I+S Informática y Salud nº155

I + S

REVISTA DE LA SOCIEDAD ESPAÑOLA DE INFORMÁTICA DE LA SALUD

ESPECIAL BIG DATA E INTELIGENCIA ARTIFICIAL EN SALUD

ENTIDADES ASOCIADAS

Directora

Zaida Sampedro

Coordinador de Especiales:

Juan Carlos Oliva

Comité Editorial

Luciano Sáez

Jesús Galván

Francisco Martínez del Cerro

Guillermo Vázquez

José Manuel Morales Pastora

Comité de Redacción

Adolfo Muñoz Carrero

Ángel Blanco Rubio

Carlos Gallego Pérez, Carlos García Codina

Carlos Parra Calderón

Carmen Ferrer

Carmen Recalde

Elvira Alonso Suero

Fernando Báez

Francisco Javier Francisco Verdu

Francisco Sánchez Laguna

Gregorio Gómez

Inmaculada C. Castejón Zamudio

Inmaculada Moro

Javier López Cavero

Javier Turumbay

José Quintela

José Luis Monteagudo

José Manuel Morales Pastora

José María Leal Pozuelo

José Sacristán

Juan Díaz

Juan Fernando Muñoz

Juan Ignacio Coll

Lola Ruiz

Luz Fidalgo

Miguel Ángel Benito Tovar

Santiago Thovar

Colaborador Técnico

Diego Sáez

Información, Publicidad, Suscripciones y Distribución: CEFIC. C/ Enrique Larreta, 5 Bajo

Izda 28036 Madrid

Tlfno: 913 889 478

e-mail: cefic@cefic.es

Producción Editorial:

EDITORIAL MIC

Tel. 902 271 902 • 987 27 27 27

www.editorialmic.com

AÑO 2023 NÚMERO 155 SUMARIO

5 EDITORIAL

6 ESPECIAL BIG DATA E INTELIGENCIA ARTIFICIAL EN SALUD, UNA ACTUALIZACIÓN

7 Contitución del Comite Tecnico de IA en SALUD

10 GPT4 y la educación universitaria en ciencias de la salud

13 Inteligencia Artificial aplicada a los datos obtenidos del seguimiento remoto del marcapasos. Justificación y diseño del estudio prospectivo

IA-PACING

17 I. A ¿Por qué ahora?

20 Interoperabilidad semantica y federación de datos como habilitadores del uso del Big Data y la Inteligencia Artificial en el ámbito de la Salud

28 Medicina de precisión: datos y algoritmos que curan

32 Open Access Data: Un recurso clave para la investigación en salud

35 INFORSALUD 2023: El Impacto de la Estrategia de Salud Digital del SNS para el avance del sistema sanitario

35 ACTIVIDADES DE LA SEIS

35 INFORSALUD 2023

57 COLABORACIONES

57 El reconocimiento de voz para mejorar la adopción de la Historia Clínica Electrónica.

58 La experiencia del paciente depende de un uso eficaz de los datos.

59 Snomed CT: la terminología clínica que mejora la calidad de la atención al paciente y la interoperabilidad de los datos de salud a nivel global.

62 FOROS Y SECTORES

62 Foro de Salud Conectada.

63 Foro de Interoperabilidad.

64 Sector Farmacia.

66 Sector de Informática Médica.

DL: M-12746-1992

ISSN: 1579-8070

Los artículos revisiones y cartas publicadas en I+S, representan la opinión de los autores y no reflejan la de la Sociedad Española de Informática de la Salud. Queda prohibida la reproducción total o parcial sin citar su procedencia.

ENTIDADES COLABORADORAS

MUTUAL MIDAT CYCLOPS

COLEGIO OFICIAL DE FARMACÉUTIOS DE BADAJOZ

CONSEJO GENERAL DE COLEGIOS OFICIALES DE FARMACÉUTICOS

EMERGRAF, S.L. CREACIONES GRÁFICAS

IDCSALUD

OSAKIDETZA - SERVICIO VASCO DE SALUD

SOCIOS TECNOLÓGICOS PRINCIPALES

SOCIOS TECNOLÓGICOS COLABORADORES

Impacto de la Estrategia de Salud Digital

En la pasada edición del Congreso Nacional de Informática de la Salud, tuvimos la oportunidad de conocer las perspectivas de los diferentes agentes que participan en la transformación digital de nuestro sistema de salud. Con el lema general “El impacto de la Estrategia de Salud Digital del SNS”, realizamos un recorrido sobre los temas que consideramos esenciales.

Por una parte, aquellos que afectan al avance de todos los proyectos: el desarrollo del talento y capacitación digital de los profesionales sanitarios, la ciberseguridad y la calidad de la información de salud. Todos ellos son temas que nuestra Sociedad lleva impulsando desde hace años y sobre los que ha desarrollado diversas acciones, como la creación de un Máster en Digitalización Sanitaria y diversas píldoras formativas, el soporte al Comité Técnico de Seguridad del Sistema Sanitario, así como acciones difusoras y colaborativas con otras sociedades científicas para mejorar la calidad de la información de salud, etc.

También abordamos otro tema de máxima actualidad y de fuertes repercusiones en nuestro sector, como es el análisis del impacto que puede tener en los servicios sanitarios la incorporación de la Inteligencia Artificial (IA). En este sentido, la SEIS está poniendo en marcha un Comité Técnico de IA en Salud con el objetivo de promover una adopción adecuada de los

métodos, técnicas y procedimientos de IA, para contribuir a la mejora de la calidad y la seguridad de la atención a la salud de las personas, de forma respetuosa con el marco legal y los aspectos éticos que afectan a los ciudadanos.

Y con la experiencia pasada, tampoco se podía dejar de abordar de forma prioritaria el impulso a la salud pública digital, así como otros temas emergentes: la creación del espacio nacional de datos de salud, la aplicación de las tecnologías digitales para potenciar la atención primaria y comunitaria y la atención digital personalizada.

Con este recorrido temático, valoramos el impacto que la transformación digital del SNS va a tener tanto en las organizaciones de servicios sanitarios como en sus profesionales y en los ciudadanos. Pero lo más relevante es que la calidad y la equidad de la atención sanitaria va a salir fortalecida gracias a esta transformación digital.

Son muchas la dificultades con las que se van a encontrar la puesta en marcha y el desarrollo de los proyectos. La falta de recursos humanos con la formación adecuada, el cambio de los procesos asistenciales con la resistencia que se suele producir en el ámbito de los profesionales y la necesaria reordenación de los servicios y procedimientos normativos... Pero, con la colaboración e impulso de todos, el éxito es posible.

Big Data e Inteligencia Artificial en Salud, una actualización

Carlos Luis Parra-Calderón Coordinador

En este número monográfico, hacemos una revisión sobre diferentes aspectos relevantes de actualidad en el recorrido de la caracterización, introducción, adopción y evolución de las tecnologías basadas en Big Data y en Inteligencia Artificial en el ámbito de la Salud, donde se evidencian distintos enfoques, retos y avances Actualmente existen grandes desafíos y oportunidades en torno a las tendencias emergentes del uso masivo de los datos y de métodos de la IA en la prestación de servicios de salud y la investigación biomédica teniendo en cuenta los retos y necesidades relacionados con el avance de la transformación digital y la implementación de la medicina de precisión, así como modelos de gestión de sanidad basada en el valor, personalizada y sostenible.

La lectura de estos artículos debe servir para entender algunas de las tendencias importantes relacionadas con las necesidades a las que nos enfrentamos así como las palancas que deben usarse como son la normalización y los datos abiertos.

En este especial la SEIS comunica en primer lugar la creación del Comité Técnico de IA, como respuesta de nuestra Sociedad a la necesidad de atender este importante ámbito de

actuación para favorecer una rápida, efectiva, transparente y segura adopción de la IA en el Sistema Nacional de Salud.

Más adelante podréis encontrar contribuciones de experiencias del ámbito clínico y de ámbitos de escala regional como es la propuesta para incorporar estas tecnologías en el ámbito de la medicina de precisión de Andalucía.

No podía faltar una referencia a la IA generativa, en este caso mediante el experimento realizado por Julio Mayol en su dialogo con GPT para desarrollar el contenido de su propio artículo sobre el uso de la IA generativa en la educación médica.

Finalmente, se incluyen dos aportaciones sobre aspectos relevantes como son la normalización de los datos que nos propone el Centro Nacional de Supercomputación de Barcelona y la necesidad de avanzar en políticas de datos abiertos lideradas desde las propias instituciones y autoridades sanitarias, en este caso en una propuesta desde Andalucía.

Esperamos que estas lecturas sean de vuestro interés y sirvan para actualizar vuestro conocimiento y ampliar vuestra perspectiva respecto a los ámbitos del Big Data y la IA en Salud.

del Especial

Contitución del Comité Técnico de IA en SALUD

ANTECEDENTES

La Inteligencia Artificial (IA), entendida como el estudio, implementación y aplicación de sistemas computacionales que exhiben comportamientos complejos, manejan conocimientos, pueden aprender a partir de datos y responder adaptativamente a cambios en el entorno para llevar a cabo tareas inteligentes, representa en la actualidad una de las áreas de mayor interés dentro de la informática de la salud y salud digital, además de ser una de las áreas metodológicas más disruptivas que pueden hacer posible la transformación digital de los sistemas sanitarios.

La IA tiene un enorme potencial de aplicación en la Medicina de las 6P (Predictiva, Preventiva, Personalizada, de Precisión, Participativa y Periférica o descentralizada). Por ello, resultará una herramienta muy útil, a veces incluso imprescindible, en tareas de predicción, prevención, diagnóstico, tratamiento, control y seguimiento dentro del proceso asistencial. También tendrá un papel principal en el ámbito de la gestión, investigación biomédica, investigación clínica y salud pública. Todo lo anterior tiene como objetivo avanzar hacia un sistema sanitario público con mayor calidad asistencial, más sostenible y eficiente.

Aunque existen implementaciones de la IA en salud hace décadas, su uso en clínica es aún limitado, debido a diversas barreras en las que es necesario seguir trabajando. Entre estas barreras se pueden citar: carencia de marcos de evaluación en términos de efectividad y seguridad; necesidad de capacitación de los profesionales sanitarios; elementos regulatorios; aspectos relacionados con la dis -

ponibilidad de datos masivos, informaciones y conocimientos contrastados y de calidad; escasa utilización de estándares y ontologías que consigan que detrás de cada etiqueta semántica se encuentre siempre, y para todos, el mismo concepto; aspectos éticos y legales del uso de estas novedades tecnológicas; insuficiente capacidad de explicación de los sistemas; limitaciones en la capacidad de interoperabilidad y reusabilidad de los propios métodos de la IA; barreras culturales y rigidez organizativa de las organizaciones sanitarias; necesidad de interfaces avanzados cada vez más intuitivos. La aparición de LLM (como ChatGPT) y otros sistemas de IA generativa ha provocado recientemente un gran impacto social, que ha llevado a un debate público que incluye la participación de entidades nacionales e internacionales para su regulación, promoviendo agencias reguladoras como la AESIA (Agencia Estatal de Supervisión de la Inteligencia Artificial). Esta situación, que es de amplitud transversal a todos los sectores de actividad, afecta también y de forma muy sustancial a la medicina, sobre todo al modo de la atención en salud que se está abriendo camino en la actualidad.

La SEIS ha venido prestando atención a este tema desde hace años, incluyendo la IA en los programas de sus actividades (congresos, formativas) y publicando diversos artículos en su revista. Sin embargo, habida cuenta del enorme desarrollo reciente de esta disciplina y la oportunidad que supone la fuerte inversión europea iniciada para la transformación digital del SNS, parece oportuno formalizar una respuesta más estructurada de la Socie-

Fernando Martín Sánchez, Victor Maojo García, Alejandro Pazos Sierra, Carlos Luis Parra Calderón, Carlos Gallego Pérez y Luciano Sáez Ayerra

dad, del mismo modo que se ha hecho con otros aspectos transversales como la seguridad, la interoperabilidad de sistemas o la Gobernanza TIC.

Existen en estos momentos otras iniciativas externas en sus inicios, aunque sin la larga experiencia de la SEIS, tanto desde el punto de vista científico y académico como de la adopción real por parte de los proveedores sanitarios. Es el momento de realizar acciones decididas para posicionar la IA como un área sólidamente fundada y decisiva en las diversas áreas de Salud en España.

La Inteligencia Artificial (IA) representa en la actualidad una de las áreas de mayor interés dentro de la informática de la salud y salud digital, además de ser una de las áreas metodológicas más disruptivas que pueden hacer posible la transformación digital de los sistemas sanitarios

CREACIÓN DEL COMITÉ DE INTELIGENCIA ARTIFICIAL PARA EL SNS (CTIA).

El Comité Técnico de Inteligencia Artificial para el SNS (CTIA), se constituye como un órgano transversal consultivo con el objetivo de promover una adopción adecuada, justa y de excelencia de los métodos, técnicas y procedimientos de IA, para contribuir a la mejora de la calidad y la seguridad de la atención a la salud de las personas, la salud pública, la I+D+i y transferencia en el ámbito de la atención a la salud, todo ello de forma respetuosa con el marco legal y los aspectos éticos que afectan a los ciudadanos.

Actualmente, se está trabajando en la definición del reglamento de funcionamiento del CTIA estando prevista la constitución formal del mismo en los próximos días.

ACTIVIDADES A DESARROLLAR POR EL CTIA.

Este Comité desarrollará actividades de naturaleza diversa como son: la promoción de sesiones proponiendo participantes en torno a temas de actualidad en IA en Salud a los Comités Científicos de los diferentes eventos de la SEIS; contribuir con artículos y números especiales a la revista I+S; proponer el establecimiento de relaciones con otros colectivos y partes interesadas (Sociedades, Colegios,...) nacionales e internacionales en esta temática; proponer acciones de difusión de información sobre aplicaciones y actividades relevantes de la IA en Salud entre los socios de la SEIS y mediante los canales institucionales de la SEIS en redes sociales; la participación en proyectos de investigación e innovación en IA en Salud en nombre de la SEIS, en la medida de que el marco administrativo de dichos proyectos lo permitan; el fomento del debate y la colaboración en el dominio de la IA entre los responsables TICs de las entidades pertenecientes al Sistema Nacional de Salud; proponer a la SEIS las actuaciones conducentes a la mejora de la calidad de los servicios públicos de salud, en la medida en que esta dependa de la aplicación de la IA; e impulsar la colaboración y cooperación entre los proveedores

sanitarios de las CCAA en materia de IA en Salud.

ÁMBITOS DE ACTUACIÓN PREVISTAS DEL CTIA.

Se consideran como principales ámbitos de actuación del CTIA los enumeradas a continuación:

• Los sistemas conexionistas y el aprendizaje automático: aprendizaje profundo y otros tipos de aprendizaje

• Los sistemas basados en el conocimiento (SS. EE.) y otras técnicas y procedimientos de IA (Algoritmos genéticos, Coevolución,...)

• El procesamiento del lenguaje natural (LLM y otros)

• La interpretación de datos de sensores (IoT)

• Analítica y visualización avanzada de datos

• Robótica

• Procesamiento de imágenes médicas y visión artificial

• Asistentes virtuales y domótica

• Modelos predictivos

• Aplicaciones en Medicina de precisión

• Gestión de epidemias y salud pública

• Soporte a la toma de decisión clínica

• Sistemas semánticos (ontologías, interoperabilidad, traducción,...)

• Explicabilidad de la IA en medicina

• Encontrabilidad, Accesibilidad, Interoperabilidad y Reusabilidad (principios FAIR) de los métodos y herramientas de la IA como objetos digitales.

• Modelización de procesos asistenciales

• Participación en futuras normativas nacionales del uso de la IA en Medicina

• Riesgos de uso inadecuado (mala praxis, desinformación, privacidad, falsificación, etc)

• Evaluación de la IA como tecnología sanitaria

• Regulación de la IA como tecnología sanitaria

• Contratación pública de la IA en Sanidad

CONCLUSIÓN

Con la creación de este Comité Técnico, la SEIS hace su apuesta decidida para contribuir a una adopción responsable y segura y a su vez innovadora y eficaz de la IA en el Sistema Nacional de Salud.

