CasualtyLogic: un hospital ensaya un incidente mayor veinte veces al año
En un incidente con múltiples víctimas, las decisiones de las primeras horas determinan la mayoría de las muertes evitables. Las herramientas para ensayar esas decisiones funcionan a velocidad humana y de un escenario en un escenario.
Los ejercicios de mesa y los maniquíes de simulación son buena formación. También están profundamente limitados: un escenario, un ritmo, un conjunto fijo de variables. Un sistema hospitalario que se prepare en serio para un incidente mayor conseguirá quizá diez o veinte ensayos en un año. El número de formas en que un incidente real puede diferir de esos veinte no es veinte.
CasualtyLogic ejecuta diez mil variaciones paramétricas del mismo incidente en una noche. No para sustituir al ejercicio, sino para encontrar los modos de fallo en la decisión que un ensayo a ritmo humano no sacará nunca a la luz — las combinaciones de carga de víctimas, disponibilidad de recursos, retraso en la evacuación y caída de las comunicaciones que convierten un protocolo que funciona en uno que no.
Hay un segundo problema que aborda, y es más incómodo. Los protocolos de múltiples víctimas que hoy usan los sistemas sanitarios derivan del análisis retrospectivo de incidentes que ya ocurrieron. Están optimizados para el pasado. Nada en ese proceso pone a prueba cómo se comporta un protocolo bajo condiciones que todavía no se han dado — un tipo de incidente nuevo, un entorno de comunicaciones degradado, una avalancha que excede todo precedente histórico.
La plataforma modela el deterioro fisiológico de las víctimas a lo largo del tiempo, las decisiones que toma el personal con información incompleta y bajo presión, y las restricciones operativas que condicionan ambas cosas. Esa tercera capa es la que suele quedarse fuera: retrasos de evacuación, capacidad de transporte, ratios de personal, e incidentes en varios emplazamientos donde los centros tienen que coordinarse. No son detalles de fondo. Con frecuencia son el factor decisivo.
Una capacidad que nos parece desproporcionadamente valiosa es la revisión posterior contrafactual. Se introduce la línea temporal de decisiones de un incidente real o de un ejercicio, y la plataforma reconstruye qué habría pasado por caminos distintos. Eso convierte un debriefing de una conversación cualitativa sobre qué se sintió mal en una cuenta cuantitativa de qué costó vidas.
En qué punto está: nivel de madurez tecnológica tres, doce meses de desarrollo por delante y ningún despliegue en ninguna parte. Está diseñado para funcionar con literatura clínica publicada en lugar de datos restringidos de pacientes, lo que permite validarlo sin esperar acuerdos de acceso a datos — pero validado es exactamente lo que todavía no está.