Que en España el Catastro y las confederaciones hidrográficas no compartan datos, que no tengan ninguna conexión directa en la era de los vuelos lídar con drones, las constelaciones de satélites y la fotogrametría de última generación, ya es grave. Pero que, durante el Covid, una compañía de geoposicionamiento como ESRI descubriera que no existe una cartografía unificada de hospitales y áreas sanitarias, porque cada comunidad tiene una manera de hacer los mapas, no barajan los mismos conceptos o utilizan un nivel de detalle diferente, duele incluso más. Con el sistema de salud se ha topado la inteligencia artificial. Ahí lo va a tener difícil.
Y si en algún lugar tiene sentido que se aplique es precisamente en el cuidado sanitario. La Organización Mundial de la Salud (OMS) estima un déficit mundial de 10 millones de trabajadores médicos en 2030, aunque otras previsiones aumentan esa cifra hasta los 15 millones, con una demanda total de 80 millones de profesionales al año. Los gastos mundiales de atención médica equivalen ya al PIB de la Unión Europea y en 2025 el sector moverá un volumen de datos superior a los 10 zettabytes, es decir, 10 billones de gigabytes. De modo que sí, la generalización de la sanidad inteligente debería ser imperativa.
En buena medida, el creciente desembarco de actores del sector tecnológico, como las big tech IBM, Microsoft, Amazon, por supuesto Samsung, Philips y Siemens, se explica porque la atención médica tradicional aporta solo el 10-20% de la información necesaria. El otro 80% de los datos clave para la salud de un paciente se encuentra fuera de los registros médicos.
En casi la mitad de los países de la Unión Europea, no llegan al 25% los médicos generales pueden intercambiar datos con hospitales o especialistas. En su momento, resultaron impactantes las quejas los responsables del proyecto EBRAINS: sus responsables se lamentaron de que los datos de investigación del cerebro no pueden anonimizarse por completo sin perder su valor y necesitan costosos equipos para ser analizados. Para su investigación, actuar con una visión federada de la información era la única vía para “acercarse al paciente”.
Es duro saber, en esas circunstancias, que la detección temprana del cáncer de páncreas puede aumentar la tasa de supervivencia hasta en un 50%. Lo ideal sería disponer de una unidad de control central en el hospital y diseñar la información con un formato de Lego, como ha hecho el ZHAW (Zurich University of Applied Sciences). La conferencia global de HIMSS (Sociedad de Sistemas de Gestión e Información de Atención Médica) celebrada recientemente ha puesto el acento, incluso, en un paso previo al del diagnóstico.
Su encargo para la IA es que comience mejorando el flujo de trabajo para aliviar a los profesionales de enfermería, en un momento en el que la crisis de capacidad está llegando a un punto crítico en algunos hospitales. En EEUU, Steven Reilly, de Mednition, una de las startups galardonadas en HIMSS25, habla de un aumento del 35% de las visitas a urgencias, que se han traducido en una subida de más del 70% de los ingresos hospitalarios.
Podría decirse que la pescadilla se mueve la cola, porque al mismo tiempo que se le pide a la IA que resuelva el problema de la congestión, el 72% de las organizaciones de salud digital planean aumentar las inversiones para automatizar su marketing y fomentar la demanda entre los potenciales clientes. Confían, probablemente, en que se consiga resolver el problema de un modo diferente al actual, porque el camarote no da para más invitados.
No resulta fácil encontrar, en fin, el lugar de los sistemas artificiales en un ámbito tan quebradizo. Un estudio de la Clínica Mayo conocido en HIMSS25 ha observado una precisión inferior al 40% en ciertas respuestas de los asistentes de IA de atención médica. Lo que faltaba. La solución tecnológica se llama, como en otros ámbitos (sí, también llegará a la industria y a la agricultura, por ejemplo) generación aumentada por recuperación (RAG). Extrae información actualizada de fuentes confiables como historiales clínicos electrónicos, guías clínicas o bases de datos de investigación, en tiempo real… ¡si es que logra acceder a ella, claro!
No sólo es culpa del siniestro Sistema. El 50% y el 60% de las personas están dispuestas a compartir información personal de salud, especialmente quienes tienen una condición de salud crónica (77%) y las mayores de 65 años (76%), según un estudio de Ernst & Young. Pero sólo un 43% aceptan usar productos definidos como “alta tecnología”, como las píldoras inteligentes que viajan por el torrente sanguíneo y transmiten mensajes al móvil. ¿Te las inyectarías? En el caso de emergencias médicas, como ataques cardíacos en tiempo real, están logrando una precisión en el diagnóstico del 93-95%.
En 2023, había ya al menos 12 tipos de algoritmos contra la diabetes mellitus, 11 algoritmos probados en enfermos cardiovasculares, y otros con tasas de acierto superiores al 90% para la tuberculosis y la sepsis. Un algoritmo de aprendizaje profundo desarrollado por la empresa de tecnología de la salud Qure.ai en colaboración con AstraZeneca permitía la detección temprana del cáncer de pulmón. En total, se estima que la implementación de IA en el sector sanitario puede reducir los costes anuales de atención médica, sólo en EEUU, en 150.000 millones de dólares en 2026.
Otra de las startups premiadas, HistAI, anunció en HIMSS25 el lanzamiento de la iniciativa SPIDER (Repositorio Supervisado de Descripción de Imágenes de Patología), un ambicioso proyecto de código abierto, de un año de duración, para recopilar más de 50 millones de imágenes totalmente supervisadas de 20 tipos de órganos y tejidos diferentes. El objetivo es entrenar modelos de IA multiclase capaces de clasificar más de 400 morfologías distintas.
Quizás utilice la tecnología de la española Quibim, capaz de analizar, armonizar y generar imágenes estandarizadas de calidad con las que alimentar el gemelo digital de una persona. Sus biomarcadores de imagen para medicina de precisión, capaces de detectar lesiones de cáncer de próstata, recibía en marzo la autorización 510(k) de la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA).