GPT4 y la educación universitaria en Ciencias de la Salud

INTRODUCCIÓN

Los sistemas de procesamiento de lenguaje natural (NLP) han emergido con fuerza en el dominio público en los últimos meses y todo sugiere que van a provocar una transformación de todos los sectores en los que se puede aplicar. En el sector sanitario, estas herramientas pueden tener impacto en la asistencia, docencia, investigación y gestión (1).

Un área de particular interés tiene relación con la educación y entrenamiento de los profesionales sanitarios. Las tecnologías de NLP pueden intervenir en el ciclo completo de gestión del conocimiento, desde la evaluación de su calidad, generación de contenidos para favorecer la adquisición por parte de los estudiantes y la evaluación de los mismos. De hecho, ya hay ejemplos publicados sobre la capacidad de los chatbots basados en GPT para aprobar exámenes de médicos en inglés (2) y en español. En este último caso, el modelo basado en GPT3.5 de OpenAI demostró su capacidad para superar el ejercicio para el acceso a una plaza de cirugía torácica en el Sistema Andaluz de Salud (3).

A continuación, se presenta el resultado de un diálogo entre el autor (que formula las preguntas de entrada o “prompts”) y el sistema GPT4, disponible en la aplicación Bing de Microsoft a través del navegador Edge. El objetivo era realizar un análisis práctico de la respuesta de la inteligencia artificial a preguntas relacionadas con el potencial uso de la misma herramienta en la educación universitaria.

Prompt: Soy un profesor de la Facultad de Medicina de la Universidad Complutense y cirujano del Hospital Clínico San Carlos. ¿Me puedes decir qué es GPT4?

GPT4 es el sistema de lenguaje por inteligencia artificial más avanzado que existe actualmente. Fue desarrollado por la empresa OpenAI y lanzado el 14 de marzo del 2023. Es capaz de entender

y generar textos en cualquier idioma, así como de procesar imágenes y otros tipos de datos. También realiza otras diversas tareas, desde mantener una conversación natural hasta escribir una redacción o un poema sobre un tema, pasando por resolver problemas complejos o creativos. Funciona mediante una arquitectura llamada Transformer, que consiste en una red neuronal profunda que aprende a partir de una gran cantidad de datos recopilados de Internet. GPT4 utiliza un mecanismo de atención, que le permite enfocarse en las partes más relevantes de la información que recibe o genera. GPT4 también emplea un sistema de retroalimentación humana, que le ayuda a mejorar su comportamiento y a evitar contenidos no deseados.

Se trata de un modelo autorregresivo, lo que significa que genera textos palabra por palabra, basándose en el contexto anterior. GPT4 tiene una capacidad de memoria muy amplia, lo que le permite recordar y utilizar información de textos o imágenes anteriores. Tambien es capaz de adaptarse al estilo y al tono del usuario con el que interactúa, así como de generar respuestas personalizadas y originales.

Prompt: ¿Me puedes escribir una secuencia práctica para utilizar GPT4?

Una posible secuencia práctica para utilizar GPT4 es la siguiente:

1. Acceder a la plataforma de GPT4 y seleccionar el idioma y el modo de interacción deseado.

2. Escribir una consulta, una instrucción o un texto inicial en el cuadro de entrada y pulsar el botón de generar.

3. Revisar el texto generado por GPT4 y evaluar si cumple con los objetivos y las expectativas.

4. Si el texto generado es satisfactorio, se puede copiar, guardar o compartir según se necesite.

5. Si el texto generado no es satisfactorio, se puede modificar el texto inicial, ajustar los paráme-

Julio Mayol Unidad de Innovación, IdISSC, Hospital Clínico San Carlos, Universidad Complutense de Madrid

tros de generación o solicitar una nueva generación hasta obtener un resultado óptimo.

Prompt: ¿Cómo puede un profesor utilizar GPT4 para favorecer la adquisición de conocimiento de sus estudiantes?

La capacidad de GPT4 para generar textos coherentes y creativos a partir de unas palabras clave o de un texto inicial puede ser aprovechada por los profesores para diseñar actividades educativas que estimulen el aprendizaje de sus estudiantes.

Una forma de utilizar GPT4 en el aula es como una herramienta de apoyo a la escritura. Los profesores pueden pedir a los estudiantes que escriban un texto sobre un tema determinado, y luego usar GPT4 para generar sugerencias de mejora, ampliación o corrección del texto. De esta manera, los estudiantes pueden recibir una retroalimentación inmediata y personalizada que les ayude a mejorar su expresión escrita y su comprensión del tema.

Otra forma de utilizar GPT4 en el aula es como una fuente de inspiración y creatividad. Los profesores pueden usar GPT4 para generar textos originales y variados sobre un mismo tema, y luego presentarlos a los estudiantes como ejemplos o como puntos de partida para sus propias creaciones. Así, los estudiantes pueden ampliar sus horizontes, explorar diferentes perspectivas y desarrollar su pensamiento crítico y su imaginación.

Prompt: En un trabajo de fin de grado o de máster ¿es posible determinar con exactitud si fue elaborado por GPT4?

Determinar con exactitud si un trabajo de fin de grado o de máster fue elaborado por GPT4 es un reto complejo que requiere de técnicas avanzadas de análisis lingüístico y de detección de plagio. GPT4 es un modelo de generación de texto basado en inteligencia artificial que puede producir textos coherentes y fluidos a partir de unas palabras clave o de un contexto dado. Sin embargo, GPT4 no es infalible y puede cometer errores gramaticales, semánticos o de coherencia que delaten su origen artificial. Además, GPT4 puede copiar o parafrasear fragmentos de textos existentes en la web, lo que puede ser detectado por herramientas de verificación de originalidad. Por tanto, es posible determinar con cierto grado de confianza si un trabajo fue

elaborado por GPT4, pero no con una certeza absoluta.

Prompt: ¿Cómo puede un profesor de ciencias de la salud utilizar GPT4 para evaluar la adquisición de conocimiento y las habilidades cognitivas y sociales de sus estudiantes?

En este contexto, GPT4 puede utilizarse para evaluar la adquisición de conocimiento y las habilidades cognitivas y sociales de sus estudiantes de alguna de las siguientes formas:

• Pedir a los estudiantes que escriban un resumen, una opinión o una crítica sobre un tema relacionado con la ciencia de la salud, y usar GPT4 para generar una retroalimentación automática sobre la calidad, la coherencia y la originalidad del texto.

• Diseñar preguntas de opción múltiple, de verdadero o falso, o de respuesta corta sobre conceptos o hechos científicos, y usar GPT4 para generar las opciones o las respuestas correctas e incorrectas, así como las explicaciones correspondientes.

• Crear escenarios o casos clínicos simulados, y usar GPT4 para generar diálogos realistas entre los pacientes y los profesionales sanitarios, así como preguntas o tareas que evalúen las habilidades de comunicación, empatía y toma de decisiones de los estudiantes.

• Utilizar GPT4 para generar ejemplos o ejercicios prácticos sobre procedimientos o técnicas médicas, y usar GPT4 para generar soluciones o sugerencias de mejora basadas en las respuestas o acciones de los estudiantes.

Estas son solo algunas ideas de cómo un profesor de ciencias de la salud puede utilizar GPT4 para evaluar la adquisición de conocimiento y las habilidades cognitivas y sociales de sus estudiantes. GPT4 es una herramienta muy versátil y potente que puede adaptarse a diferentes objetivos, contenidos y niveles educativos.

Prompt: ¿Puedes escribirme un ejemplo de preguntas de examen para un estudiante de patología quirúrgica digestiva de la Universidad Complutense de Madrid?

A continuación, te propongo algunos ejemplos de preguntas que podrían aparecer en el examen de patología quirúrgica digestiva:

1. ¿Qué tipo de hernia se produce cuando una parte del estómago se desplaza hacia el tórax a

través del hiato esofágico?

a) Hernia inguinal

b) Hernia umbilical

c) Hernia de hiato

d) Hernia diafragmática

Respuesta correcta: c

2. ¿Qué técnica quirúrgica consiste en la extirpación total o parcial del colon?

a) Colectomía

b) Colostomía

c) Colonoscopia

d) Colangiopancreatografía

Respuesta correcta: a

3. ¿Qué complicación postoperatoria se caracteriza por la inflamación del peritoneo debido a la presencia de microorganismos?

a) Peritonitis

b) Absceso

c) Fístula

d) Hematoma

Respuesta correcta: a

4. ¿Qué enfermedad inflamatoria intestinal se caracteriza por la afectación discontinua y transmural del intestino, con formación de granulomas y fistulas?

a) Enfermedad de Crohn

b) Colitis ulcerosa

c) Diverticulitis

d) Síndrome del intestino irritable

Respuesta correcta: a

Prompt: ¿Cuáles son los riesgos del uso docente de GPT4 en ciencias de la salud?

Uno de los riesgos es la fiabilidad de la información que genera GPT4. Aunque el modelo ha sido entrenado con una gran cantidad de datos de Internet, no siempre es capaz de verificar la veracidad o la actualidad de lo que escribe. Por ejemplo, puede confundir hechos o fechas, citar fuentes poco fiables o desactualizadas, o inventar datos o estadísticas. Esto puede inducir a error a los estudiantes o a los docentes que utilicen GPT4 como fuente de información.

La ética del uso de GPT4 es un problema central. Al ser un sistema que puede imitar el estilo de escritura de cualquier persona o entidad, se puede prestar a usos fraudulentos o malintencionados. Por ejemplo, se podría utilizar para plagiar trabajos académicos, suplantar la identidad de autores o instituciones, o difundir información falsa o sesgada. Esto puede afectar a la integridad académica y profesional de los usuarios de GPT4.

Un tercer riesgo es la dependencia del uso de GPT4. Al ser un sistema tan potente y versátil, se puede caer en la tentación de utilizarlo para todo tipo de tareas o actividades, sin desarrollar las habilidades o competencias propias de cada disciplina. Por ejemplo, se podría utilizar para generar diagnósticos médicos, recetas farmacéuticas, o protocolos clínicos, sin tener en cuenta las limitaciones o los riesgos del modelo. Esto puede comprometer la calidad y la seguridad de la atención sanitaria.

En conclusión, el uso docente de GPT4 en ciencias de la salud puede ser una herramienta útil y novedosa, pero también implica una serie de riesgos que hay que conocer y prevenir. Es importante que los usuarios de GPT4 sean conscientes de las capacidades y las limitaciones del modelo, que lo utilicen con criterio y responsabilidad, y que lo complementen con otras fuentes de información y conocimiento.

BIBLIOGRAFÍA

1. Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT4 as an AI chatbot for medicine.N Engl J Med 2023; 388:1233-1239; https://doi.org/10.1056/NEJMsr2214184

2. Gilson A, Safranek CW, Huang T, Socrates V, Chi L, Taylor RA, Chartash D. How Does chatGPT perform on the United States Medical Licensing Examination? The Implications of large language models for medical education and knowledge assessment. JMIR Med Educ. 2023 Feb 8;9:e45312. https://doi.org/10.2196/45312.

3. Fuentes-Martín A, Cilleruelo-Ramos A, Segura-Méndez B, Mayol J. Can an artificial intelligence model pass an examination for medical specialists? Arch Bronconeumol. 2023; https://doi.org/10.1016/j.arbres.2023.03.017.

AGRADECIMIENTOS

Las contestaciones a las preguntas formuladas se obtuvieron mediante BingGPT, una aplicación disponible a través del navegado Edge de Microsoft que utiliza GPT4.

Inteligencia Artificial aplicada a los datos obtenidos del seguimiento remoto del marcapasos

Justificación y diseño del estudio prospectivo IA-PACING

1. Unidad de electrofisiología. Servicio de cardiología. Hospital Universitario Puerta de Hierro, Majadahonda, Madrid. España.

2. Unidad de electrofisiología. Servicio Cardiología. Hospital Quiron La Luz.

3. Servicio Cardiología. Hospital Universitario de Badajoz.

4. Unidad de electrofisiología. Servicio Cardiología. Hospital Clinico San Carlos.

5. Unidad de electrofisiología. Servicio Cardiología. Hospital Universitario de Burgos.

6. Unidad de electrofisiología. Servicio Cardiología. Hospital Universitario 12 de Octubre.

7. Unidad de electrofisiología. Servicio Cardiología. Hospital Universitario de Salamanca.

PALABRAS CLAVE; Inteligencia artificial, Marcapasos, Fibrilación auricular, Monitorización remota, eventos cardiovasculares mayores

ABREVIATURA: Inteligencia artificial (IA), fibrilación auricular (FA), episodios auriculares de alta frecuencia (AHRE), eventos cardiovasculares mayores (MACE), accidente cerebrovascular (ACV)

INTRODUCCIÓN

La inteligencia artificial (IA) es un término general que implica el uso de una computadora para modelar un comportamiento inteligente con una intervención humana mínima1 Existen múltiples usos de la IA, destacando últimamente sus nuevas incursiones en el campo de la medicina. En la actualidad prácticamente todas las especialidades de la medicina hacen uso de la inteligencia artificial ofreciendo una mayor eficiencia y, tal vez, pudiendo generar conocimientos que son difíciles de obtener con los métodos de análisis de datos más tradicionales2

Las aplicaciones de IA en medicina cardiovascular son útiles para los ensayos realizados por investigadores clínicos, el médico y el informático.

Crea un avance continuo en la medicina para una atención médica confiable y de calidad. Dentro de la cardiología, la IA crea un impacto positivo en la predicción y el diagnóstico de las enfermedades cardiovasculares3

La mayoría de los dispositivos cardiacos implantables en la actualidad poseen algoritmos automatizados que alertan sobre la aparición de episodios de alta frecuencia auricular, también llamados fibrilación auricular subclínica o, más apropiadamente, episodios de alta frecuencia auricular detectados por el dispositivo (AHRE) (Figura 1). Generalmente se obtienen a partir de una frecuencia cardiaca programado para la detección de 175 lpm y una duración de 5 min detectados por un dispositivo implantado con un electrodo auricular que permite monitorizar de forma auto-

Yuleisy De la Rosa-Rojas MD 1, Juan Benezet MD2, Joaquin Fernandez de la Concha MD3, Nicasio Perez Castellano MD4, Javier Garcia MD PhD5, Rafael Salguero MD6, Javier Jimenez Candil MD7, Ignacio Fernández-Lozano1 MD PhD.

mática y continua el ritmo auricular y almacenar los trazados. Cerca del 40% de los pacientes con dispositivos cardiacos implantables presentan episodios de AHRE en el seguimiento4,5 Múltiples ensayos clínicos han demostrado que los AHRE más largos están asociados con un mayor riesgo de fibrilación auricular (FA) clínica, accidente cerebrovascular (ACV) isquémico y eventos cardiovasculares adversos. De manera que parece atractiva la detección de AHRE en pacientes con dispositivos electrónicos implantables con el objetivo de predecir FA. Además, tanto el porcentaje de estimulación auricular como ventricular se ha asociado a un aumento de AHRE. 6,7,8

En vista de que la inteligencia artificial tiene la capacidad de analizar grandes cantidades de información es una herramienta valiosa

durante la monitorización remota de los dispositivos implantados. La hipótesis de este estudio es que podemos emplear algoritmos que con todos los datos obtenidos y predecir patrones y relaciones en conjuntos de datos que sugieran una tendencia al desarrollo de la fibrilación auricular o eventos cardiovasculares mayores (MACE), hospitalizaciones, y visitas a urgencias. Los datos a analizar son múltiples e incluyen la impedancia de los cables, amplitud de señales de electrograma intracardíaca, umbrales de estimulación, extrasistoles supraventriculares y ventriculares, episodios de taquicardia supraventriculares y ventriculares, frecuencia ventricular media de las 24 horas, frecuencia en reposo, patrones en la variabilidad en los umbrales e impedancia y porcentaje de estimulación tanto en aurícula como en ventrículo (Figura 2).

Figura 1. Ejemplo de un episodio de AHRE detectado y almacenado por un marcapasos.

