En MUY IA Trends, José María puso el foco en cómo la inteligencia artificial está transformando el modelo asistencial, pasando de una medicina reactiva a una medicina predictiva y personalizada, con un impacto directo en la prevención, el diagnóstico precoz y la mejora de la experiencia del paciente.
D. José María Veganzones Alonso-Cortés, Subdirector General de Salud Digital de la Comunidad de Madrid, centró su ponencia en MUY IA Trends Executive Update 2025 en cómo la inteligencia artificial está revolucionando la atención sanitaria.
A través de su exposición, destacó el potencial de la IA para mejorar la gestión de los recursos, reducir tiempos de espera y personalizar los tratamientos, haciendo hincapié en la necesidad de integrar estos avances para ofrecer una atención más eficiente y accesible para todos los pacientes.
Transcripción editada de José María Veganzones
Muchas gracias a la revista Muy Interesante por la invitación y al Ilustre Colegio de Médicos de Madrid. voy a explicar lo más rápido y lo más claro posible, qué está pasando con la inteligencia artificial. Primero, os digo el contexto. ¿Qué ha pasado? A partir del 2020, ¿Qué pasó? Apareció ChaGPT y, a partir de ahí, ha habido una avalancha de innovaciones. 2021, GPT-3 de DeepMind, AlphaFold 2, apareció DALE para generar imágenes a partir de texto.
Tesla mejoró sistema de conducción autónoma. Microsoft lanzó Nuance DAX. En 22, ChapGPT otra vez, OpenAI. DeepMind sacó un sistema que se llama Gato, que es poco conocido aquí, pero es un modelo multimodal que realizaba múltiples tareas. Apareció Stable Diffusion, generación de imágenes con código abierto. Google lanzó PAL-L, que era un modelo de lenguaje de 540 millones en parámetros. Apareció la IA generativa, mejorando, utilizando herramientas como DALE2 en temas de imagen y empezó a aparecer la inteligencia artificial cuántica. Se empezó a hablar, también, de la ética de la inteligencia artificial y las regulaciones globales.
¿Y qué pasó en 2024? Pues que concedieron dos premios Nobel de Medicina a expertos en inteligencia artificial, cosa que nunca había pasado. En química a David Baker y Demis Hassassis y John Damper. Y en física fue John Hoffman y Geoffrey Hinton. También apareció GPT-5 de OPNI, GMI 2.0 de Google, donde incluía mejoras de racionamiento y planificación, SORA de OPNI. Apareció Mistrali en Francia, Grob de X de Twitter y apareció por China Deep Seek V3, que dio una sorpresa.
Tendencias de 2025
Hace muy poco apareció Llama 4. Estos son un poco los anuncios. ChaGPT6 va a salir, Gemini 3.0, Cloud 4, Mistral 3 y Dipsy QB4. ¿Qué está pasando? Pues que es una carrera a nivel de multinacionales, de grandes gigantes y de países, Estados Unidos y China, están compitiendo. Y las tendencias esperadas es que exista ya una AGI limitada con modelos de razonamiento más humano, mayor regulación global, Estados Unidos, Europa y China. Y LLM es para dispositivos locales, que los puedes instalar on-prem y tienes en tu casa un sistema superpotente, que antes no podías utilizarlo. Si tienes GPUs, pues puedes hacer un procesamiento muy potente, que era imposible y muy caro, ¿no? Aparte IA y robótica.
Esto lo he puesto porque es un documento que se llama AI-2027, de E-Futures Project. de Daniel Coco Taljo se llama, que es un análisis de situaciones previstas, una previsión de lo que puede pasar dentro de unos meses. Si leéis el documento os podéis asustar, con precauciones muy técnico. Te habla de qué pasa dentro de cuatro meses, o sea, ya no dentro de diez años, cuatro meses. Y cuatro meses más tarde, ¿qué va a pasar? Y aparecen temas de geopolítica, de ciberdefensa, China-Estados Unidos, Estados Unidos-China. Lo dejo aquí para que lo tengáis.
Aplicaciones de IA en sanidad: clasificación de riesgos
Este gráfico me parece muy interesante. ¿Por qué? Porque aquí ya estamos hablando de sanidad y de inteligencia artificial. Y aquí, ¿qué habría? Pues aquellos que tienen poca evidencia y alto riesgo. Por ejemplo, prescripción autónoma con inteligencia artificial, cosa que no podemos permitir a día de hoy porque el sistema puede equivocarse y no puedes prescribir un medicamento incorrecto a un paciente.
Chatbots para salud mental también tienen mucho riesgo porque son pacientes vulnerables. Aquí, en el horizonte, aquellos que tienen poca evidencia y bajo riesgo, por ejemplo, seguimiento de adherencia de medicación. También manejar con precaución, basado en evidencia, pero con alto riesgo como análisis radiológico. Es un sistema que funciona muy bien, pero claro, estás diagnosticando, o sea, tiene que ser supervisado. ¿Qué es seguro? Pues interpretación de un electro, ahí no hay ningún problema. Está clasificado muchos tipos de IA en sanidad.
