La primera mesa redonda del evento fue moderada por Marcos Guerra, consejero delegado de la consultora de salud Petri. Abordó las tendencias en salud de la inteligencia artificial desde el punto de vista académico, de la farmacia hospitalaria, del ámbito hospitalario y de la consultoría especializada en salud.
El catedrático de la Universidad Politécnica de Madrid Víctor Maojo es uno de los mayores expertos nacionales en este campo. «Vemos avances por todos lados en inteligencia artificial, pero no es un área nueva en el ecosistema sanitario. Los antecedentes se remontan a los años 40 y se trabaja desde los 70», recordó.
En la actualidad, esta tecnología se usa en diferentes hospitales avanzados de todo el mundo y en la base de datos médicos gratuita Pubmed, que calificó como el ejemplo «más claro». Además, está presente en historias clínicas, sistemas de detección, Ucis… «Está prácticamente en todas las áreas, pero no se es consciente de ello (aunque ya están en los hospitales). Se es más consciente de su presencia desde la aparición de ChatGPT», opinó.
Cristina Bravo, farmacéutica hospitalaria en el Hospital Universitario de Fuenlabrada (Madrid) repasó su experiencia en este campo. «Cuando empezó la pandemia, diferentes servicios de mi hospital empezamos a introducir datos de pacientes de Urgencias para intentar entender qué estaba pasando. Pero estos datos no se podían explotar de una manera ágil y rápida, pese a que las historias clínicas contienen muchísima información».

Generar conocimiento más rápido
Por este motivo se optó por organizar toda la información usando una plataforma i2b2 en la que los expertos compartían sus resultados «porque cada servicio del hospital cuenta con su propia herramienta y era inviable registrar los datos de los diferentes sistemas operativos». La plataforma permitió agregar la información y codificarla, con una base de datos a la que se podía preguntar y que daba respuestas sobre tratamientos, «pero de manera muy poco operativa, necesitábamos un tratamiento más exhaustivo de los datos». Desde su punto de vista, la solución va a venir de mano de la inteligencia artificial «que nos va a dar respuestas mucho más ágiles, nos va a responder si tenemos una información organizada, estructurada y, sobre todo, entrenada: vamos a ser capaces de generar conocimiento mucho más rápido, tratando mejor a los pacientes y en el momento en que lo necesitamos».
Inés Huertas es ingeniera y responsable de datos de la consultora de tecnología Kairos. Vaticinó que las instituciones se van a beneficiar del poder de la Inteligencia Artificial «dependiendo del nivel de transformación y digitalización en el que se encuentren, ya que se pueden hacer herramientas muy avanzadas o hay que comenzar por fases anteriores».
Otro aspecto que consideró relevante es la democratización de la inteligencia artificial, que permite que «cualquiera pueda entrar y probarla, lo que permite abrir caminos y, a la vez, educar a la gente». Pero, como recalcó, la inteligencia artificial «va más allá, con optimización de recursos y de imágenes en hospitales y que pueden aplicarse ya».
Antonio Herrero, director de transformación y sistemas de Quironsalud, detalló una de las aplicaciones que está utilizando la compañía. «Partimos de un nivel elevado de transformación digital, porque tenemos las historias clínicas de los pacientes almacenadas desde hace años y nos dimos cuenta que tenemos un archivo enorme de datos y no hacíamos absolutamente nada con ellos. Por eso, usamos analítica de datos para ser más ágiles y poner de relieve qué procesos que se hacen en hospitales eran ineficientes, estudiarlos y comenzar a hacerlos más eficientes. Al final, va a repercutir en el paciente y en todo lo que le rodea, vamos a ser más ágiles y llegar antes a los diagnósticos», relató.

Aplicación práctica
¿Qué ejemplos prácticos de aplicación de la inteligencia artificial hay a día de hoy? Inés Huertas citó un proyecto con el Hospital Universitario La Paz de Madrid sobre análisis de supervivencia en cáncer, con algoritmos que puedan ser útiles en otros centros, sin necesidad de tener que mover los datos, de manera que los algoritmos sean a su vez reentrenados con los datos de otros hospitales.