DISEÑO DEL ESTUDIO IA PACING

El ensayo IA-Pacing es un ensayo clínico multicéntrico, nacional, prospectivo, observacional realizado en pacientes mayores de 18 años con indicación, según las actuales guías de la sociedad europea de cardiología, de primoimplante o recambio de marcapasos bicameral o marcapasos resincronizador cardíaco.

El IA pacing tiene como objetivo para evaluar el uso de la combinación de la IA y los datos que se obtienen de dichos dispositivos de manera remota para determinar patrones o índices que puedan predecir la aparición o aumento de episodios de fibrilación auricular y la aparición de eventos

MACE, hospitalizaciones y visitas a urgencias, generados por fibrilación Auricular o insuficiencia cardiaca a través de un diseño prospectivo, no aleatorizado, no ciego, observacional y multicén-

trico (figura 3). El estudio se realiza de conformidad con las reglas de la Declaración de Helsinki como una declaración de principios éticos para la investigación médica con seres humanos de la Asociación Médica Mundial y fue aprobado por el comité ético correspondiente a cada institución. El análisis de las combinaciones y su impacto en la evolución del paciente se medirá usando variables clínicas habituales: mortalidad por causa cardiovascular y por todas las causas, así como ingresos por causa cardiovascular. La inclusión prevista de 500 pacientes en 10 centros participantes en España con un periodo de inclusión desde diciembre del 2021 y una duración de reclutamiento de 12 meses mínimo, pudiendo ser ampliado según necesidad del registro. La participación del paciente finaliza si alguno de los siguientes ocurre: tras el último seguimiento a los 12 meses post-implante o que el paciente quiera salir

Figura 2. Ejemplo de la información almacenada en un marcapasos bicameral.

del estudio o no realice los seguimientos. Se tomarán en cuenta datos basales clínicos y demográficos incorporados en la base de datos del estudio y se relacionarán con los datos obtenidos durante el seguimiento tanto en la monitorización remota como en las visitas presenciales, exportando de forma estructurada y tabulada la información para posteriormente poder nutrir de datos la IA.

CONCLUSIÓN

El estudio IA-Pacing integra tanto los datos clínicos de los pacientes, como los hallazgos en los parámetros del marcapasos durante la monitorización remota y evaluaciones presenciales para predecir de manera precoz la aparición de fibrilación auricular, eventos cardiovasculares mayores, mortalidad por todas las causas e ingresos de causa cardiovascular de manera que podamos encaminar nuestros esfuerzos a ejercer acciones sobre aquellos factores modificables. Los resultados de este estudio generarán evidencia para abordar la brecha de conocimientos científicos con respecto a la predicción de eventos cardiovasculares en los pacientes con dispositivos cardíacos implantables de manera que podamos iniciar acciones para disminuir ACV, ingresos hospitalarios y eventos cardiovasculares mayores, traduciéndose esto en una disminución del coste para la Sistema Nacional de Salud. Los hallazgos del estudio generarán evidencia para abordar esta brecha en el conocimiento científico y ayudarán a informar las estrategias antitrombóticas para estos pacientes.

FONDOS

Este trabajo ha recibido una subvención de Fundación FFDIS en colaboración con Arrhythmia Network Technology SL. La fuente de financia-

ción no participó en la redacción del informe y la decisión de enviar el artículo para su publicación.

BIBLIOGRAFÍA

1. Hamet, Pavel; Tremblay, Johanne (2017). Artificial intelligence in medicine. Metabolism, 69, S36–S40. doi:10.1016/j.metabol.2017.01.011

2. Beam AL, Drazen JM, Kohane IS, Leong TY, Manrai AK, Rubin EJ. Artificial Intelligence in Medicine. N Engl J Med. 2023 Mar 30;388(13):1220-1221. doi: 10.1056/NEJMe2206291. PMID: 36988598.

3. Abid Haleem; Mohd Javaid; Ravi Pratap Singh; Rajiv Suman; (2021). Applications of Artificial Intelligence (AI) for cardiology during COVID-19 pandemic . Volume 2, 2021, Pages 71-78, ISSN 2666-4127, https://doi.org/10.1016/j.susoc.2021.04.003.

4. Kirchhof P, Blank BF, Calvert M, Camm AJ, Chlouverakis G, Diener HC, et al P. Probing oral anticoagulation in patients with atrial high rate episodes: Rationale and design of the Non-vitamin K antagonist Oral anticoagulants in patients with Atrial High rate episodes (NOAH-AFNET 6) trial. Am Heart J. 2017 Aug;190:12-18. doi: 10.1016/j. ahj.2017.04.015. Epub 2017 May 3. PMID: 28760205; PMCID: PMC5546174.

5. G. Hindricks, T. Potpara, N. Dagres, 2020 ESC Guidelines for the diagnosis and management of atrial fibrillation developed in collaboration with the European Association of Cardio-Thoracic Surgery (EACTS), et al. Eur Heart J., (2020).

6. Kim, M., Kang, Y., You, SC et al. La inteligencia artificial predice episodios de alta frecuencia auricular clínicamente relevantes en pacientes con dispositivos electrónicos implantables cardíacos. Informe científico 12 , 37 (2022). https://doi.org/10.1038/s41598-021-03914-4

7. Ana Devesaa, Camila Sofía García-Talaveraa, Juan Benezet-Mazuecosb, José Antonio Iglesiasa, Esmeralda Serranoa, Pepa Sánchez Borquea. Atrial pacing as a new predictor for atrial high rate episodes in patients with dual-chamber pacemaker. REC CardioClinics., (2020), DOI: 10.1016/j.rccl.2020.07.004

8. Omar Trotta, Ailema Alemán, Pilar Cabanas-Grandío. ¿Prevenir los episodios de frecuencia rápida auricular controlando el porcentaje de estimulación auriculoventricular? RECCardioClinics. 2021;56(2):74–76

Figura 3. Conjunto de datos a analizar en cada paciente

Inteligencia Artificial ¿Por qué ahora?

Juan Carlos Oliva Pérez Director de Innovación Sanitaria de La Rioja.

NUEVA REVOLUCIÓN?

La máquina de vapor fue uno de los desencadenantes de la primera revolución industrial, liberando a muchas personas de realizar tareas manuales, repetitivas e incluso penosas, transformando el mercado laboral y provocando el desarrollo de las profesiones intelectuales, causantes de una explosión del conocimiento que representa uno de los mayores avances de la historia de la humanidad y que ahora, de nuevo las maquinas, amenazan con arrebatarnos. Los logros de la inteligencia artificial copan los titulares de los medios de comunicación, con ChatGPT como estrella consagrada, secundada por otras muchas inteligencias más especializadas, como MED-PALM2, capaz de responder a preguntas médicas y de obtener una calificación del 85%, en el examen MedQA del United States Medical Licensing Examination y qué en su conjunto suscitan un debate entre sus defensores, normalmente fascinados por la innovación tecnológica y sus detractores, que la perciben como una amenaza y se resisten a su adopción. Una controversia que a nadie deja indiferente y que provoca una inflación de expectativas que magnifican las posibilidades actuales de la inteligencia artificial, incluso llegando a otorgarle habilidades exclusivas de los seres humanos, como la creatividad, que resulta inalcanzable mediante la simple observación, imitación o aplicación de reglas.

Lo que sí ha demostrado la inteligencia artificial, es su capacidad para reproducir el conocimiento, labor en la que destaca de un modo especial, cuando el razonamiento que lo sustenta es demasiado complejo para ser definido con los métodos tradicionales de análisis y desarrollo del

software. En este caso, y cómo si de un proceso de ingeniería inversa se tratase, se recurre a los datos registrados en los sistemas de información clínica, para entrenar modelos computacionales, que son capaces de comportarse como una réplica del mejor conocimiento. El potencial observacional es otra de las cualidades más interesantes del análisis avanzado de datos, lo que le permite encontrar relaciones ocultas en los datos, allí donde la mente humana no alcanza a reconocer, consecuencia de un exceso de información y vectores, pudiendo utilizarse como una herramienta de gran valía, en ámbitos tan diversos como la gestión sanitaria o la investigación en ciencias de la salud.

TIEMPO

Consecuencia de nuestras limitaciones fisiológicas, como el tamaño de nuestro cerebro, la cantidad de neuronas que alberga, la velocidad de comunicación entre ellas, o el tiempo que destinamos diariamente a descansar o alimentarnos, las personas requerimos décadas de aprendizaje y experiencia, hasta adquirir el conocimiento de un ámbito profesional, especialmente en entornos tan exigentes como el de la medicina. Por el contrario, las inteligencias artificiales no tienen necesidades vitales, así que pueden analizar la información que ha sido recolectada durante décadas, mejor cuantos más datos, si estos disponen de calidad suficiente y aprender sin interrupción y a enormes velocidades, hasta que reproducen la mejor evidencia clínico-asistencial, que puesta a disposición del personal sanitario, representa una herramienta de extraordinario va-

¿UNA

lor como elemento de soporte a la decisión para la mejora de la eficiencia, eficacia y seguridad de sus actuaciones.

DECÁLOGO HABILITANTE

Desde que en 1943 Warren McCullough y Walter Pitts formularon por vez primera un modelo matemático para una red neuronal, han tenido que transcurrir ocho décadas, hasta que han concurrido los factores que habilitan el desarrollo de las inteligencias artificiales:

1. Datos. Consecuencia de la digitalización progresiva de los procesos relacionados con la asistencia y la salud, se ha generado un ecosistema de sistemas de información que dan servicio a ámbitos tan diversos, como la atención primaria, hospitalaria y social donde se registran enormes volúmenes de información, que van desde el nivel molecular al poblacional y con características tan variadas como las de la imagen médica, los textos libres, la secuenciación genética o los registros estructurados, que constituyen la materia prima de estos proyectos y cuya calidad

será totalmente determinante en el resultado obtenido.

2. Computación. Desde la aparición de los semiconductores, su evolución se ha caracterizado por cumplir una ley empírica, conocida como ley de Moore y que en la práctica se traduce en la duplicación de la velocidad de los micro-procesadores cada 18 meses, lo que a día de hoy nos permite cumplir con las necesidades de los algoritmos de machine learning

3. Almacenamiento. De una forma similar al principio establecido por Moore, la ley del Almacenamiento Masivo Digital, se ha traducido en una reducción continuada del coste y el tamaño de los dispositivos de almacenamiento de datos, lo que de nuevo permite proveer soluciones para la persistencia de grandes volúmenes de datos, con un coste cada vez más asumible.

4. Software. Además de espacio para almacenarlos y capacidad para procesarlos, los datos requieren de software para su gobernanza, ingesta, transformación, análisis, modelado, etc. existiendo una gran variedad de soluciones en el

Adquisición del conocimiento

mercado, capaces de cumplir con las especificidades de los proyectos de Big Data e Inteligencia Artificial y que en muchos casos se trata de herramientas que fueron desarrolladas y liberadas por líderes digitales como TensorFlow de Google, ChatGPT-3 de Open AI, Airflow de Airbnb o DataHub de LinkedIn.

5. Flexibilidad. Los requisitos de un proyecto de big data e inteligencia artificial pueden exceder, con mucho, la disponibilidad de recursos existente en los departamentos de informática sanitaria, además su comportamiento es muy dispar, con picos de consumo en instantes muy concretos, seguidos por largos periodos de infra-utilización. Para poder hacer frente a este tipo de demanda, la flexibilidad brindada por los modelos multi-tenat, las arquitecturas fuertemente desacopladas basada en micro-servicios, los contenedores orquestados y en general los modelos típicos del cloud, para el aprovisionamiento de infraestructuras, plataformas y software como servicio (IaaS, PaaS y SaaS), representan una gran oportunidad para poder hacer frente a una demanda de recursos, diferente a la generada por los predecibles sistemas transaccionales.

6. Globalidad. Internet y los teléfonos inteligentes representan el mayor ejercicio de democracia de la historia, habilitando un acceso universal al conocimiento y la comunicación que ya ha transformado la economía y la sociedad y que también impulsa el desarrollo y consumo de la inteligencia artificial a una escala global.

7. Confianza. La privacidad, la ética y la seguridad son requisitos que deben estar presentes en el diseño (privacy by design) de cualquier proyecto de explotación masiva de datos, para lo que se puede recurrir a multitud de soluciones técnicas de ciberseguridad, además de numerosas herramientas a nuestra disposición, como la Ley Orgánica Protección de Datos Personales y Garantía de los Derechos Digitales, los Comités Científicos y de Ética Investigadora, el Esquema Nacional de Seguridad, la ISO 27001 o los modelos federados, que habilitan la colaboración mediante la normalización y serán el pilar del espacio de datos de salud nacional y europeo.

8. Especialidad. El desarrollo de las inteligencias

artificiales, requiere de la participación de profesionales asistenciales en tareas como la validación de los datos en origen (materia prima) o la interpretación de los resultados (producto), trabajando dentro de equipos multidisciplinares junto a especialistas de otras disciplinas, como la bio-estadística, las matemáticas o las ciencias de la computación, que ya se encuentran entre las profesiones más demandadas.

9. Inversión. La concurrencia de las convocatorias europeas de fondos FEDER 2014-2020 (N+3), FEDER 2021-2027 y Next-Generation, representan una oportunidad única para financiar estas iniciativas, estando previsto que los subprogramas MRR y REACT vehiculicen un total de 140.000 M€ en España, de los que un 33% están destinados a la transformación digital.

10. Prioridad. Según la información del Índice SEIS 2021, los proyectos de Analítica Avanzada e Inteligencia Artificial son identificados como prioritarios, por los responsables de informática.

Para poder hacer frente a este tipo de iniciativas, Rioja Salud procedió a constituir la Unidad de Ciencia del Dato, Big Data e Inteligencia Artificial (UCIDA), que trabajando sobre la Plataforma Analítica de Salud de la Comunidad Autónoma de La Rioja (PASCAL), tiene entre sus objetivos crear una cultura en torno a los datos, avanzar en el desarrollo de soluciones de inteligencia artificial y generar nuevo conocimiento a partir de los datos de vida real, para impactar positivamente en la calidad de la prestación asistencial, acelerar la investigación clínica y garantizar la sostenibilidad del Sistema Público de Salud de La Rioja.

Interoperabilidad semántica y federación de datos como habilitadores del uso del Big Data y la Inteligencia Artificial en el ámbito de la Salud

2.

3.

4.

La digitalización de la medicina promete grandes avances para la salud global. Los registros médicos electrónicos, las aplicaciones de salud móvil, las imágenes médicas, la secuenciación genómica de bajo coste, así como los nuevos sensores y dispositivos portátiles, proporcionan un flujo cada vez mayor de datos digitales de salud.

Combinados con la inteligencia artificial y el análisis de big data , esta gran cantidad de datos tiene un enorme potencial para la atención médica y puede mejorar la vida de millones de pacientes en todo el mundo, mediante un mejor diagnóstico, tratamientos personalizados y la prevención temprana de enfermedades . Para ello es fundamental el uso de los datos de salud más allá de su aplicación asistencial, el denominado uso secundario para investigación, ya que se han convertido en un componente fundamental para la investigación biomédica. La investigación basada en datos de salud permite a los científicos y médicos identificar patrones, tendencias y factores de riesgo que de otra manera podrían pasar desapercibidos. Al analizar grandes conjuntos de datos de diferentes pacientes, se pueden descubrir correlaciones y asociaciones que ayuden a comprender mejor las enfermedades, identificar biomarcadores y desarrollar métodos de detección temprana. Estos hallazgos pueden conducir a tratamientos más efectivos, protocolos de atención personalizados y estra-

tegias de prevención más precisas así como la evaluación de la efectividad de intervenciones médicas y del seguimiento de terapias.

Sin embargo, en la actualidad, la mayoría de estos datos se encuentran almacenados en bases de datos aisladas, en sistemas incompatibles y de software propietario, lo cual dificulta su intercambio, análisis e interpretación.

Esta falta de interoperabilidad, entendida como la capacidad de los diferentes sistemas y aplicaciones de salud para comunicarse y compartir información de manera efectiva y comprensible , ralentiza ese esperado avance, ya que las tecnologías que dependen de estos datos, como las mencionadas inteligencia artificial o el big data, no pueden ser aprovechadas en su máximo potencial. La interoperabilidad es por tanto un requisito fundamental para las innovaciones digitales previstas en el futuro de la medicina personalizada de precisión.