El día 7 de abril salió este informe, el Artificial Intelligence Index Report 2025 de Stanford, y tiene un capítulo 5 sobre ciencia y medicina. Hablan de optimización de secuencias de proteínas. Hablan de mapeo del cerebro humano, laboratorio de inteligencia artificial virtual, la evolución de modelos V3, Alphafol 3, que salió uno, pues cada año va saliendo dos y ahora el tres.
El año pasado, por ejemplo, salió, Evo 2 de NVIDIA, que es mucho más potente que Evo 1. Yo ayer estuve hablando con la gente de NVIDIA Europa y te están explicando lo que están haciendo. Clickamayo va a utilizar una infraestructura de NVIDIA potente para hacer procesamiento de imagen de anatomía patológica y están hablando de volúmenes muy grandes que necesitan de GPUs y de memoria para mover todo aquello.
Gobernanza y ética de la inteligencia artificial
Tenemos varios retos para poder utilizar de forma efectiva la inteligencia artificial, tenemos que tener mucho cuidado en la gobernanza y la ética de la inteligencia artificial. Muy importante también la ciberseguridad, porque cada vez tenemos sistemas que te los pueden hackear y puede afectar a la ética, a la transparencia.
Luego está la propiedad intelectual, mucho cuidado con los modelos y como se han entrenado, porque puede haber propiedad intelectual por debajo. Y el tema de la escalabilidad, tú montas un proyecto de IA y ahora ponlo en producción, a ver qué pasa. Entonces puedes haber desarrollado un modelo y cuando te enfrentas a utilizarlo en producción en un hospital, pues te vas a dar cuenta que no es sencillo.
Formación en inteligencia artificial
El 1 de agosto del 24 entró en vigor el Reglamento Europeo de Inteligencia Artificial. El 5 de marzo del 25, hace nada, se publicó el Reglamento Relativo al Espacio Europeo de Datos de Salud, que es otro reto muy importante al que nos tenemos que enfrentar. Sin datos de calidad no hay inteligencia artificial. Es clarísimo, no puedes tener inteligencia artificial de calidad sin datos de calidad. Y aquí entra en juego también el espacio europeo de datos de salud.
A nivel de España, se creó la Agencia Española de Supervisión de Inteligencia Artificial. Tenemos que ir con cuidado porque es una agencia que nos supervisa. Y, hace unas semanas, un anteproyecto de ley para el buen uso de la gobernanza de la IA. Nosotros hemos presentado alegaciones porque había cosas que no estaban muy claras.
Desde Madrid se está haciendo formación gratuita para capacitar pymes en el uso de la inteligencia artificial y la digitalización para mejorar la adopción y la escalabilidad del mercado. No hacen falta perfiles de inteligencia artificial, perfiles de gobierno del dato, perfiles de interoperabilidad para poder llevar a cabo estos proyectos tan grandes.
Gobierno de la inteligencia artificial
El gobierno de la IA hay que tener en cuenta muchos aspectos. Aquí cito unos cuantos. Tiene que estar alineado estratégicamente, tiene que haber un desarrollo ético, una supervisión humana, una transparencia y explicabilidad de los algoritmos. Hay que gestionar los datos, gestionar los riesgos, rendir cuentas y tener un catálogo y clasificación.
¿Qué oportunidades nos brinda la IA? Pues fijaos, por ejemplo, un asistente de IA para un profesional sanitario. Nosotros vamos a arrancar un piloto ahora recientemente, un sistema que va a ayudar al médico de primaria a hacer las consultas más ágiles. Eso os lo explicaré rápidamente al final. Un asistente también para el paciente, utilizando nuestro canal, que es la tarjeta sanitaria virtual. También tenemos un chatbot que vamos a arrancar.
Diagnóstico de imagen, como no. Algoritmos de visión artificial. Generación de conocimientos sobre informes clínicos sobre nuestro espacio de datos. Hay muchos datos, pero hay que interpretarlos. Entonces, utilizando procesamiento del lenguaje natural, utilizando una serie de algoritmos, se puede generar conocimiento. Y, como no, la genómica.
Para conseguir esto, necesitas una infraestructura, una plataforma de inferencia para hacer procesamientos. Necesitas un laboratorio de IA para probar los modelos. Necesitas, creemos, poder hibridar. Nosotros tenemos todo en frente, tenemos que empezar a trabajar en nube porque los algoritmos están en nube de forma segura, pero tenemos que arrancar.
Luego, espacio de datos. Tenemos una plataforma de Big Data, vamos a tener una plataforma unificada de imagen y tenemos el CEMAC, el Centro Madrileño de Genómica. Son fuentes de datos grandes.
Centro de excelencia de IA, donde se coordinen todas estas iniciativas con científicos de datos, ingenieros de IA y expertos en normativa. Como ejemplo, un espacio de datos. Esto es lo que tenemos en Madrid. Tenemos un espacio de datos, nos decía el fabricante Cloudera que, será el segundo más grande de Europa con datos sanitarios, después de uno a nivel nacional en Italia.
Metodología para gobernar los datos
¿Qué hay que hacer? Pues hay que utilizar una metodología. Nosotros utilizamos DAMA, que es una metodología estándar de gobierno del dato. Hace falta una oficina de gobierno del dato con personas expertas en el gobierno del dato, en la calidad del dato, los metadatos, etc. Hacen falta herramientas que no son sencillas y son costosas.