«También con el Hospital de La Paz hemos desarrollado un algoritmo de soporte a los pacientes de afasia -una enfermedad que impide hablar, por diferentes motivos- con una aplicación móvil con la que el paciente va diciendo palabras, mientras el facultativo valida si las dice bien o no. En una segunda fase, el abordaje es personalizado y permite que el paciente pueda reentrenar y mejorar. En una última fase, el algoritmo permite procesar la voz, creando un mapa sabiendo cómo se dice una palabra, ver cómo la dice y comprobar y supervisar la mejora», explicó la ingeniera.
Antonio Herrero puso como ejemplo una herramienta de procesamiento de imágenes de rayos X de tórax, «que permite analizar la información recopilada y sugerir la posible patología del paciente. No solo analiza la imagen, el resultado es introducido en el escritorio del radiólogo para que preste atención a las placas en las que el modelo muestra algo patológico».
Por otro lado, se ha puesto en marcha otro proyecto pionero: analizando los datos de las derivaciones de Atención Primaria, se analizaba el lenguaje natural y se detectaban sospechas de diagnóstico, solicitando precozmente las pruebas médicas necesarias. De este modo, cuando acude el paciente a la primera consulta del especialista, no solo tiene la sospecha del diagnóstico, sino el resultado de la prueba que hubiese pedido, con una reducción en algunos servicios del 30 % de las consultas sucesivas, adelantando el diagnóstico del paciente.
«Una tercera herramienta, centrada en la codificación automática de las Urgencias, nos permite tener percepciones de los diagnósticos con los que acuden los pacientes a los hospitales sino números reales, lo que nos posibilita conocer el proceso completo desde que entra por el triaje, hasta el diagnóstico final. Esto nos ha permitido saber que, en algunos procesos, ya se pueden pedir las pruebas directamente en el momento del triaje, sin esperar a que el paciente entre a ser valorado por el facultativo. Además, hemos logrado reducciones de hasta el 20 % de estancia en Urgencias», destacó Herrero.
En el Hospital de Fuenlabrada, Cristina Bravo está trabajando con Inteligencia Artificial en un prototipo, llamado PROMETE, para pacientes con enfermedad tromboembólica. Permite, con un agente conversacional, recoger información en tiempo real sobre cómo se encuentran a lo largo de todo su proceso de enfermedad, dando respuestas inmediatas y apropiadas. Así, se cuenta con más información, pueden tomarse mejores decisiones de tratamiento, cruzando los datos con la historia clínica para ver si debe variarse la medicación. En la actualidad se están realizando entrevistas con los pacientes para conocer su opinión sobre la herramienta. Como abordaje novedoso se va a incorporar la grabación de la voz y se grabarán sus imágenes para, a través de inteligencia artificial, realizar un análisis de las emociones para recopilar información que el paciente pueda no estar manifestando, como tomarse adecuadamente la medicación.

Evaluaciones para dar seguridad
Para el profesor Maojo, un aspecto clave en este campo es cómo realizar las evaluaciones para proporcionar más seguridad al profesional asistencial y al clínico. «Deben estar siempre basadas en el método científico, con una metodología clara. En medicina, las evaluaciones no pueden ser iguales a otros campos, como los bancos o los seguros. Por ejemplo, autoridades regulatorias como la FDA -la agencia de medicamentos estadounidense- realizaba evaluaciones con protocolos similares a los de los fármacos, demostrando en ensayos clínicos reales los fundamentos de estas pruebas. Existe un cierto peligro en esto, porque la evaluación se puede extender durante años y el sistema que se está probando queda viejo. Por eso la FDA ha aprobado, en los últimos dos años, 500 herramientas de inteligencia artificial en el área médica, con lo que hay un cierto riesgo de que las evaluaciones no hayan sido completas. El auge es tan tremendo y el cambio va a ser tan grande en el área médica que no podemos exigir que los procesos se alarguen mucho tiempo», opinó.
Otro riesgo clave que, desde su punto de vista debe destacarse, es el de la falta de explicabilidad de los sistemas de inteligencia artificial: un sistema de este tipo, para que sea útil, debe ser explicable. Sin embargo, un ensayo clínico reciente, realizado con 400 médicos a los que se les mostraba sistemas de inteligencia artificial y a los que se les preguntaba la relevancia de la explicabilidad, demostró que al 60 % no les importaba, que confiaban en la inteligencia artificial. «Hemos pasado de la sospecha de que esos sistemas eran peligrosos y que teníamos en los años 80 y 90 a una confianza ahora que quizá es demasiado grande. Quizá habría que llegar a un punto medio y demostrar claramente la utilidad clínica de estos sistemas», propuso.