Más allá de las barreras técnicas que resultan del uso de sistemas y formatos diferentes para almacenar y gestionar la información, existen

Alberto Labarga1, José Luis Gelpi2, Alfonso Valencia3, Salvador Capella-Gutierrez 4

1. Barcelona Supercomputing Center - Centro Nacional de Supercomputación (BSC-CNS), Barcelona, Spain.

Barcelona Supercomputing Center - Centro Nacional de Supercomputación (BSC-CNS), Barcelona, Spain y Universidad de Barcelona, Barcelona, Spain.

Barcelona Supercomputing Center - Centro Nacional de Supercomputación (BSC-CNS), Barcelona, Spain y ICREA, Barcelona, Spain.

Barcelona Supercomputing Center - Centro Nacional de Supercomputación (BSC-CNS), Barcelona, Spain

otras barreras como diferencias en las normas y los procesos internos de cada institución o las diferentes culturas y enfoques hacia la recopilación, el uso y la compartición de datos. En general existe una preocupación en relación con el uso justo y la seguridad por parte de los responsables de los datos. Dicha preocupación se añade a las relacionada con la privacidad y la confidencialidad de los datos tanto por parte de la ciudadanía como por parte de los responsables políticos y se plasma en las estrictas aunque necesarias leyes de privacidad de datos y los acuerdos de protección de datos institucionales que contribuyen a la creación de silos de datos. Es necesario por tanto fomentar una cultura de colaboración y confian-

za, así como promover la conciencia sobre los beneficios del intercambio de datos así como establecer protocolos claros y robustos para garantizar que se cumplan los requisitos éticos y legales al compartir estos datos. Para contribuir a ello se están proponiendo soluciones tecnológicas, como el uso de aprendizaje federado o la generación de datos sintéticos, que deberían facilitar el uso de datos de salud a nivel europeo.

En este artículo, exploraremos cómo estos elementos, junto con el acceso federado a los datos, sirven como habilitadores fundamentales para la aplicación de soluciones de la inteligencia artificial (IA) y big data en el ámbito de la salud.

OUTLINE

• Datos FAIR

• ¿Por qué? ¿Qué beneficios ofrece?

• Potencial del uso de la Inteligencia Artificial en Salud

• Retos

• Interoperabilidad semántica en Salud: un lenguaje común para compartir datos

• FHIR, OpenEHR, OMOP

• Privacidad y seguridad del dato

• Federación de datos

• Apredizaje federado

• Datos sintéticos

• El Espacio Europeo de Datos de Salud: impulsando la colaboración de datos.

INTRODUCCIÓN

En los últimos años, el potencial de la inteligencia artificial (IA) y el big data para revolucionar la atención médica se ha vuelto cada vez más evidente. Estas tecnologías de vanguardia tienen un enorme potencial en áreas como el diagnóstico basado en imágenes, la genómica, la medicina personalizada y la telemedicina han demostrado posibles aplicaciones en varios dominios de la medicina, incluidos algoritmos para interpretar radiografías de tórax, detectar cáncer en mamografías, predecir el desarrollo de la enfermedad de Alzheimer a partir de la tomografía por emisión de positrones o identificar lesiones cutáneas cancerosas. Varias compañías están desarrollando plataformas que aprovechan la IA como un medio para identificar variantes genéticas en las raíces de enfermedades raras, o incluso para identificar condiciones genéticas en función de los rasgos faciales del paciente y cada vez hay más noticias sobre el avance en los modelos de lenguaje (LLM, por sus siglas en inglés), como es el caso del conocido ChatGPT o el recientemente presentado MedPalm-2.

Uno de los factores que ha permitido el rápido desarrollo de la inteligencia artificial en los últimos años ha sido la disponibilidad de gran -

des conjuntos de datos, textos o imágenes accesibles a través de Internet. Estos conjuntos de datos masivos han permitido entrenar y mejorar los algoritmos de aprendizaje automático, especialmente aquellos basados en el aprendizaje profundo o "deep learning", que han demostrado ser muy efectivos en multitud de aplicaciones, pero también han fomentado el desarrollo de comunidades y el intercambio de conocimientos, facilitado la colaboración entre investigadores, científicos de datos y desarrolladores, acelerando aún más el progreso en el campo.

En el campo de la salud, la disponibilidad de grandes volúmenes de datos para la investigación secundaria presenta desafíos significativos debido a la necesidad de integración de conjuntos de datos heterogéneos. Estos desafíos incluyen: la diversidad de tipos de datos; la distribución geográfica de los centros de datos, que se encuentran en diferentes instituciones y jurisdicciones nacionales y regionales; la existencia de diversos estándares de codificación y almacenamiento; los distintos modelos de gobernanza que rigen el acceso a los datos; la variabilidad en los niveles de detalle, que van desde estudios a gran escala hasta datos de pacientes individuales; y por último, la calidad variable del contenido de los datos, incluyendo la anotación y la estructuración de los mismos. Esta fragmentación y variabilidad dificultan la explotación eficiente de los datos por parte de los investigadores y el desarrollo de soluciones eficaces. (Capella-Gutiérrez S., 2021).

DATOS FAIR: IMPULSANDO LA INNOVACIÓN Y LA COLABORACIÓN

Los beneficios de estratégia de datos abiertos , es decir, la puesta a a disposición en las condiciones adecuadas, de una comunidad más amplia de interesados, incluidos investigadores, desarrolladores de herramientas y responsables de políticas; de datos de pacientes anonimizados, hallazgos de investigación y otra información relevante son múltiples. Permiten a los investigadores basarse en el conocimiento y los conjuntos de datos existentes, acelerando el ritmo de los descu -

brimientos y avances. Facilitan el desarrollo de algoritmos y modelos de IA que pueden aprender de diversas poblaciones de pacientes, lo que lleva a intervenciones de atención médica más precisas y personalizadas. Además, los datos abiertos fomentan la colaboración entre instituciones y permiten iniciativas de investigación transfronteriza, mejorando el impacto global de las innovaciones en atención médica.

Pero no basta solo con producir y compartir estos datos, éstos deben cumplir un conjunto de principios para su digitalización, reproducibilidad y reciclaje. Los principios FAIR (Findable, Accesible, Interoperable and Reusable por sus siglas en inglés) buscan lograr conjuntos de datos localizables, accesibles, interoperables y reutilizables, así como la eliminación de barreras organizativas, culturales y técnicas en su acceso y utilización. Se debe definir cómo se localizan inequívocamente los datos y los metadatos asociados, establecer los protocolos neceasarios que permitan acceder a los datos y metadatos, favorecer el uso de ontologías conocidas y vocabularios controlados para describir los datos y metadatos y asegurar las correspondientes licencias de uso así como la disponibilidad de documentación sobre los datos y los formatos asociados a los mismos.

La adopción gradual de estos principios en el ámbito de la investigación en salud puede contribuir a un mejor uso de los recursos al evitar la replicación de investigaciones con resultados negativos, favorece la reutilización de datos y la generalización de los resultados mediante la combinación de los mismos. Proyectos como FAIR4Health, liderados desde el Servicio de Salud, o la publicación de extensiones a los principios FAIR focalizados en el uso de datos de salud (Holub et al, 2018 ) son ejemplos claros de los beneficios de la adopción de estos principios y su impacto en la activdad investigadora.

INTEROPERABILIDAD SEMÁNTICA: UN LENGUAJE COMÚN PARA COMPARTIR DATOS

Cuando el COVID-19 golpeó Europa en marzo

de 2020, los hospitales se vieron sumidos en una crisis de salud que todavía se entendía mal. Los médicos no sabían realmente cómo tratar a estos pacientes. La comunidad de investigadores se apresuró a desarrollar metodologías y software que muchos creían que permitirían a los hospitales diagnosticar o clasificar a los pacientes más rápidamente, brindando el apoyo que tanto necesitan a los profesionales que luchaban contra la enfermedad en primera línea. Se crearon cientos de herramientas de inteligencia artificial y se publicaron multitud de artículos durante esos dos años describiendo nuevos modelos basados en el aprendizaje automático para tratar el COVID-19. Estos modelos de predicción se podían dividir en tres categorías: modelos sobre la población general para predecir el riesgo de padecer COVID-19 o ser hospitalizado por COVID-19; modelos para mejorar el diagnóstico de COVID-19 en pacientes con sospecha de infección; y modelos para apoyar el pronóstico de pacientes con COVID-19. Todos los modelos informaron un rendimiento predictivo de moderado a excelente en la fase de investigación, y sin embargo, una exhaustiva revisión de un gran numero de estudios concluyó que ninguno de ellos era apto para uso clínico. (Wynants et al 2020, Roberts etal. 2021). Ambos equipos encontraron que los investigadores repitieron los mismos errores básicos en la forma en que entrenaron o probaron sus herramientas. Muchos de los problemas que se descubrieron estaban relacionados con la mala calidad de los datos que los investigadores utilizaron para desarrollar sus herramientas.

Obtener datos de calidad actualizados hubiera sido más fácil si los formatos utilizados en los distintos hospitales estuvieran estandarizados. Imaginemos un escenario en el que los proveedores de atención médica, los investigadores y las organizaciones puedan compartir y analizar datos de diversas fuentes de manera fluida, sin importar los sistemas y formatos en los que se almacenen los datos. La interoperabilidad semántica es la clave para desbloquear este potencial. Implica el uso de modelos de datos comunes y terminologías estandarizadas que permiten que los datos de fuentes dispares se

comprendan, integren y analicen de manera significativa.

Un ejemplo de ello es el Modelo Común de Datos (CDM por sus siglas en inglés) de la Observational Medical Outcomes Partnership (OMOP), adoptado y distribuido por la red de investigación de Observational Health Data Sciences and Informatics (OHDSI), que proporciona un marco estandarizado para organizar y armonizar datos de atención médica de diversos sistemas de registros electrónicos de salud. Al adoptar un modelo de datos común como OMOP, los investigadores y los médicos pueden combinar y analizar datos de múltiples fuentes, lo que conduce a conocimientos más sólidos y confiables.

Estos datos, analizados adecuadamente, tienen un enorme potencial para generar evidencia realmente relevante y, lo que es más importante, lo suficientemente utilizable como para incorporarse en la práctica clínica.

Este enfoque estandarizado permitió que los centros integrados en el modelo OMOP CDM pudieran ejecutar el mismo código analítico de manera distribuida o federada, donde cada hospital ejecutaba los análisis por separado internamente y devolvía un conjunto de datos de resultados sin compartir datos a nivel de paciente.

Un primer estudio usando este enfoque tuvo como objetivo describir las características de los pacientes hospitalizados con COVID-19 (Burn et al., 2020). Un segundo estudio para investigar el uso de fármacos adyuvantes y reutilizados en pacientes ingresados por COVID-19 se pudo realizar en menos de tres semanas con datos de más de 300.000 pacientes en tres continentes (Prats-Uribe et al., 2021).

El éxito del enfoque de un modelo común de OHDSI y OMOP llevó a la creación de la Red Europea de Datos y Evidencia Sanitarios (EHDEN).

El objetivo de la red es la estandarización a gran escala de las metodologías de investigación sobre datos del mundo real, armonizando más de 100 millones de registros sanitarios para 2024 para convertirse en el ecosistema de investigación observacional de referencia en Europa.

El futuro de la medicina basada en la evidencia del mundo real requiere del uso de modelos de datos comunes para agilizar el análisis de los re-

gistros médicos electrónicos (EHR por sus siglas en inglés) casi en tiempo real, así como de herramientas de código abierto para su análisis. Dada la heterogeneidad de los sistemas de manejo de datos clínicos, el objetivo primordial debe ser garantizar la interoperabilidad de estos datos, entendida como la posibilidad de usar datos de la misma naturaleza provenientes de distintas fuentes, así como la posibilidad de combinar datos de distinta naturaleza gracias al manejo de ontologías y vocabularios controlados.

ACCESO FEDERADO A DATOS: EQUILIBRANDO LA PRIVACIDAD Y LA UTILIZACIÓN DE DATOS

Como hemos visto, la disponibilidad de datos abiertos es crucial, pero es igualmente importante proteger la privacidad de los pacientes y cumplir con las regulaciones legales y éticas.

Aquí es donde entra en juego el acceso federado a los datos. En lugar de centralizar todos los datos en un solo lugar, el acceso federado a los datos permite el almacenamiento distribuido de los datos al tiempo que permite compartir de manera segura y controlada entre múltiples entidades.

En un modelo de acceso federado a los datos, los datos permanecen dentro de las organizaciones que los generan o almacenan. En lugar de transferir los datos a un repositorio centralizado, los algoritmos y los procesos analíticos se envían a las fuentes de datos. Generalmente, es necesario contar con entornos de investigación de confianza (TRE por sus siglas en inglés para Trusted Research Environment). Estos entornos suelen basarse en 5 principios de seguridad que tienen que ver con el acceso autorizado del investigador a determinado conjunto de datos en el contexto de un proyecto de investigación para que pueda realizar determinadas operaciones, y que solo los resultados agregados del mismo puedan ser extraídos de dicho entorno. Existen distintas implementaciones de esta aproximación, pero todas ellas deben seguir estos principios.

Este enfoque minimiza el riesgo de violacio -

nes de datos y garantiza el cumplimiento de regulaciones de privacidad, como el Reglamento General de Protección de Datos (GDPR) en Europa.

La escasa cobertura o un diseño deficiente de los datos de entrenamiento de los sistemas de aprendizaje automático puede además reflejar sesgos sociales, con el riesgo de errores en su aplicación a grupos minoritarios, a lo que se suma el riesgo de amplificar los sesgos existentes en los datos históricos. Diversos estudios indican que muchos sistemas de IA afectan desproporcionadamente a grupos que ya están en desventaja por factores como la raza, el género y los antecedentes socioeconómicos. En medicina, los ejemplos incluyen algoritmos de predicción de mortalidad hospitalaria con una precisión variable según el origen étnico y algoritmos que pueden clasificar imágenes de lunares benignos y malignos con una precisión similar a la de los dermatólogos profesionales, pero que fallan con imágenes de lesiones en pacientes con la piel más oscura. La capacidad de detectar y corregir estos sesgos en los datos

hace que sea importante confiar en fuentes de datos diferentes y ricas para que la amplitud y la profundidad de los datos expongan las sutilezas correspondientes a cada grupo de pacientes.

DATOS SINTÉTICOS

Otra manera de obtener datos de calidad cumpliendo con el GDPR que sólo permite la explotación de datos reales de salud en entornos de investigación muy específicos y limitados, es el uso de datos sintéticos. Los datos sintéticos son datos artificiales que se generan a partir de datos reales, de modo que se mantienen la distribución estadística y las características de los datos originales, a fin de que puedan ser analizadas para extraer patrones y conclusiones equivalentes a las que los modelos obtendrían con los datos reales. En otras palabras, los datos sintéticos permiten el entrenamiento de modelos de inteligencia artificial, de forma menos intrusiva para la privacidad de los individuos, porque los datos utilizados en el proceso de entrenamiento no se refieren directamente a ninguna persona

identificada o identificable. Los datos sintéticos permiten abordar otro elemento clave en el uso de sistemas de inteligencia artificial en medicina como es el de la interpretabilidad de los algoritmos, ya que existe actualmente un compromiso entre el rendimiento de los sistemas y su interpretabilidad que puede resolverse en parte con la disponibilidad de una mayor cantidad de datos de calidad.

Los datos sintéticos pueden crearse mediante modelos de simulación clásica, como el popular SYNTHEA, pero cada vez de manera más frecuente se crean con la ayuda de técnicas de inteligencia artificial generativa como las redes neuronales generativas adversarias (GAN por sus siglas en inglés) y los autoencoders variacionales (VAE por sus siglas en inglés).

EL ESPACIO EUROPEO DE DATOS DE SALUD: IMPULSANDO LA COLABORACIÓN DE DATOS

Reconociendo el potencial transformador de la IA y el big data en la atención médica, la Unión Europea ha dado pasos significativos para establecer un marco de colaboración de datos. El Espacio Europeo de Datos de Salud (EHDS por sus siglas inglés) tiene como objetivo facilitar el acceso seguro y autorizado a los datos de salud en toda la UE, promoviendo la interoperabilidad, la estandarización y el intercambio de datos transfronterizo.

