¿Dónde empieza realmente la innovación en el diagnóstico clínico?

Un laboratorio puede incorporar un analizador capaz de procesar cientos de muestras por hora, con una tasa de error mínima y resultados en minutos. Y, aun así, ese mismo día, el resultado de un paciente puede demorar horas de más porque el tubo llegó con datos incompletos, o porque la muestra tuvo que repetirse por hemólisis. La tecnología funcionó como estaba diseñada. El problema ocurrió antes.

Esta escena no es excepcional. Refleja algo que distintos estudios documentan de manera consistente: la mayor parte de los errores del proceso diagnóstico no se origina en el análisis, sino en las etapas que lo preceden. Eso obliga a preguntarse qué significa realmente innovar en un laboratorio clínico: no únicamente qué equipo se adquiere, sino cómo se diseña todo el recorrido que una muestra —y, detrás de ella, una persona— atraviesa antes de convertirse en un resultado.

Antes de que exista un resultado, ya se tomaron muchas decisiones

Es fácil imaginar el análisis como el centro del proceso diagnóstico. En la práctica, es solo uno de varios pasos, y no necesariamente el más determinante para la calidad del resultado.

Antes de que una muestra llegue al analizador ya ocurrió una secuencia de decisiones: qué prueba se solicitó y con qué indicación clínica, si el paciente recibió instrucciones de preparación, cómo fue identificado en el momento de la toma, qué técnica y tipo de tubo se utilizó, en qué condiciones se conservó y transportó la muestra, y cuánto tiempo pasó hasta su procesamiento. La OMS dedica una guía completa a estandarizar esta etapa, precisamente porque ahí se concentra buena parte del riesgo de error.

Esta fase, conocida como preanalítica, no es un trámite previo al trabajo «real» del laboratorio: es parte constitutiva de la calidad del resultado. Un estudio que analizó más de 750.000 solicitudes a lo largo de cinco años encontró que la mayoría de los incidentes registrados correspondía a errores en la obtención de la muestra —identificación incorrecta, hemólisis, coagulación, volumen insuficiente— y no a fallas del proceso analítico. Entre los errores de identificación revisados, poco más de la mitad correspondía a muestras que, al verificarse, no coincidían con el paciente descrito en la solicitud. Estos hallazgos son consistentes con revisiones que sitúan entre el 60% y el 70% del total de errores del proceso diagnóstico en la etapa previa al análisis.

Personas, procesos y tecnología no son historias separadas

Es tentador imaginar estos tres elementos como compartimentos independientes: un equipo de profesionales, un conjunto de procedimientos escritos y una plataforma tecnológica. En la práctica, la calidad de un resultado depende de cómo interactúan entre sí, no de cuánto se invierte en cada uno por separado.

Tomemos la identificación del paciente. Ningún sistema informático corrige por sí solo una pulsera mal colocada o una muestra rotulada de memoria en lugar de verificarse contra la solicitud médica. Por eso la OMS recomienda protocolos explícitos de doble verificación en el momento de la toma, y por eso ese protocolo solo funciona si el profesional que extrae la muestra lo aplica de manera sistemática, incluso cuando la carga de trabajo es alta.

Algo similar ocurre con la automatización. Un sistema capaz de detectar una muestra hemolizada o coagulada aporta valor porque evita que ese material llegue al analizador. Pero esa alerta solo mejora la calidad si existe un procedimiento claro sobre qué hacer a continuación —repetir la toma, notificar al servicio solicitante, documentar la incidencia— y personal capacitado para interpretarla. La tecnología reduce la carga de verificación manual; no reemplaza el criterio que decide qué hacer con esa información.