¿Qué ha cambiado, porque se habla tanto ahora de inteligencia artificial? Para Antonio Herrero, el punto de inflexión fue la pandemia, cuando se produjo «un crecimiento exponencial de la digitalización: se necesitaban datos y se fue consciente de que, si se comparten, se pueden hacer cosas muy buenas en muy poco tiempo, como el desarrollo de vacunas».
Por otro lado, consideró que es preciso liderazgo, inversión y educación desde la base, implicando a los profesionales.
Inés Huertas añadió que, además de estos elementos, es fundamental el reto de la seguridad porque «sacar los datos fuera del hospital es imposible y entrar en el hospital es complicado, porque no todo está integrado».

Más inversión
Maojo insistió, por su parte, en que falta tanto dinero como conocimiento y puso como ejemplo que, en 1970, en Estados Unidos había 1000 médicos con formación pagada en este campo por los Institutos Nacionales de Salud (NIH), que ha formado a muchos más desde entonces. «Nosotros, hace un par de años, analizamos Pubmed con una beca de 5000 euros, frente a los 1200 millones de euros que ha costado ChatGPT. Si no hay fondos, es imposible avanzar ni en investigación ni en formación», alertó.
Por otro lado, respecto a la democratización, el catedrático insistió en que en este área «estas herramientas pueden ser clave para un cambio sustancial para la formación y práctica médica en los países en vías de desarrollo, con un futuro increíble».
Cristina Bravo coincidió en que sacar datos del hospital «es casi una misión imposible» y puso como ejemplo una aplicación para móvil para paciente quirúrgico que desarrolló hace años. Proporcionaba toda la información previa a la cirugía y, cuando estaba en vías de implantarse en el hospital e integrarlo en la tarjeta sanitaria virtual, el proyecto tuvo que pararse porque los sistemas no eran interoperables.
En su opinión, el dinero supone una limitación en los proyectos grandes «pero pueden hacerse proyectos más pequeños que pueden resolver los problemas del día a día. La colaboración con socios tecnológicos es fundamental para que ellos desarrollen soluciones, porque nosotros tenemos el conocimiento de poder entrenarlas. Pero depende mucho de la motivación personal, no hay cultura ni un plan de inteligencia artificial en mi hospital pero, desde mi pequeña área de influencia, voy dando ideas y el mensaje va calando y lo voy consiguiendo, poco a poco. La inteligencia artificial no va a quitar trabajo en sí, pero la gente que la use va a ser mucho más productiva frente a la que no sepa usarla, que va a ser menos competitiva».
Por último, la mesa abordó si el profesional está preparado para la inteligencia artificial
Antonio Herrero consideró que la formación es clave, implicando al sanitario en el proyecto. «En definitiva, son ellos los que tienen que liderar, con nuestro apoyo técnico, porque al final los datos demuestran su utilidad. El cambio va muy deprisa, lo que vale hoy a lo mejor mañana está obsoleto. Y ellos entienden que se tienen que unir», resumió.
Para Inés Huertas, sus opiniones son «encontradas: a veces hay proyectos que se entienden, como los que están relacionados con temas de procesos dentro de los hospitales, como los algoritmos de optimización de agendas. Por otro lado, en proyectos de investigación o en los de soporte de prescripción, es más complicado. Pero, como se ha comentado, es clave que haya alguien interno en el hospital que lidere y dinamice el proyecto».
«La inteligencia artificial no se estudia en carrera ni entra en el examen MIR y no hay programas para residentes y eso debe cambiar», propuso Maojo.
Cristina Bravo concluyó reiterando que los profesionales sanitarios están muy acostumbrados a interiorizar los cambios, como con los que suceden con frecuencia en las guías de práctica clínica. «Es cierto que, cuando tiene que cambiar nuestra forma de trabajar, nos cuesta más al principio. Pero si se demuestra que el cambio ahorra tiempo y que va a permitir que nos dediquemos a otros temas, ahorrando tareas burocráticas y generando mejores decisiones para tratar a nuestros pacientes, es el mayor catalizador: que el profesional sanitario interprete que esto viene para resolver sus problemas del día a día», concluyó.