El EHDS sienta las bases para un ecosistema paneuropeo donde los datos de salud pueden compartirse y utilizarse para la investigación, la innovación y la toma de decisiones políticas. Fomenta la colaboración entre los Estados miembros, las organizaciones de investigación, los actores de la industria y los pacientes, enfatizando la importancia de la privacidad, la transparencia y la confianza. Al permitir el acceso transfronterizo a conjuntos de datos diversos, el EHDS allana el camino para descubrimientos innovadores, intervenciones de atención médica personalizadas y mejores resultados para los pacientes.

El Espacio Europeo de Datos de Salud representa tanto una oportunidad para la mejora de la actividad científica gracias al uso intensivo

del dato sanitario, como para su traducción a la asistencia sanitaria en todos los niveles: desde la salud pública a la medicina personalizada, de la que es importante destacar su apertura a la participación de la industria, desde la pequeña y mediana empresa proveedora de soluciones específicas hasta las grandes tecnológicas y farmacéuticas, cuya colaboración es necesaria para la implementación y en último término el éxito de este espacio común.

CONCLUSIÓN

La inteligencia artificial en medicina se presenta por tanto como una valiosa herramienta para los profesionales del área, al optimizar los procesos de prevención, diagnóstico y tratamiento de enfermedades. Sin embargo, su implementación exitosa dependerá en gran medida de dos factores críticos: la disponibilidad de datos abiertos, la interoperabilidad semántica y disponibilidad de herramientas que permitan el analisis de manera federada.

Comprender y abordar estos desafíos es fundamental si queremos aprovechar al máximo las oportunidades que ofrecen las nuevas tecnologías y que las expectativas del uso de la inteligencia artificial para optimizar la experiencia de la atención médica, mejorar la salud global de la población y reducir los costos de la atención médica se conviertan en una realidad.

BIBLIOGRAFÍA

Will ChatGPT Transform Healthcare? Nature Medicine 2023, 29 (3), 505–506. https://doi.org/10.1038/s41591023-02289-5.

Holly, L.; Thom, S.; Elzemety, M.; Murage, B.; Mathieson, K.; Iñigo Petralanda, M. I. Strengthening Health Data Governance: New Equity and Rights-Based Principles. International Journal of Health Governance 2023. https:// doi.org/10.1108/ijhg-11-2022-0104.

Moor, M.; Banerjee, O.; Abad, Z. S. H.; Krumholz, H. M.; Leskovec, J.; Topol, E. J.; Rajpurkar, P. Foundation Models for Generalist Medical Artificial Intelligence. Nature 2023, 616 (7956), 259–265. https://doi.org/10.1038/s41586023-05881-4.

Arora, A. The Promise of Large Language Models in Health Care. The Lancet 2023, 401 (10377), 641. https:// doi.org/10.1016/s0140-6736(23)00216-7.

Rajpurkar, P.; Chen, E.; Banerjee, O.; Topol, E. J. AI in Health and Medicine. Nature Medicine 2022, 28 (1), 31–38. https://doi.org/10.1038/s41591-021-01614-0.

Lehne, M.; Sass, J.; Essenwanger, A.; Schepers, J.; Thun, S. Why Digital Medicine Depends on Interoperability. npj Digital Medicine 2019, 2 (1). https://doi.org/10.1038/ s41746-019-0158-1.

Agrawal, R.; Prabakaran, S. Big Data in Digital Healthcare: Lessons Learnt and Recommendations for General Practice. Heredity 2020, 124 (4), 525–534. https://doi. org/10.1038/s41437-020-0303-2.

Kelly, C. J.; Karthikesalingam, A.; Suleyman, M.; Corrado, G.; King, D. Key Challenges for Delivering Clinical Impact with Artificial Intelligence. BMC Medicine 2019, 17 (1). https://doi.org/10.1186/s12916-019-1426-2.

Ali, O.; Abdelbaki, W.; Shrestha, A.; Elbasi, E.; Alryalat, M. A. A.; Dwivedi, Y. K. A Systematic Literature Review of Artificial Intelligence in the Healthcare Sector: Benefits, Challenges, Methodologies, and Functionalities. Journal of Innovation & Knowledge 2023, 8 (1), 100333. https://doi.org/10.1016/j.jik.2023.100333.

Rajkomar, A.; Oren, E.; Chen, K.; Dai, A. M.; Hajaj, N.; Hardt, M.; Liu, P. J.; Liu, X.; Marcus, J.; Sun, M.; Sundberg, P.; Yee, H.; Zhang, K.; Zhang, Y.; Flores, G.; Duggan, G. E.; Irvine, J.; Le, Q.; Litsch, K.; Mossin, A.; Tansuwan, J.; Wang, D.; Wexler, J.; Wilson, J.; Ludwig, D.; Volchenboum, S. L.; Chou, K.; Pearson, M.; Madabushi, S.; Shah, N. H.; Butte, A. J.; Howell, M. D.; Cui, C.; Corrado, G. S.; Dean, J. Scalable and Accurate Deep Learning with Electronic Health Records. npj Digital Medicine 2018, 1 (1). https://doi. org/10.1038/s41746-018-0029-1.

Wynants et al. Prediction models for diagnosis and prognosis of covid-19: systematic review and critical appraisal. BMJ 2020 https://doi.org/10.1136/bmj.m1328.

Roberts, M.; Driggs, D.; Thorpe, M.; Gilbey, J.; Yeung, M.; Ursprung, S.; Aviles-Rivero, A. I.; Etmann, C.; McCague, C.; Beer, L.; Weir-McCall, J. R.; Teng, Z.; Gkrania-Klotsas, E.; Ruggiero, A.; Korhonen, A.; Jefferson, E.; Ako, E.; Langs, G.; Gozaliasl, G.; Yang, G.; Prosch, H.; Preller, J.; Stanczuk, J.; Tang, J.; Hofmanninger, J.; Babar, J.; Sánchez, L. E.; Thillai, M.; Gonzalez, P. M.; Teare, P.; Zhu, X.; Patel, M.; Cafolla, C.; Azadbakht, H.; Jacob, J.; Lowe, J.; Zhang, K.; Bradley, K.; Wassin, M.; Holzer, M.; Ji, K.; Ortet, M. D.; Ai, T.; Walton, N.; Lio, P.; Stranks, S.; Shadbahr, T.; Lin, W.; Zha, Y.; Niu, Z.; Rudd, J. H. F.; Sala, E.; Schönlieb, C.-B. Common Pitfalls and Recommendations for Using Machine Learning to Detect and Prognosticate for COVID-19 Using Chest Radiographs and CT Scans. Nature Machine Intelligence 2021, 3 (3), 199–217. https://doi.org/10.1038/ s42256-021-00307-0.

Burn, E.; You, S. C.; Sena, A. G.; Kostka, K.; Abedtash, H.; Abrahão, M. T. F.; Alberga, A.; Alghoul, H.; Alser, O.; Alshammari, T. M.; Aragon, M.; Areia, C.; Banda, J. M.; Cho, J.; Culhane, A. C.; Davydov, A.; DeFalco, F. J.; Duarte-Salles, T.; DuVall, S.; Falconer, T.; Fernandez-Bertolin, S.; Gao,

W.; Golozar, A.; Hardin, J.; Hripcsak, G.; Huser, V.; Jeon, H.; Jing, Y.; Jung, C. Y.; Kaas-Hansen, B. S.; Kaduk, D.; Kent, S.; Kim, Y.; Kolovos, S.; Lane, J. C. E.; Lee, H.; Lynch, K. E.; Makadia, R.; Matheny, M. E.; Mehta, P. P.; Morales, D. R.; Natarajan, K.; Nyberg, F.; Ostropolets, A.; Park, R. W.; Park, J.; Posada, J. D.; Prats-Uribe, A.; Rao, G.; Reich, C.; Rho, Y.; Rijnbeek, P.; Schilling, L. M.; Schuemie, M.; Shah, N. H.; Shoaibi, A.; Song, S.; Spotnitz, M.; Suchard, M. A.; Swerdel, J. N.; Vizcaya, D.; Volpe, S.; Wen, H.; Williams, A. E.; Yimer, B. B.; Zhang, L.; Zhuk, O.; Prieto-Alhambra, D.; Ryan, P. Deep Phenotyping of 34,128 Adult Patients Hospitalised with COVID-19 in an International Network Study. Nature Communications 2020, 11 (1). https://doi. org/10.1038/s41467-020-18849-z.

Prats-Uribe A, Sena A G, Lai L Y H, Ahmed W, Alghoul H, Alser O et al. Use of repurposed and adjuvant drugs in hospital patients with covid-19: multinational network cohort study BMJ 2021; 373 :n1038 doi:10.1136/bmj.n1038

Wilkinson, M. D.; Dumontier, M.; Aalbersberg, Ij. J.; Appleton, G.; Axton, M.; Baak, A.; Blomberg, N.; Boiten, J.-W.; da Silva Santos, L. B.; Bourne, P. E.; Bouwman, J.; Brookes, A. J.; Clark, T.; Crosas, M.; Dillo, I.; Dumon, O.; Edmunds, S.; Evelo, C. T.; Finkers, R.; Gonzalez-Beltran, A.; Gray, A. J. G.; Groth, P.; Goble, C.; Grethe, J. S.; Heringa, J.; ’t Hoen, P. A. C.; Hooft, R.; Kuhn, T.; Kok, R.; Kok, J.; Lusher, S. J.; Martone, M. E.; Mons, A.; Packer, A. L.; Persson, B.; Rocca-Serra, P.; Roos, M.; van Schaik, R.; Sansone, S.-A.; Schultes, E.; Sengstag, T.; Slater, T.; Strawn, G.; Swertz, M. A.; Thompson, M.; van der Lei, J.; van Mulligen, E.; Velterop, J.; Waagmeester, A.; Wittenburg, P.; Wolstencroft, K.; Zhao, J.; Mons, B. The FAIR Guiding Principles for Scientific Data Management and Stewardship. Scientific Data 2016, 3 (1). https://doi.org/10.1038/sdata.2016.18.

Walonoski, J.; Kramer, M.; Nichols, J.; Quina, A.; Moesel, C.; Hall, D.; Duffett, C.; Dube, K.; Gallagher, T.; McLachlan, S. Synthea: An Approach, Method, and Software Mechanism for Generating Synthetic Patients and the Synthetic Electronic Health Care Record. Journal of the American Medical Informatics Association 2017, 25 (3), 230–238. https://doi.org/10.1093/jamia/ocx079.

Salvador Capella-Gutiérrez, Enrique Bernal-Delgado, Sandra García-Armesto, Alba Jene, Arcadi Navarro, Carlos Luis Parra-Calderón, Jordi Rambla, Alfonso Valencia, Juan González-García. Bases de la Estrategia Europea para la Explotación Masiva y Distribuida de Datos en Salud. Revista I+S 143 (Febrero 2021)

Petr Holub, Florian Kohlmayer, Fabian Prasser, Michaela Th. Mayrhofer, Irene Schlünder, Gillian M. Martin, Sara Casati, Lefteris Koumakis, Andrea Wutte, Łukasz Kozera, Dominik Strapagiel, Gabriele Anton, Gianluigi Zanetti, Osman Ugur Sezerman, Maimuna Mendy, Dalibor Valík, Marialuisa Lavitrano, Georges Dagher, Kurt Zatloukal, GertJan B. van Ommen, and Jan-Eric Litton Enhancing Reuse of Data and Biological Material in Medical Research: From FAIR to FAIR-Health Biopreservation and Biobanking.Apr 2018.97-105. http://doi.org/10.1089/ bio.2017.0110.

Medicina de precisión: datos y algoritmos que curan

Joaquín Dopazo

La paulatina digitalización de los sistemas de salud (1) junto con la adopción de nuevas tecnologías, entre las que se encuentran la genómica, la patología digital y más recientemente los biosensores y la telemedicina están generando datos de carácter clínico en cantidades masivas a un ritmo que nunca antes había sido conocido.

Una de las consecuencias de esta transformación es que los sistemas de salud se están convirtiendo en uno de los mayores generadores de datos de nuestra sociedad, pudiéndose ya hablar con toda propiedad del Big Data clínico. En este escenario, la capacidad de analizar datos biomédicos a la antigua usanza ha sido claramente sobrepasada por el volumen actual y la forma de interpretarlos necesita cada vez más de computación y software especializado (2). A su vez, este creciente volumen de datos puede ser usados para mejorar los procesos del sistema sanitario, y en general para generar nuevo conocimiento médico. De hecho, el crecimiento del volumen de datos en todos los sectores han hecho florecer numerosas aplicaciones de metodologías de inteligencia artificial (IA), especialmente en el campo de la salud (3). La AI está empezando a integrarse en distintos aspectos de la medicina, con la perspectiva de optimizar procesos, diagnósticos y tratamientos así como disminuir errores médicos (4).

El Big Data clínico, junto con las aplicaciones de la IA en biomedicina (5) y salud (6), pueden considerarse los principales pilares de la medicina de precisión, o medicina P4 (por Personalizada, Predictiva, Preventiva y Participativa) (7). Sin embargo, cuando se habla de medicina de precisión siempre se alude a la personalización de tratamientos o del diagnóstico, que correspondería al uso primario de la información genómica, olvidando otras muchas facetas que ofrece la generación de conocimiento mediante el uso secundario de estos datos, como son la

predictiva, con posibilidad de predecir el curso de la enfermedad o necesidades de medicación, la preventiva, adelantándose a la enfermedad y permitiendo tomar medidas, y finalmente la participativa, en la que el propio paciente toma protagonismo en la gestión integral de su salud, usando información derivada de sus datos genómicos y clínicos para optimizar sus tratamientos (evitando efectos adversos o secundarios) y modificar sus hábitos de vida (alimenticios, de ejercicio, etc.) y proporcionando datos transversales de su salud (microbioma). La razón principal por la que 3 de las P de la medicina P4 no llegan al paciente está precisamente en las dificultades de procesamiento, manejo y almacenamiento del Big data clínico, especialmente el genómico, en las que la IA tiene mucho que aportar.

El aumento de la eficacia de la medicina de precisión es el resultado de la creciente generación de conocimiento debido al incremento en la producción de datos que provee un sustrato cada vez mayor para la investigación clínica. Estos datos que se generan para el manejo del paciente son lo que llamamos datos del mundo real (RWD, del inglés Real World Data) (8). Y a partir del RWD hablamos de evidencia del mundo real (RWE del inglés Real World Evidence), o evidencia obtenida a partir del análisis de RWD. El dato por excelencia para la medicina de precisión es el dato genómico, sin restar importancia a otros datos como la imagen médica, y cada vez más los dispositivos portátiles, siempre en el contexto que da la información clínica del paciente.

La Figura 1 muestra la producción, el flujo de datos y su uso (ideal) en un sistema de salud. Uso primario genera datos de secuenciación del paciente (enfermedades raras y otras de base genética, Figura2.1), de de biopsias de cáncer (Figura2.2), de patógenos (Figura 1.3), de microbiota (Figura 1.4), de patógenos ambientales (One Health) (Figura 1.5), así como otros tipos de datos como imagen médica (Figura 1.6), dispositivos portátiles (Figura 1.7), y clínica y uso del sistema de salud (Figura 1.8). Todos los datos producidos (Figura 1.9) acaba almacenados en un recurso centralizado (la Base Poblacional de Salud (9), en el Sistema de Salud Público Andaluz), donde su uso secundario para investigación clínica permite: el descubrimiento de pacientes para EECC y generación de nuevos datos (Figura 1.10), y el descubrimiento de nuevos biomarcadores en entornos de investigación de confianza (Figura 1.11), que pueden ser usados en medicina de precisión (Figura 1.12) para diagnóstico, pronostico, recomendación de tratamiento (Figura 1.13) , y en medicina preventiva (Figura 1.14).

