Laboratorio de I+D

Adherencia adaptativa: que las intervenciones de salud digital se usen de verdad.

Una línea de investigación abierta de Vuola.tech. No es un producto, es una hipótesis que estamos trabajando para confirmar o refutar. Buscamos socio clínico, datos reales de uso y consorcios donde esto encaje como paquete de trabajo.

El problema

Una intervención que se abandona es un tratamiento que nunca llegó a administrarse.

Las intervenciones de salud digital superan el ensayo clínico y fracasan en el mundo real. No porque el contenido clínico sea incorrecto, sino porque los pacientes dejan de usarlas mucho antes de recibir la dosis terapéutica. Sin uso sostenido no hay resultado, sin resultado no hay evidencia, y sin evidencia no hay reembolso.

3,3%
Retención mediana a 30 días en 93 aplicaciones de salud mental, medida sobre uso real y no sobre datos del fabricante
18,7%
Abandono mediano en ensayos aleatorizados de intervenciones digitales para enfermedad crónica
5-87%
Rango de pérdida de participantes en esos mismos ensayos, una dispersión así es en sí misma el hallazgo

Fuentes: Baumel et al., Journal of Medical Internet Research, 2019;21(9):e14567. Rates of Attrition and Dropout in App-Based Interventions for Chronic Disease, JMIR, 2020;22(9):e20283.

Por qué no está resuelto

Dos causas opuestas producen el mismo número.

La respuesta habitual es de volumen: más recordatorios, más notificaciones, más gamificación. Y cuando el sector dice personalización, casi siempre significa segmentar por diagnóstico o por datos sociodemográficos y mandarle a todo el mundo lo mismo con su nombre puesto.

Un paciente se satura de información y se va. Otro se aburre por defecto de estímulo y se va. En la tabla de retención ambos aparecen como una única cifra, así que la métrica agregada esconde el mecanismo. Y como la respuesta por defecto es añadir más, cada intento de mejorar la retención empeora activamente al primer grupo.

Dos supervivientes de cáncer con el mismo diagnóstico y la misma aplicación: uno quiere explorar todo su historial, al otro le basta encontrar quince documentos sobre recurrencia para cerrarla. No es una diferencia clínica. Es una diferencia de apetito informativo, y hoy los productos no la modelan.

Nuestra hipótesis

Parte de la varianza no explicada del abandono es un desajuste de dosis, no un problema de motivación.

En concreto: que una parte significativa del abandono corresponde a un desajuste entre la dosis de información y novedad que el producto entrega y la que cada paciente individualmente tolera y desea; que ese apetito es inferible de forma pasiva desde el comportamiento dentro del producto; y que calibrarlo automáticamente mejora la adherencia medida de forma clínicamente relevante.

01

Inferencia pasiva

La señal procede solo de la telemetría del propio producto: qué se abre, cuánto se profundiza, qué se omite, la latencia de retorno y el punto de abandono. Sin cuestionarios adicionales, porque la longitud del cuestionario es en sí misma un factor conocido de abandono. Sin datos externos ni de redes sociales.

02

Calibración

Tres parámetros de dosis por paciente: cuánto contenido, con qué grado de novedad respecto a lo que ya conoce y a qué ritmo avanzar.

03

Medición

Un instrumento validado de percepción, no solo métricas de interacción. Se sabe que las métricas proxy de novedad y sorpresa no se corresponden de forma fiable con la percepción real del usuario: es un problema abierto en el campo y la parte para la que mejor equipados estamos.

04

Explicabilidad

Cada decisión de calibración trazable y auditable, requisito para sistemas de IA que adaptan intervenciones sanitarias bajo el Reglamento Europeo de Inteligencia Artificial.

En qué punto está

TRL 2. Concepto formulado, todavía sin probar.

Lo decimos con claridad porque el siguiente paso es un estudio retrospectivo sobre datos de uso ya existentes, diseñado para ser barato y decisivo. Un resultado negativo es un resultado útil y cerraría la línea sin haber comprometido desarrollo. Esto es una línea de investigación, no un producto a la venta.

Sobre qué se apoya, todo ello trabajo anterior a Vuola: una tesis doctoral en la Universitat Politècnica de València sobre calibración de la exploración según el perfil psicológico del usuario, 17 publicaciones revisadas por pares y más de 100 citas, un protocolo de evaluación de precisión, novedad, diversidad y serendipia percibidas validado con usuarios reales, y la dirección de producto, por parte de nuestro cofundador, de un prototipo de salud digital validado con 92 pacientes y 16 profesionales en cuatro países dentro del consorcio EU4Health smartCARE.

Doctorado, UPV · sistemas de recomendación17 publicaciones revisadas por paresProtocolo de evaluación validadoExperiencia de entrega en EU4HealthPIC 862917918
Qué buscamos

Tres tipos de socio.

01

Un socio clínico, o una empresa de salud digital con datos de uso

Alguien con una intervención real y un problema real de abandono, dispuesto a que probemos la hipótesis de forma retrospectiva sobre telemetría que ya existe. Es la vía más rápida y barata de averiguar si la señal está ahí.

02

Un grupo de investigación

En particular en interacción persona-ordenador, salud digital o sistemas de recomendación. Somos una empresa pequeña con una pregunta de investigación definida y background publicado, no un laboratorio. La complementariedad es evidente en ambas direcciones.

03

Consorcios donde esto sea un paquete de trabajo

Todo proyecto europeo que despliega una intervención digital con pacientes tiene el mismo hueco: nadie se ocupa de que se siga usando, y sin eso no hay evidencia que reportar. Podemos aportarlo como background y asumir ese paquete.

¿Te suena este problema?

Si gestionas una intervención de salud digital y el abandono te está costando resultados, o estás preparando una propuesta donde esto encaja como paquete de trabajo, hablemos. Nos interesa igual que nos digan que la hipótesis es falsa.

Hablemos de ello