Lo mismo aplica a la interoperabilidad entre sistemas. Cuando la solicitud médica, la identificación del paciente y el resultado viajan por sistemas conectados, se reduce la necesidad de transcribir datos manualmente entre plataformas, una tarea que introduce error cada vez que se repite. Pero esa conectividad solo cumple su función si los procesos que la rodean —qué campos son obligatorios, cómo se resuelven las inconsistencias, quién valida antes de liberar un resultado— están claramente definidos. Tecnología sin procesos sólidos ni profesionales preparados no garantiza, por sí sola, mejores resultados.

Innovar también es reducir variabilidad

Gran parte de la innovación en diagnóstico clínico no se percibe porque no toma la forma de un equipo nuevo, sino de un procedimiento mejor definido. Estandarizar significa que una misma prueba se solicite, se recolecte y se procese de manera equivalente sin importar qué profesional esté de turno o en qué sede del laboratorio se realice. Instituciones como la Clinical and Laboratory Standards Institute (CLSI) publican especificaciones detalladas —por ejemplo, sobre la técnica de venopunción— cuyo propósito es que la variabilidad entre operadores deje de ser una fuente de error.

La trazabilidad cumple una función complementaria. Poder reconstruir cuándo se tomó una muestra, quién la recolectó, cómo se transportó y qué controles atravesó antes de emitir un resultado permite identificar en qué punto de la cadena se originó una desviación, en lugar de repetir todo el proceso a ciegas. La norma ISO 15189, referida ya en el artículo anterior de esta serie, exige precisamente ese nivel de control y competencia técnica en cada etapa, desde la recepción de la muestra hasta la emisión del informe.

La automatización de tareas repetitivas —pipeteo, etiquetado, distribución de alícuotas— contribuye al mismo objetivo, no porque elimine el error humano por completo, sino porque reduce la exposición a tareas manuales de alto volumen, donde la fatiga favorece equivocaciones. Su valor está en liberar tiempo profesional para decisiones que sí requieren criterio clínico: evaluar si un resultado es coherente con el cuadro del paciente o decidir si amerita repetirse.

Un ejemplo hipotético, aunque clínicamente verosímil: si el sistema de admisión no está integrado con el del laboratorio, el ingreso manual de datos demográficos puede generar una discrepancia entre el nombre registrado en el sistema hospitalario y el que figura en la etiqueta de la muestra. Una inconsistencia así puede retrasar la liberación de un resultado mientras se resuelve la verificación o, en el peor escenario, pasar inadvertida.

Del laboratorio al paciente

Todo lo anterior tiene un propósito que va más allá del laboratorio: producir información en la que un médico pueda apoyar una decisión clínica con la confianza de que refleja fielmente la condición del paciente en el momento en que se tomó la muestra. Un proceso diagnóstico mejor diseñado —con personas capacitadas, procedimientos estandarizados y tecnología bien integrada— contribuye a que esa información llegue de forma más confiable y oportuna. No toda mejora se traduce automáticamente en un mejor desenlace clínico individual, porque eso depende también de factores fuera del laboratorio; pero sí incide en algo que el propio laboratorio puede controlar: la probabilidad de que el resultado entregado sea el correcto, para el paciente correcto, en el momento en que se necesita.

Innovar es fortalecer todo el sistema

Cuando se piensa en innovación en salud, la imagen que suele venir a la mente es la de un equipo de última generación. Es una imagen parcial. La evidencia sobre errores en el proceso diagnóstico sugiere que buena parte del margen de mejora no está en la sofisticación del análisis, sino en cómo se diseñan, estandarizan y conectan las etapas que lo preceden y lo siguen.

En Sistemas Analíticos entendemos la innovación en estos términos: como el fortalecimiento conjunto de personas, procesos y tecnología a lo largo de todo el recorrido diagnóstico, no como la incorporación aislada de un dispositivo. Esa mirada de sistema es la que permite que el conocimiento técnico se traduzca en mejores decisiones para la salud de las personas.

Queda, sin embargo, una pregunta abierta que esta serie continuará explorando: si la calidad de un resultado depende de una cadena tan extensa, ¿qué papel juega la formación continua de quienes la sostienen día a día?