La centralización de datos es clave para su manejo y posterior uso secundario. En este sentido, el Circuito de Vigilancia por Genómica de Andalucía (10) es un ejemplo de recogida de datos a nivel regional, secuenciación semi-centralizada y manejo de datos centralizada, que se realiza íntegramente dentro del sistema de salud. Este circuito ha conseguido secuenciar más de 35.000 genomas de SARS-CoV-2 y permitido una rápida reacción en el reciente brote de virus de la viruela del mono, cuyas muestras fueron secuenciadas y permitieron caracterizar el virus y su origen en cuestión de días. Recientemente ha incluido más virus (gripe, virus respiratorio

sincitial, virus de la fiebre del Nilo (11)) y por su eficacia se ha tomado como modelo para el manejo de datos genómicos en Andalucía.

En el pasado, cuando el sistema de salud no estaba aún digitalizado, el proceso de generación del conocimiento biomédico era completamente externo a este, y los datos se producían ex profeso como parte de este proceso. Sin embargo, la digitalización del sistema de salud ha cambiado radicalmente el escenario y en estos momentos este se ha convertido en el mayor generador de datos biomédicos. Paradójicamente, el escenario actual de generación de conocimiento a partir de RWE corresponde a la época anterior a la

Figura 1. Producción, el flujo de datos y su uso (ideal) en un sistema de salud (ver texto).

digitalización de los hospitales y por tanto está absolutamente obsoleto. Por ejemplo, no tiene sentido que los centros de cálculo y los grandes recursos computacionales estén normalmente desvinculados del sistema hospitalario, en redes informáticas distintas, y pertenezcan a distintas administraciones, cuando es el sistema de salud el que hace una enorme inversión en la generación y custodia de los datos y además tiene la experiencia de sus profesionales sobre como extraer conocimiento biomédico de ellos.

La figura 2 esquematiza esta paradoja: extracción de datos para su análisis en el exterior, con los

posibles riesgos para la privacidad, y potenciales resultados de interés para el sistema de salud -ej. predictores, sistemas de soporte a la decisión, etc.- que han de ser adquiridos por este, normalmente con un coste asociado. La parte derecha esquematiza el cambio de paradigma: el sistema de salud se dota de capacidad de computación y con su experiencia (junto con la experiencia analítica externa) realiza su propia investigación clínica, cuyos desarrollos son implementables sin coste en el sistema de salud, y en caso de ser comercializables, el ingreso resultante contribuiría al sostenimiento del sistema de salud.

Figura 1. Producción, el flujo de datos y su uso (ideal) en un sistema de salud (ver texto).

Figura 2. Izquierda: situación actual, en la que el sistema de salud es productor de datos y para su uso secundario se extraen anonimizados, se realiza el estudio por agentes externos (con la ayuda de clínicos muchas veces) y se genera conocimiento, que puede tener un coste de implementación en el sistema de salud. Derecha: cambio de paradigma del sistema de salud. Se dota al sistema de salud de capacidad de computación y el conocimiento se genera dentro, con la colaboración de agentes externos, y en caso de que ese conocimiento sea comercializable, contribuye la sostenibilidad del sistema de salud.

Andalucía también tiene mucho camino andado con respecto al uso secundario de datos. La Base Poblacional de Salud (BPS) (12), con información clínica detallada de más de 15 millones de pacientes, es el recurso más grande de España de estas características y probablemente está entre las mayores del mundo. Con esta idea de cambio de paradigma en el sistema de salud se ha promovido una experiencia piloto de entorno de investigación de confianza, en línea con experiencias

de Trusted Research Environment (13) puesta en marcha por Genomics England, que consiste en un entorno computacional donde los datos biomédicos protegidos por la Regulación General de Protección de datos (RGPD) pueden ser estudiados dentro del sistema de salud, minimizando así los riesgos de perdida de datos o reidentificación de pacientes, etc. La Plataforma para la Generación segura de Conocimiento a partir del Big Data

Clínico de la BPS (iRWD) (14) es un entorno de

investigación de confianza consistente en una infraestructura computacional localizada dentro de la red corporativa del Sistema de Salud Público Andaluz, En dicha infraestructura se han realizado ya varios proyectos financiados tanto por fondos competitivos como por empresas.

BIBLIOGRAFÍA

1. Informe sobre transformación digital en españa 2018 [Available from: https://salud-digital.es/wp-content/ uploads/2019/03/Informe-sobre-Transformacion-Digital-en-Salud.pdf].

2. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nature medicine. 2019;25(1):44.

3. Beam AL, Kohane IS. Big data and machine learning in health care. JAMA oncology. 2018;319(13):1317-8.

4. Rajkomar A, Dean J, Kohane I. Machine learning in medicine. New England Journal of Medicine. 2019;380(14):1347-58.

5. Wainberg M, Merico D, Delong A, Frey BJ. Deep learning in biomedicine. Nature biotechnology. 2018;36(9):829.

6. Miotto R, Wang F, Wang S, Jiang X, Dudley JT. Deep learning for healthcare: review, opportunities and challenges. Briefings in bioinformatics. 2017.

7. Hood L, Friend SH. Predictive, personalized, preven -

tive, participatory (P4) cancer medicine. Nature reviews Clinical oncology. 2011;8(3):184-7.

8. Wikipedia. Real world data 2022 [Available from: https://en.wikipedia.org/wiki/Real_world_data].

9. Muñoyerro-Muñiz D, Goicoechea-Salazar J, García-León F, Laguna-Tellez A, Larrocha-Mata D, Cardero-Rivas M. Health record linkage: Andalusian health population database. Gaceta Sanitaria. 2019;34(2):105-13.

10. The Whole Genome Sequencing Surveillance Circuit of Andalusia 2020 [Available from: https://www.clinbioinfosspa.es/surveillance_circuit/].

11. Casimiro-Soriguer CS, Perez-Florido J, Fernandez-Rueda JL, Pedrosa-Corral I, Guillot-Sulay V, Lorusso N, et al. Phylogenetic Analysis of the 2020 West Nile Virus (WNV) Outbreak in Andalusia (Spain). Viruses. 2021;13(5):836.

12. Base Poblacional de Salud [Available from: https:// www.sspa.juntadeandalucia.es/servicioandaluzdesalud/profesionales/sistemas-de-informacion/base-poblacional-de-salud].

13. Trusted Research Environments [Available from: https://www.hdruk.org/access-to-health-data/trusted-research-environments/].

14. Plataforma de Medicina Computacional. IRWD. Plataforma para la generación segura de conocimiento biomédico a partir del big data clínico de la base poblacional de salud 2020 [Available from: https://www.clinbioinfosspa.es/projects/iRWD/indexEsp.html].

Open Access Data: Un recurso clave para la investigación en salud

DATOS DE ACCESO ABIERTO (OPEN ACCESS DATA)

¿QUÉ ES OPEN DATA?

En un mundo impulsado por la información, los datos se han convertido en un recurso valioso. Esta creciente demanda de acceso a la información ha llevado a un movimiento global hacia la apertura y la democratización de los datos [1]. El open access data promueve el acceso y uso colaborativo de información relevante para la investigación en salud. Esto impulsa el avance científico, la transparencia de los algoritmos y la reproducibilidad de resultados. Sin embargo, se requiere un marco normativo y ético que regule el uso y proteja la privacidad. La gobernanza colaborativa establece políticas y procedimientos para salvaguardar la seguridad y transparencia en el acceso a los datos. Existen dos tipos principales de datos: los intra-open access, disponibles para grupos específicos, y los extra-open access, disponibles para la comunidad internacional. Ambos requieren el cumplimiento de acuerdos de uso, protección de la identidad de los pacientes y promoción de la colaboración. En resumen, el open access data en salud impulsa la investigación, pero con un enfoque en la privacidad y la colaboración interdisciplinaria.

PRINCIPIOS FAIR

Los principios FAIR (Findable, Accessible, Interoperable, and Reusable) son fundamentales en los repositorios de datos sanitarios públicamente

disponibles. Estos principios buscan garantizar una gestión y un intercambio abierto y accesible de los datos [2]. Se destaca la importancia de que los datos sean "encontrables", es decir, contar con documentación descriptiva que facilite su localización. Los datos deben ser "accesibles" para las personas interesadas, aunque en el ámbito de la salud se requieren restricciones adicionales para proteger la confidencialidad. La “interoperabilidad” es otro principio clave, asegurando que los datos estén estructurados de manera que puedan combinarse con otros conjuntos de datos. Por último, los datos deben ser "reutilizables", lo que implica una preparación y documentación adecuadas para su uso en diferentes contextos. Estos principios promueven la transparencia, la colaboración y el avance de la investigación, fomentando una cultura de datos abiertos y compartidos.

El uso de conjuntos de datos masivos, herramientas de Big Data e Inteligencia Artificial (IA) tiene un enorme potencial en el campo de la salud. Los repositorios de datos de acceso abierto en investigación clínica desempeñan un papel fundamental al proporcionar una plataforma transparente y colaborativa para abordar diversas preguntas clínicas. Durante la pandemia de COVID-19, estos datos clínicos fueron especialmente valiosos para mejorar la comprensión de la enfermedad y facilitar decisiones y tratamientos más efectivos [3].

Mediante el uso de técnicas de machine learning y modelos de deep learning, los investigadores lograron predecir con mayor precisión la evolución de los pacientes, lo que abre oportunidades

Álvaro Ritoré Hidalgo†1, Claudia M. Jiménez Vázquez†1, Juan Luis González Rodríguez†1, Juan Carlos Rejon-Parrilla2, Pablo Hervás3, Esteban Toro4, Carlos Luis Parra Calderón5, Miguel Ángel Armengol de la Hoz*1 , Isaac Túnez*6

† Estos autores contribuyeron a partes iguales a este trabajo (coautores principales).

* Estos autores contribuyeron a partes iguales a este trabajo (coautores senior).

para un cuidado personalizado y optimizado [4], [5]. Esto demuestra el poder transformador de los datos en el ámbito de la salud y su capacidad para mejorar la calidad de vida. En resumen, el acceso abierto a los datos, tanto intra como extra, fomenta la colaboración y el intercambio de conocimientos clínicos. Al abrir los datos y compartir el código fuente utilizado para su análisis, se facilita la sinergia entre investigadores de diferentes niveles de experiencia, lo que maximiza el potencial de nuevos descubrimientos y avances científicos. Además, un acceso seguro y controlado a los datos, junto con la optimización de la infraestructura y la transparencia en el entrenamiento de modelos, acelera el proceso de validación de hipótesis y la obtención de algoritmos confiables.

CASOS DE ÉXITO

Se han desarrollado diversas iniciativas tanto a nivel internacional como nacional en el ámbito del open data sanitario. A nivel internacional, destacan proyectos como ‘MIMIC’ (Medical Information Mart in Intensive Care), una base de datos clínica colaborativa entre el Beth Israel Deaconess Medical Center y el MIT, que contiene datos de más de 300,000 pacientes. Otros ejemplos son ‘eICU’, una base de datos de investigación colaborativa que recopila información de múltiples unidades de cuidados críticos en Estados Unidos, con datos de más de 200,000 admisiones en UCI; ‘AMDS’, con datos desidentificados de ingresos en UCIs europeas creada por el Consorcio de Hospitales Universitarios de Amsterdam; y el proyecto colaborativo ‘The Dutch ICU Data Warehouse’, el cual comparte datos de pacientes con COVID-19 graves de más de 35 UCIs en Países Bajos. En cuanto a iniciativas nacionales, destacan ‘Covid Data Save Lives’, que proporciona un dataset anonimizado con información clínica de pacientes tratados por COVID-19 en HM Hospitales; y OPEN DATA COVID Sanitas, que ofrece datos demográficos y clínicos de pacientes ingresados por COVID-19 en los centros médicos de Sanitas de forma segura y anonimizada para la investigación científica. Por último, el proyecto CARMEN-I del Hospital Clínic Barcelona consiste en la digitalización de historiales clínicos para crear una base de datos

anonimizada de salud de acceso público, con el objetivo de promover el desarrollo tecnológico y las aplicaciones de IA en salud.

MODELOS DE INTELIGENCIA ARTIFICIAL ABIERTOS

El futuro de la IA abierta en salud se muestra prometedor, ya que empresas como Google, OpenAI y Meta están impulsando la innovación y el avance de la IA. Meta ha utilizado el código abierto para su modelo de lenguaje 'LLaMA', lo que ha facilitado la colaboración y la creación de innovaciones por parte de la comunidad global de desarrolladores. Esta estrategia ha sido exitosa al cubrir necesidades clínicas y fomentar un enfoque colaborativo. Además, las tecnologías de IA abierta permiten reentrenar modelos en entornos seguros utilizando open data sanitario, lo que mejora la calidad de las predicciones, promueve la transparencia y la equidad en la atención médica, y garantiza la seguridad de la información médica sensible. Estas aplicaciones de IA abierta en salud ofrecen un potencial significativo para diagnósticos precisos, tratamientos personalizados y predicciones clínicas, al tiempo que aseguran un acceso equitativo a la salud [6].

ÁREA DE BIG DATA, PMC

El Área de Big Data de la Plataforma de Medicina Computacional busca facilitar el uso de datos de salud de la Consejería de Salud y Familias a través de una infraestructura humana y tecnológica en procesamiento de datos masivos e IA. Su objetivo es aplicar estos datos en la investigación, desarrollo e innovación en salud, así como en la práctica clínica y gestión. Para lograrlo, se emplea una filosofía de colaboración abierta distribuida basada en cinco principios: seguridad, integración, operatividad, colaboración y conocimiento.

ODACI, UNA INICIATIVA DE OPEN DATA ANDALUZ

ODACI es un repositorio abierto de datos de unidades de cuidados intensivos andaluzas que se lanzará en 2023 para mejorar el conocimiento sobre pacientes andaluces en UCIs. Su objetivo es mejorar el diagnóstico y tratamiento de estos pacientes. ODACI se rige por los principios FAIR,

que garantizan el uso responsable de los datos abiertos en salud. A través de una apertura gradual a la comunidad científica y medidas estrictas de protección de datos, esta base de datos clínica se alinea con otras iniciativas de datos abiertos similares a nivel nacional e internacional, que han mejorado la atención médica mediante la aplicación de herramientas de Big Data e IA para la toma de decisiones clínicas.

PRAETORIA

PRAETORIA (PlatafoRma Andaluza de dEsarrollo de sisTemas de sOpoRte decIsión clínicA) es una plataforma innovadora y necesaria que busca mejorar la calidad de atención, la eficiencia en el uso de recursos y la reducción de costos en el Sistema Sanitario Público Andaluz. Esta iniciativa utiliza algoritmos y modelos computacionales para proporcionar información precisa y actualizada a los profesionales de la salud, facilitando así la toma de decisiones informadas en el diagnóstico, tratamiento y seguimiento de los pacientes. Además, se basa en la Base Poblacional de Salud (BPS), un sistema de información que conecta datos de múltiples registros sanitarios en Andalucía [7]. Esta conexión de datos permite aprovechar la información para diferentes propósitos y fortalece la capacidad de mejorar la atención médica y el bienestar de la población andaluza. PRAETORIA se beneficia del ecosistema favorable de Andalucía, gracias a Diraya, una historia clínica electrónica propia e interoperable que almacena información de numerosos hospitales y centros de atención primaria. El enfoque open y transparente de PRAETORIA impulsa la investigación y el desarrollo en el campo de la medicina, posicionando a Andalucía como líder en el uso de datos para la salud.

EVIAS

EVIAS (Evaluación y Validación de Inteligencia Artificial Sanitarias) es un servicio implementado en Andalucía para abordar los desafíos planteados por las tecnologías de salud digital y la IA. En colaboración con la Agencia de Evaluación de Tecnologías Sanitarias de Andalucía (AETSA) y la Oficina de Transferencia de Tecnologías del Sistema Sanitario Público de Andalucía (OTT-SSPA), EVIAS tiene como objetivo evaluar y validar algoritmos

de IA en el ámbito sanitario. Este servicio busca proteger la seguridad del paciente y garantizar la eficacia y seguridad de los algoritmos en la práctica clínica. Además, EVIAS se rige por regulaciones de privacidad y protección de datos, implementando medidas tecnológicas y organizativas para salvaguardar la integridad de los datos sensibles. Siguiendo un protocolo híbrido que combina criterios de evaluación de tecnologías sanitarias y validación basada en la ciencia de datos, EVIAS se esfuerza por desarrollar nuevos procedimientos y metodologías que impulsen la adopción sostenible de tecnologías innovadoras en el sistema sanitario andaluz, mejorando así la calidad de la atención y los resultados para los pacientes.

