiento poblacional y la mayor prevalencia de enfermedades crónicas, los sistemas de salud enfrentan el desafío de garantizar la eficacia de los tratamientos sin incrementar la morbilidad asociada a la medicación. En este contexto, la Inteligencia Artificial (IA) surge como una herramienta potencial para mejorar la gestión de la medicación, optimizar la prescripción y minimizar riesgos en pacientes con múltiples terapias farmacológicas, lo que a su vez podría incidir en la sostenibilidad del sistema de salud al reducir costos derivados de complicaciones médicas evitables y compras innecesarias.

Revisión científica 

Una revisión sistematizada de literatura, realizada entre 2020 y 2024 en las bases EMBASE, Ovid MEDLINE y Web of Science, analizó la evidencia disponible sobre el uso de IA para optimizar la gestión de la polifarmacia en adultos de 50 años o más. El objetivo fue verificar en qué medida los algoritmos podían detectar interacciones farmacológicas, mejorar la seguridad del tratamiento o facilitar el seguimiento terapéutico en personas con múltiples medicamentos prescritos.

Tras examinar 58 publicaciones científicas, cinco estudios cumplieron con criterios metodológicos suficientes para su análisis en profundidad. Aunque el número de investigaciones disponibles aún es limitado, los resultados observados en los estudios seleccionados muestran efectos consistentes en tres ejes: identificación de medicamentos potencialmente inapropiados, prevención de interacciones peligrosas y mejora de la adherencia al tratamiento.

Detectar combinaciones de riesgo

En Turquía, dos estudios evaluaron el uso de plataformas basadas en IA para apoyar la prescripción en entornos clínicos y geriátricos. En uno de ellos, un sistema web fue utilizado para analizar recetas en búsqueda de medicamentos potencialmente inapropiados (PIM, por sus siglas en inglés) y combinaciones contraindicadas según criterios de farmacología geriátrica. Los autores informaron que el algoritmo detectó esos riesgos con una velocidad hasta cien veces mayor que los procesos manuales tradicionales, sin diferencias en precisión clínica.

En un estudio complementario en un hospital geriátrico del mismo país, la implementación del sistema permitió reducir a cero las interacciones farmacológicas de alto riesgo previamente registradas entre los residentes. El reporte destaca que la herramienta pudo integrarse sin interferir en la dinámica asistencial, funcionando como una capa adicional de verificación sobre las decisiones médicas ya establecidas.

Modelos predictivos 

Otro grupo de estudios se centró en modelos de aprendizaje automático capaces de analizar perfiles clínicos complejos y calcular el riesgo individual de presentar eventos adversos asociados a medicamentos. Uno de ellos, vinculado a tratamientos cardiovasculares, logró clasificar a los pacientes en subgrupos según la carga farmacológica y la presencia de multimorbilidades, identificando con antelación cuáles tenían mayor probabilidad de sufrir consecuencias negativas relacionadas con su medicación.

Según la publicación, este tipo de enfoque no solo permite alertar al profesional sobre casos de mayor vigilancia, sino que también habilita estrategias personalizadas de seguimiento según el nivel de riesgo farmacoterapéutico.

Adherencia domiciliaria

También fueron analizadas herramientas de IA orientadas al uso cotidiano de los medicamentos por parte de los pacientes. En un estudio realizado en China, se probaron recordatorios auditivos automatizados y sensores de movimiento vinculados a frascos o blísteres, conectados a algoritmos de aprendizaje automático. Los resultados reportaron alta aceptabilidad entre los adultos mayores y mejoras en el cumplimiento horario de las tomas. Otros dispositivos utilizaron reconocimiento por voz para confirmar si el paciente efectivamente había realizado la toma, generando alertas para familiares o cuidadores en caso de omisión.

Impacto en la sostenibilidad de los sistemas de salud

Si bien los estudios se centraron en seguridad y adherencia, es posible que la implementación de IA en la gestión de la polifarmacia, puedan tener efectos económicos positivos en los sistemas de salud. La detección temprana de medicamentos inapropiados y la prevención de interacciones de riesgo pueden reducir hospitalizaciones, consultas de urgencia y complicaciones médicas asociadas a errores o acumulación de fármacos. Esto se traduce en ahorro de recursos clínicos y financieros, además de mejorar la eficiencia de los servicios sanitarios, especialmente en entornos con alta carga de adultos mayores polimedicados.

La evidencia recopilada indica que la Inteligencia Artificial cuenta con capacidad demostrada para detectar interacciones farmacológicas de riesgo con mayor rapidez que los métodos tradicionales, así como para reducir la prescripción de medicamentos inapropiados en población mayor. También se observaron resultados positivos en el acompañamiento del tratamiento domiciliario y en la predicción temprana de eventos adversos en pacientes con perfiles complejos.

No obstante, los autores de la revisión señalan que aún se requiere mayor investigación longitudinal para evaluar los efectos sobre desenlaces clínicos mayores, como hospitalizaciones, eventos adversos graves o calidad de vida a largo plazo. También destacan la necesidad de criterios estandarizados sobre qué constituye una medicación inapropiada o de riesgo, ya que los estudios analizados utilizaron definiciones diferentes según el país o la guía clínica empleada.

Según los datos disponibles, la IA puede convertirse en un instrumento eficaz para apoyar la seguridad farmacológica en adultos mayores, actuando tanto en la etapa de prescripción como en el seguimiento del tratamiento. Su utilidad potencial radica en reducir errores por acumulación de fármacos, anticipar reacciones adversas y facilitar el control terapéutico, con impactos positivos en la eficiencia y sostenibilidad de los sistemas de salud. Para su adopción a mayor escala, la revisión concluye que serán necesarios protocolos unificados y marcos de validación que aseguren una incorporación segura y reproducible en los sistemas sanitarios.

Referencia

Bringhurst, K., Jones, T., Runko, G., et al. (2025, 24 de agosto). Inteligencia artificial en la gestión de la polifarmacia en adultos mayores: una revisión exploratoria. Cureus, 17(8), e90867. https://doi.org/10.7759/cureus.90867