Y al final, ¿qué vas a tener? Pues vas a poder gobernar los datos, gobernar los modelos y vas a tener una organización data-driven. O sea que las decisiones se van a poder tomar con datos. Yo os pongo algunas fuentes de datos que tenemos gobernadas, CMBD, CICID, ARSUIC, Poblacional, Cribados, etc.
Organismos clave en Madrid, dos organismos, Consejería de Digitalización y la Oficina Técnica de Impulso de Inteligencia Artificial, que es de nueva creación. Entonces, la Consejería de Digitalización ha implementado diferentes iniciativas en el ámbito de salud digital para mejorar la atención y la utilización de los servicios sanitarios. Se está desarrollando una estrategia de salud digital, se están gestionando proyectos tecnológicos para salud digital y se está asegurando la garantía de seguridad ética y cumplimiento normativo.
Tenemos unos fondos de Europa, unos MRR para primaria, tenemos también unos MRR para atención personalizada, PADP, tenemos unos para genómicas y genes, otros un proyecto únicas de enfermedades raras infantiles y juveniles, tenemos un MRR para espacio de datos, para poder cumplir el reglamento de espacio de datos y luego tenemos uno de cribado neonatal.
Tenemos el proyecto Artemisa, que es un hub de inteligencia artificial sobre imagen, en el que hay una serie de algoritmos, y en función de lo que del tipo de estudio que se está haciendo, utiliza un algoritmo u otro. Se automatizan los resultados, se utilizan los procesos y mejora la experiencia de paciente.
Y ahora estamos a punto de adjudicar, estamos en mesa analizando un proyecto de imagen centralizada, también con un hub de inteligencia artificial. Con varios algoritmos, incluirá uno para mamografías, otro para neurología, otro para radiografías de tórax y otro de radiología osteoarticular y algún otro algoritmo que todavía está pendiente de definir.
Tenemos un caso de uso que se llama SERMAS-GPT, usando ya generativa con fundación 29. Escribe una breve descripción clínica del caso, anonimizada. El sistema SEMA GPT le muestra un listado de posibles enfermedades raras. Hablamos de enfermedades raras. Este sistema se podría utilizar en únicas también para niños, ¿no? Es decir, a veces es muy difícil diagnosticar de principios un Kawasaki, por ejemplo. Yo tuve la ocasión de ver un Kawasaki siendo estudiante de medicina.
Piloto de agente de transcripción para atención primaria
Y finalmente os voy a hablar del último, que es un piloto que estamos haciendo de agente de transcripción para atención primaria. Es un sistema en el que el médico y la enfermera miran los ojos al paciente, no toma nota, no escribe nada. Atiende al paciente y al final de la sesión el sistema va captando la conversación, no la graba, la procesa, genera el contexto y el médico antes de finalizar la consulta revisa.
Son proyectos que van a ir saliendo en breve. Pero bueno, que hay que ir paso a paso, hay que validar la tecnología, hay que ver si funciona bien. Vamos a utilizar una metodología para ver qué tal funciona. Hay muchos sistemas, no hay uno nos gustaría probar muchos arrancamos con uno.
Si funciona bien, pues lo ponemos, lo entendemos por introducción en primaria planificado poco a poco, poco a poco, ir aumentando el número de centros viendo qué tal funciona, qué opinan los médicos, qué opinan los pacientes para evaluar el sistema. Y es algo que queremos hacer, que puede ahorrar tiempo, puede mejorar la calidad de la relación médico-paciente, la asistencia y al médico también le supone menos estrés no tener que estar escribiendo mientras estás viendo al paciente.
Impacto directo de la IA en sanidad
Generación de informe clínico mediante reconocimiento conversacional, esto es un clásico, esto no tiene magia ni inteligencia artificial, es un transcriptor. Lo que vamos a hacer es superar al transcriptor, es un transcriptor que interpreta y que además sea capaz de trocear la información. Para poder de forma estructurada guardarlo en la historia clínica.
Pronóstico de anemomas hipofisarios, modelo predictivo de riesgo de neoplasia, enfermedad tromboembólica venosa, modelo endoscopia inteligente, el otro día me llegó, endoscopia inteligente. Hay unas cápsulas que son inteligentes, con una serie de cámaras.
Todo lo que nosotros ponemos en producción pasa antes por la OSI. Nos aseguramos de que cumplan normativa. Hay proyectos que no cumplen. Si no cumplen, no se deberían poner nunca en producción, hasta que cumplan.
Hay codificación con inteligencia artificial de episodios de urgencias, criboasistencia multicéntrico, médico-paciente utilizando inteligencia artificial y modelos de IA que predicen la gravedad de una herida y proporcionan ayuda.
Solo quiero que os quedéis con una cosa, la IA en sanidad tiene impacto directo, ves el resultado inmediatamente. Puedes medir que tal funciona, ahorro de costes, de tiempos, cómo de bueno es comparado con un análisis de un clínico. Pero siempre tiene que estar supervisado.