BIBLIOGRAFÍA

[1] R. Beckers, Z. Kwade, y F. Zanca, «The EU medical device regulation: Implications for artificial intelligence-based medical device software in medical physics», Phys. Med., vol. 83, pp. 1-8, mar. 2021, doi: 10.1016/j. ejmp.2021.02.011.

[2] M. D. Wilkinson et al., «The FAIR Guiding Principles for scientific data management and stewardship», Sci. Data, vol. 3, n.o 1, Art. n.o 1, mar. 2016, doi: 10.1038/sdata.2016.18.

[3] «Worldwide study of ICU data to provide insight into best COVID-19 treatments». https://www.news-medical.net/news/20200513/Worldwide-study-of-ICU-data-to-provide-insight-into-best-COVID-19-treatments. aspx (accedido 24 de mayo de 2023).

[4] S. Romero-Brufau et al., «Using machine learning to improve the accuracy of patient deterioration predictions: Mayo Clinic Early Warning Score (MC-EWS)», J. Am. Med. Inform. Assoc., vol. 28, n.o 6, pp. 1207-1215, jun. 2021, doi: 10.1093/jamia/ocaa347.

[5] T. Manders, «Deep Prognosis: Predicting Mortality in the ICU», Medium, 19 de octubre de 2019. https:// towardsdatascience.com/icu-mortality-5d0e80539b9e (accedido 24 de mayo de 2023).

[6] «ChatGPT no importa: Google afirma en un informe filtrado que su gran rival en la IA es otro, y que OpenAI tiene el mismo problema». https://www.genbeta.com/ actualidad/chatgpt-no-importa-google-afirma-informe-filtrado-que-su-gran-rival-ia-otro-que-openai-tiene-problema (accedido 24 de mayo de 2023).

[7] D. Muñoyerro-Muñiz et al., «Conexión de registros sanitarios: base poblacional de salud de Andalucía», Gac. Sanit., vol. 34, n.o 2, pp. 105-113, abr. 2020, doi: 10.1016/j. gaceta.2019.03.003.

INFORSALUD 2023

“El Impacto de la Estrategia de Salud Digital del SNS para el avance del sistema sanitario”

LOS PASADOS 21, 22 Y 23 DE MARZO SE CELEBRÓ EN MADRID EL XXVI CONGRESO NACIONAL DE INFORMÁTICA DE LA SALUD, INFORSALUD 2023, BAJO EL LEMA “EL IMPACTO DE LA ESTRATEGIA DE SALUD DIGITAL DEL SNS PARA EL AVANCE DEL SISTEMA SANITARIO”. ESTA EDICIÓN RECOGE EL RESUMEN DE LAS SESIONES INSTITUCIONALES, UNA CONFERENCIA Y LOS SIETE DEBATES EN EL QUE SE ABORDAN ASPECTOS COMO LA CALIDAD DE LA INFORMACIÓN DE LA SALUD, LA INCORPORACIÓN DE LA IA EN LA ASISTENCIA SANITARIA, LA CIBERSEGURIDAD Y EL DESARROLLO DEL TALENTO DIGITAL.

Fue presidida por Juan Fernando Muñoz Montalvo, secretario general de Salud Digital, Información e Innovación en el Sistema Nacional de Salud del Ministerio de Sanidad, que estuvo acompañado de Elvira Alonso Suero, coordinadora general del XXVI Congreso Nacional de Informática de la Salud y Luciano Sáez Ayerra , presidente de la Sociedad Española de Informática de la Salud (SEIS).

Juan Fernando Muñoz excusó la asistencia de la ministra de Sanidad, que había aceptado la invitación a presidir el acto, pero que no pudo asistir por obligaciones sobrevenidas en su agenda. El secretario general de Salud Digital, Información

e Innovación felicitó a la SEIS por los resultados y el esfuerzo de tantos años que han contribuido a que el Congreso, “por su carácter multidisciplinar, por el número y calidad de los de los asistentes y por la amplitud de los temas que en él se abordan, se convierta en una cita ineludible para todos los que trabajamos, por, y para el SNS”. “La Estrategia de Salud Digital del SNS –afirmó– es el marco necesario que nos hemos dado, fruto de la colaboración entre todos los actores principales, especialmente entre el Ministerio de Sanidad y las CC. AA., para el desarrollo de todas las iniciativas en pro de alcanzar un SNS de mayor calidad, más sostenible y que garantice la equidad en el acceso”.

Fernández Muñoz resaltó que es la primera vez que hay una estrategia, que esta adecuadamente financiada y, además, añadió, en el 2.º semestre recaerá en España la presidencia de la UE con un importante paquete legislativo de salida como es el Espacio Europeo de Datos de Salud. “Es una oportunidad de oro que hay que aprovechar y sacar el mayor partido posible de esta situación, para reforzar la interoperabilidad de la información de salud, tanto a nivel nacional como europeo, y potenciar el uso primario de la información sanitaria en el que España se encuentra en una posición avanzada”.

Animó a impulsar el modelo de trabajo colaborativo, cooperativo y compartido heredado de la pandemia, que es uno de los activos más importantes que se ha conseguido y no solo para resolver los problemas comunes, sino para dar un paso más adelante y concebir los sistemas de información de salud como parte de un todo más amplio, pensando desde el principio en la calidad de los datos y su posterior aplicación a la investigación, la innovación y la asistencia. “Este modelo de trabajo permite utilizar la experiencia, las capacidades y el conocimiento de cada CA como un acelerador de todas las demás”.

“Tenemos que conseguir que toda la sociedad se beneficie de las tecnologías digitales y que la transformación digital no constituya ninguna barrera, sino que sea una facilidad que contribuya al bienestar de las personas. Hay que conseguir una atención en salud de más calidad, más equitativa, más personalizada… Subrayó la importancia del Congreso para intercambiar experiencias, tomar el pulso al sector y debatir posibles alternativas.

Elvira Alonso Suero, como coordinadora general del XXVI Congreso Nacional de Informática de la Salud, dio las gracias a todos los asistentes y cedió la palabra a Luciano Sáez, que quiso dar la bienvenida a las autoridades y asistentes y, en segundo lugar, manifestar el honor que suponía para él participar en el acto inaugural y poder agradecer las aportaciones y confianza de todas las organizaciones, empresas y profesionales que trabajan en el Sistema de Salud. De forma especial, mostró su agradecimiento a Juan Fernando Muñoz Montalvo, por presidir el acto de inauguración de Inforsalud 2023, a Raquel Yotti

Álvarez, secretaria general de Investigación del Ministerio de Ciencia e Innovación, por aceptar participar, aunque no estuviera presente por un viaje oficial de última hora que le impidió asistir en el último momento. También la participación expresa de las autoridades presentes en la sesión de apertura: José María Vergeles Blanca, vicepresidente segundo y consejero de Sanidad y Servicios Sociales de la Junta de Extremadura, Julio García Comesaña, consejero de Sanidad de la Junta de Galicia, Santos Induráin Orduna, consejera de Salud del Gobierno de Navarra, y Pablo Ignacio Fernández Muñiz, consejero de Salud del Gobierno de Principado de Asturias por su conferencia de cierre del congreso. Por último, quiso reconocer a Elvira Alonso Suero, coordinadora general de Inforsalud, a José Luis Monteagudo Peña, presidente del Comité Científico y a todos los miembros de los comités organizador y científico, por su esfuerzo y dedicación en la preparación del congreso, sobre el que destacó que habían participado más de 80 profesionales del ámbito institucional, profesional y tecnológico. Tampoco quiso olvidar la colaboración de los moderadores y ponentes y los socios tecnológicos de la SEIS y a las empresas patrocinadoras, para la realización del congreso.

El presidente de la SEIS recordó que la Sociedad Española de Informática de la Salud tiene el objetivo de de difundir los avances tecnológicos y promover la innovación en el ámbito sanitario con el uso e implantación de las TIC, y por ello convoca anualmente Inforsalud, como punto de encuentro de los mundos de la tecnología y la salud.

“La SEIS basa sus acciones en nuestro compromiso con la sanidad española y los valores que aportan las tecnologías. Nuestro objetivo es detectar las necesidades y barreras existentes en el sistema sanitario, analizando su evolución desde una perspectiva profesional basada en el conocimiento, gracias a que, somos una sociedad multidisciplinar, y abierta a todos los profesionales sanitarios conocedores de la realidad que conforma el SNS”.

“El desarrollo de la Estrategia de Salud Digital del SNS constituye, junto a la disponibilidad de los nuevos fondos, una oportunidad única para el avance de la salud digital en España.” Por ello y atendiendo a esta realidad, subrayó que

el comité organizador había propuesto como lema de esta edición de Inforsalud “Impacto de la Estrategia de Salud Digital del SNS para el avance del Sistema Sanitario”, y puso de relieve el amplio e intenso programa de sesiones en esta edición basado en tres grandes líneas.

“En esta edición –afirmó– se incluyen mesas de debate abierto sobre temas de máximo interés como: “El desarrollo del talento digital en salud”, “La ciberseguridad en el sector salud”, “La incorporación de IA a los servicios sanitarios”, “La calidad de la información de salud", “La salud publica digital” y “La financiación de la innovación en salud digital”, además de actuaciones relacionadas con la creación del Espacio Nacional de Datos de Salud, y la aplicación de las tecnologías digitales para potenciar la Atención Primaria y Comunitaria y la Atención Digital Personalizada así como sesiones específicas para el sector farmacéutico y para los profesionales de enfermería”.

“Una segunda línea de sesiones para presentaciones de las últimas innovaciones y soluciones tecnológicas por actores relevantes de la industria y una tercera línea de sesiones reservada para las presentaciones de las comunicaciones

libres y posters sobre trabajos de investigación y proyectos innovadores seleccionados por el Comité Científico.

El presidente del SEIS también aprovechó para adelantar unos datos globales del Índice SEIS 2022 un trabajo colaborativo de la sociedad con los Servicios de Salud, el Ministerio de Sanidad y con Red.es, que describen los medios que se ponen a disposición de las organizaciones para su estrategia digital y de los avances en servicios asistenciales que se van produciendo. Entre los datos destacó un crecimiento de la inversión en TIC, para el conjunto del SNS, del 8,86% respecto al año anterior, con un total de 1.021 millones de euros. También puntualizó que se sigue apreciando un esfuerzo real en priorizar los proyectos tecnológicos, aunque el porcentaje de gasto TIC sobre el gasto global sanitario se sitúa en el 1,35%, lejos todavía de otros sectores de otros países del entorno. Por último, añadió un aumento en el gasto en seguridad de los sistemas de información, un 62,98 %, aunque supone únicamente el 2,76% del gasto TIC.

Finalizó su intervención confiando que con la participación de los asistentes “se aporte valor para el futuro de nuestro sistema de salud”.

SESIÓN DE APERTURA DE LAS AUTORIDADES SANITARIAS

La sesión comenzó con Juan Fernando Muñoz Montalvo, que en relación con la Estrategia para la Transformación digital del SNS, destacó “el impulso político y sobre todo la cooperación con las CC. AA., que ha posibilitado la puesta en marcha de multitud de proyectos comunes, sobre la

mejora de la eficiencia, de la sostenibilidad, de la equidad y de la interoperabilidad. “En el periodo 2021/2026 se dispone de una financiación de 850 millones de euros, de fondos europeos, para abordar proyectos comunes entre los que destaca la atención digital personalizada”.

A continuación, tomó la palabra Julio García Comesaña, consejero de la Consejería de Sanidad de la Xunta de Galicia, quien agradeció a la SEIS el esfuerzo por la organización del congreso anual. “La Estrategia para la Transformación Digital del SNS, es un reto compartido en donde Galicia participa en los siete grupos de trabajo, principalmente en los grupos 1 y 3 y en Espacio Nacional de Datos de Salud. Señaló que la Estrategia se basa en tres pilares: La transformación, basándose en la innovación y en la atención centrada en el paciente, La integración de los sistemas de información, los procesos y los datos y la generación de conocimiento a partir del tratamiento masivo de datos y la utilización de la inteligencia artificial.

Mencionó el proyecto IANUS implantado en Galicia, “como sistema abierto que permite la incorporación y ampliación con nuevas funcionalidades y que facilita el trabajo de los profesionales asistenciales, al considerar a la HES como un sistema único y transversal, que integra toda la información de salud a lo largo de la vida del paciente, además permite que el ciudadano acceda a dicha información.” También hizo referencia al proyecto INNOVA-Saúde cuyo objetivo es dar respuesta a las necesidades de comunicación entre los profesionales de los distintos niveles y estructuras asistenciales

En Galicia -dijo- monitorizan a 8.000 pacientes crónicos en sus domicilios y el 73% de los gallegos acceden por móvil a sus HCE. Asimismo, indicó que Galicia es pionera en la compra pública innovadora de tecnología, en su modelo de ciberseguridad, y en I+D+i en tecnologías”.

Después fue el turno de Santos Induráin Orduna, consejera de la Consejería de Salud del Gobierno de Navarra, que indicó “el gran impulso que, consecuencia de la pandemia, experimentó la telemedicina. Hubo que efectuar cambios organizativos, desarrollar nuevas aplicaciones en tiempo récord, con el consiguiente esfuerzo del personal asistencial y del personal TIC y asumir un elevado coste económico.” Destacó, que, en el caso de Navarra, el modelo se ha mostrado robusto y con gran capacidad de adaptación. “Cualquier proceso o decisión asistencial se basa en las TIC, hay que invertir en TIC. La pandemia ha demostrado la necesidad

de la interoperabilidad operativa y semántica. Para compartir datos de salud es imprescindible disponer de información de calidad y normalizada”. Comentó que en Navarra disponen de una base de datos de salud de calidad BARDENA, que contiene información de AP, de AE, de otras áreas asistenciales y de TSI, que permite evaluar actuaciones y realizar análisis predictivos de tendencias, basados en algoritmos de IA. “La pandemia nos enseñó que hay que trabajar de forma coordinada y cooperativa”. Agradeció a Juan Fernando la importante labor de coordinación y colaboración efectuada por el Ministerio. “Abordar trabajos conjuntos es un reto y una oportunidad”.

También subrayó que los nuevos fondos de financiación han permitido abordar proyectos dentro de un marco colaborativo, como el de la mejora y la transformación digital de AP. “Los fondos europeos, no permiten invertir en RRHH, lo que no ayuda a paliar la dificultad creciente para fomentar el talento TIC”. Finalizó su intervención haciendo un llamamiento para potenciar la medicina basada en valor, lo que supone un cambio organizacional.

José María Vergeles Blanca, consejero de la Consejería de Sanidad y Servicios Sociales de la Junta de Extremadura afirmó, aludiendo al lema del congreso, que existe una estrategia bien diseñada, una financiación adecuada para ejecutarla y un espíritu unánime de colaboración. “Será difícil que salga mal y que el impacto sea negativo”.“No obstante, hay que tener en cuenta que se pueden presentar ciertas dificultades: como gastar los fondos disponibles de forma eficiente y en los plazos establecidos, la disponibilidad de recursos humanos (internos y externos) suficientes y capacitados, evitar generar una brecha digital derivada de la diferencia social, que la transformación aporte beneficios directos al ciudadano, y puso como ejemplo las consultas telefónicas anuales que son más beneficiosas para el profesional que para el paciente.

“Hay que trabajar los aspectos humanos y sociológicos e incluirlos en la cartera de servicios de forma que no se genere un rechazo social. La genética es importante, pero también hay que conocer la situación de las personas, hay que potenciar la labor preventiva de la AP.

También remarcó que, con la creación del Espacio Nacional de Datos de Salud, al que España puede aportar mucho, estamos en el buen camino para obtener datos y resultados honestos. “Si los datos no son buenos los resultados no

serán honestos, hay que garantizar la calidad de los datos de partida”. Destaco que la ciberseguridad es factor crítico en los SI sanitarios, que requiere de una atención especial y una colaboración con organismos como el CCN y el INCIBE.

SESIÓN DEBATE: IMPACTO DE LA ESTRATEGÍA DE SALUD DIGITAL DEL SNS PARA EL AVANCE EN EL SITEMA SANITARIO

Presentó la sesión Noemí Cívicos Villa , directora general de Salud Digital y Sistemas de Información en el Sistema Nacional de Salud del Ministerio de Sanidad. Inició su intervención hablando sobre los proyectos que se ejecutan dentro del plan de salud digital, con los modelos de ejecución basados en el modelo competencial del sistema de salud. “Después de 15 meses de trabajo se empieza a recibir resultados, la interoperabilidad y la estrategia del dato son algunos de los resultados a través de la creación de la oficina del dato. La gestión del cambio es uno de los aspectos más importantes a desarrollar”. Y planteó las siguientes preguntas:

• ¿Qué identificadores habría que incluir para saber el sentir de los usuarios, con las mismas preguntas como hasta ahora o con otras nuevas?

• ¿Cuál sería el aspecto clave que habría que abordar para el Plan de Sostenibilidad?

Jesús García-Cruces Méndez, viceconsejero de Asistencia Sanitaria, Planificación y Resultados en Salud del Gobierno de Castilla y León, señaló que el reto en Castilla y León (CyL) es mayor que en otras CC.AA., debido a la gran dispersión

geográfica de la población y a un mayor envejecimiento de la misma. “Estas características condicionan la estrategia y el presupuesto y complican el despliegue de servicios digitales que hay que adaptarlos a la realidad (brecha digital). El abordaje de la gestión del cambio hay que realizarlo muy cerca de los actores y usuarios del sistema de salud. Hay que incidir en los aspectos de formación, información, transformación de la prestación de los servicios, seguridad jurídica y seguridad de los sistemas de información (factor crítico)”. Aportó como dato que, en Castilla y León, existen unos 1.750 consultorios con menos de 50 personas con TSI, por lo que es importante la optimización de las redes de comunicaciones para facilitar la monitorización a distancia. “Hay que disponer de indicadores homogéneos, para todo el SNS, para conocer las mejoras en salud, intrínsecas y de satisfacción. La brecha digital no es del ciudadano, es del proveedor del servicio”.

Jesús Galván Romo, vicepresidente de la SEIS y ex viceconsejero de Salud de Castilla La Mancha, que sustituye a Elizabeth Hernández González, planteó varias preguntas: ¿qué pasa después de lo que yo deje?, ¿qué pasa con la

prescripción?, ¿qué pasa con la persona?, ¿qué pasa con la cohorte de los pacientes? En este contexto aparece el impaciente activo, persona que esta impaciente por recuperar el estado de salud, profesional comprometido que siempre esta impaciente por hacer más y mejor y también aparecen el impaciente activo gestor y tecnológico. A continuación, comentó que la situación actual ha cambiado, ahora hay mucha más colaboración que antes no existía. Y en su opinión, hay que potenciar la vigilancia epidemiológica.

Concepción Andrés Sanchís, secretaría autonómica de Eficiencia y Tecnología sanitaria de la Conselleria de Sanitat Universal i Salud Pública de la Generalitat Valenciana, indicó que, aunque ahora se dispone de crédito suficiente para desarrollar la estrategia digital, todavía queda mucho por hacer, sobre todo en la gestión del

cambio y en la incorporación de los cambios normativos que permitan y faciliten la implantación de la estrategia de salud digital. “La resistencia al cambio puede lastrar la transformación digital y para ello, es importante la gestión del cambio”. En su opinión hay que cuidar los siguientes aspectos: dotar a los profesionales de las herramientas necesarias para que puedan prestar los servicios con las máximas garantías, mejorar el nivel de humanidad entre el profesional y el paciente, tener en cuenta la accesibilidad al sistema de las personas mayores, mejorar las aplicaciones, de forma que los ciudadanos puedan acceder a los datos de sus HES, potenciar y mejorar la teleasistencia. “Debemos tener indicadores para conocer la implicación, en la transformación digital, de los profesionales u los pacientes”. A la última pregunta sobre el Plan de Sostenibilidad, comenta que el factor crítico es mantener la inversión adecuada.

Moderó la sesión Gregorio Achutegui Basagoiti, director gerente del Servicio Navarro de Salud, que resaltó “la necesidad de equilibrar la utilidad y oportunidad que nos ofrece el uso de los datos. Europa debe despertar para no quedarse atrás una vez más. Se cuestiona “cuánto tiempo tenemos para no perder este tren” y hacer un proyecto win to win . Destaca el renacimiento que está teniendo el Consejo Interterritorial del SNS, y considera que su papel es muy importante para avanzar en todos los proyectos.”

Alberto Fuentes Losada, secretario general técnico de la Consellería de Sanidade de la Xunta de Galicia, agradeció al Ministerio de Sanidad la labor de coordinación que realiza en la definición del Espacio Nacional de Datos (END). “La pirámide del conocimiento con los datos en la base, la información en el segundo escalón, el conocimiento en el tercero y la sabiduría en la cúspide se debe transformar en un rectángulo ya que todo dato se debe convertir en sabiduría. El ENS es una oportunidad única, y debe ayudar también para el desarro -

SESIÓN DEBATE 1: LA CONSTRUCCIÓN DEL ESPACIO DE DATOS DE SALUD: RETOS Y OPORTUNIDADES EN EL ÁMBITO NACIONAL Y TRANSFRONTERIZO

llo de las regiones. En Europa tenemos un desafío para intentar ser competencia de China y EE. UU. en esta materia, y para esto nos tenemos que apoyar en la industria. Los datos deben servir para mejorar el modelo asistencial, aplicando todo el conocimiento que se genera y haciendo reingeniería de procesos”. Según Alberto Fuentes, se debe analizar y modificar los datos que estén mal organizados y normalizados. “En las CC. AA. ya somos referentes a la hora de compartir los datos, silo basta ver los proyectos de interoperabilidad de receta electrónica y de la HCDSNS. El esquema de gobernanza de estos proyectos con el Ministerio de Sanidad y las 17 CC. AA. se debe extender al ENS”.

M.ª Dolores Tomé Cotarelo, vocal asesora de la Dirección General de Salud Digital, Información e Innovación del SNS del Ministerio de Sanidad quiso agradecer la colaboración de las CC. AA en el proyecto del ENS. “Durante la Presidencia Europea de España, en el segundo semestre se quiere impulsar el Reglamento del Espacio Europeo de Datos Sanitarios. Los principales retos del componente 18 en lo que se refiere al ENS es dar forma y poner en valor lo que se viene haciendo y trabajando durante los últimos 20 años. Aparte de la gobernanza, en el ENS se está poniendo el foco en la estandarización y la normalización del dato”. Anunció que el Ministerio de Sanidad va a poner en marcha una Oficina del Dato, y será la institución que ponga en valor este proyecto, lo que pondrá los datos al servicio de los profesionales, lo que redundará en una mejor asistencia sanitaria de los pacientes.

“El Consejo Interterritorial y la Comisión de Salud Digital ayudan a la Gobernanza. Es un reto cumplir con el objetivo de 2023 para empezar a constituir el ENS, y la industria nos debe ayudar. Por esta razón, se ha impuesto un ritmo fuerte para poder cumplir con este objetivo y así mejorar nuestro SNS”.

Posteriormente intervino Juan Ignacio Coll Clavero, director general de Transformación Digital, Innovación y Derechos de los Usuarios. Servicio Aragonés de Salud, que subrayó que el objetivo del ENS debe ser mejorar los resultados en salud en la población, y añadió

que es lícito que la SEDIA sea un actor implicado para generar tejido económico, sin olvidar el objetivo principal. Señaló que el papel del Ministerio a través de la Comisión de Salud Digital está posibilitando abrir nuevos canales de comunicación. “Se deben activar políticas activas para que vean el beneficio de este proyecto. El reto de la calidad del dato es prioritario, se debe hacer una reflexión porque los sistemas no están centrados en el paciente, lo que provoca datos heterogéneos y fragmentados. En cuanto al reto de la seguridad, tenemos herramientas para abordarlo”.

“Tenemos que apuntalar la economía, pero no matar el estado del bienestar, los datos no deben servir para vender luego productos. En Aragón, se está intentando llevar la custodia del dato al departamento que tiene las competencias de los derechos del usuario para poder enganchar la confianza de los ciudadanos”.

A continuación , Miguel Ángel Montero Martínez, Head of Health Account Executive Inetum, apuntó que el Reglamento Europeo de los Datos Sanitarios va a beneficiar a los ciudadanos, investigadores, reguladores y a la industria, y en definitiva, mejorará la economía europea. “Será un elemento de riqueza, ya que la industria tendrá un mercado más amplio y esto es muy relevante. En otros sectores se han perdido mercados y Europa debe recuperar peso a través de esta iniciativa. No podemos hablar de IA y de otras cosas, si no se cuenta con un END”.

Además, hizo hincapié en que se debe hacer una reflexión para involucrar a otros actores como la sanidad animal, ambiental y alimentaria ya que no todos los datos se tienen en los servicios de salud. También comentó que se plantean preguntas sobre este reglamento, en concreto, el catálogo y etiquetas de los datos, el papel de los distintos actores, la propiedad intelectual y se cuestiona finalmente si existirán tarifas para el uso de los datos.

Por último, Alberto Pinedo, de National Technology Officer Microsoft, manifestó que la gente no quiere enfermar, y si lo hace, se quiere curar, por lo que este debe ser el objetivo del uso de datos. El problema principal es la compartición de la información, según Pinedo, ya que se debe

trabajar en los roles necesarios para gobernar los datos de forma federada. Puso como ejemplo Noruega, donde se está apostando por economizar el dato sanitario. “Se debe potenciar la investigación con el uso secundario de los datos

incluyendo más datos que los sanitarios y vencer el miedo para poder dar el paso y avanzar en la IA. En su opinión, los sistemas de información necesitan una actualización, “ya que seguimos usando tecnologías de hace 20 años”.

La sesión estuvo moderada por Miguel Ángel Guzmán Ruíz, viceconsejero de la Consejería de Salud y Consumo de la Junta de Andalucía, que expresó el orgullo de Andalucía en participar en los grupos de trabajo. Tras la presentación de los ponentes, inició el debate con la siguiente pregunta: ¿Cuál es el impacto esperado del Plan de Atención Primaria y Comunitaria?

Interviene en primer lugar Rita Tristancho Ajamil , directora de Programas Asistenciales del Servicio Canario de Salud, que aborda la cuestión desde el punto de vista asistencial, indicando que “el modelo que tenemos actual data de 40 años y que la sociedad actual ha cambiado, con un gran volumen de población envejecida. Por lo tanto, hay que responder a nuevos retos y aportar valor mediante una sociedad hiperconectada, formada y acostum -

brada a las TIC. La ciudadanía quiere tener múltiples accesos y por varias puertas de entrada. Es necesario innovar, la transformación digital permite llevar la información y la asistencia donde se encuentra el ciudadano. Desde el punto de vista asistencial la tecnología, que es un medio y no un fin, nos puede ayudar en todas las actividades asistenciales, por ejemplo, podremos hacer cosas antes de que acuda el paciente a la consulta. La prioridad es tratar al enfermo y luego la enfermedad. En lo que se refiere a la promoción y prevención, se deben plantear pruebas diagnósticas antes de que aparezca la enfermedad, modelos predictivos, diagnóstico precoz y potenciar la inteligencia artificial y la medicina personalizada para prevenir la enfermedad, siendo el mayor reto prevenir la enfermedad crónica”. Concluyó su intervención diciendo que “en la transformación digital será necesario la incorporación

SESIÓN DEBATE 2: “PLANES PARA LA DIGITALIZACIÓN: ATENCIÓN PRIMARIA Y COMUNITARIA Y ATENCIÓN DIGITAL PERSONALIZADA”

de nuevos roles tecnológicos como ingenieros, analistas de datos, bioinformáticos” y señaló la importancia de “la calidad del dato y la Historia Clínica única e interoperable”.

A continuación , Tania Cedeño Benavides, directora general de Calidad Transformación del Conocimiento Servicio del Principado de Asturias , centra su discurso en la estrategia que requiere un plan de ejecución concreto y dotado de los recursos necesarios, sino la estrategia “se queda en los cajones de algunos responsables”. Para Tania Cedeño, la estrategia debe ir acompañada de la gestión del cambio, la comunicación y la formación. “Hay que mejorar la comunicación, fallamos en la comunicación tanto interna como externa (a la ciudadanía), tenemos que contarlo bien para que no corramos el riesgo de que no lo acepten.”

Continúa señalando que “son factores para superar la resistencia al cambio y la brecha digital, y cómo vencerla a través del empoderamiento del paciente, el liderazgo y las buenas prácticas.”

Por su parte, Benigno Rosón Calvo, subdirector General de Sistemas y Tecnologías de la Información del Servicio Gallego de Salud, destacó que el Gobierno ha lanzado planes de transformación, proyectos colaborativos por un valor de 360 millones, pero el problema estriba en que hay que ejecutarlos en tres años, lo que lo hace complicado. Reflexiona sobre cómo están funcionando los planes colaborativos para conseguir llegar al objetivo en 2026. Felicita a todos los grupos de trabajo y al Ministerio por el modelo de colaboración en el que se está trabajando. Señala las ventajas de los modelos organizativos compartidos, los pliegos homogéneos, la ciberseguridad y comenta la experiencia del SERGAS como líder del grupo de trabajo 6 – Telemonitorización.”

También señaló el papel que tendría la IA en el apoyo al diagnóstico. “Ayudaría y liberaría a los profesionales, permitiría mejorar los circuitos, etc. Como no lo hagamos nosotros, podría pasar que una empresa pusiera una IA a disposición de los ciudadanos para que se autodiagnostiquen y debemos estar preparados para esto”.

En cuanto al plan de Salud Digital Personalizada, en fase de definición por parte de las Comunidades, lo contempla como una oportunidad y un reto.

Mercedes Alfaro Latorre , subdirectora general de Información Sanitaria del Ministerio de Sanidad hizo una reflexión acerca del Plan de transformación digital de Atención Primaria y cómo dicho plan debe contribuir al desarrollo del sector tecnológico. “El objetivo de los PERTES consiste en la elaboración de proyectos colaborativos entre CC. AA. mediante grupos colaborativos, con unos fondos que se tienen que ejecutar en unos tiempos determinados. Las CC. AA. están trabajando codo con codo con el apoyo del Ministerio y con la financiación de la UE como gran oportunidad”. Explica la gobernanza de los siete grupos bajo el paraguas del Consejo Interterritorial del SNS. “El Plan del Ministerio busca que las personas puedan cuidar mejor de su salud gracias a la tecnología, dicho plan está enfocado en tres objetivos: los profesionales, los ciudadanos y los procesos, y su eficiencia gracias a la digitalización.”

Para terminar, puso el foco en la protección de la salud, para la que –dijo– es necesaria el apoyo a los profesionales, dotándolos de herramientas para mejorar y promover la salud de los pacientes dentro de unos procesos y un gasto sostenible. “Evitar enfermar es un elemento de sostenibilidad, pero sin caer en la medicalización de la vida de las personas”.

Por último, José Antonio Morales, de Market Access Manager Roche Diagnostic España, incidió en el cambio cultural y organizativo que se está produciendo con la transformación digital. Señalo cómo ese cambio debe ser ágil y flexible, situando al paciente en el centro. “La industria permite complementar recursos y la colaboración con los distintos niveles asistenciales. Se necesita del cambio de modelo de contratos basados en valor y del pago variable en función del rendimiento. El objetivo principal es mejorar la autonomía del paciente y sus resultados en salud. No podemos desaprovechar la oportunidad de implementar los planes de cuidado”. Comenta como caso de éxito los contratos basados en valor el seguimiento de pacientes postictus en el área metropolitana de Barcelona.

Moderó la sesión Miguel Ángel Benito Tovar, coordinador general del Foro de Seguridad y Protección de Datos Sociedad Española de Informática de la Salud. Como introducción comentó que “la ciberseguridad no es un gasto si no una inversión.” Plantea que hay que basarse en unas estrategias bien medidas y pensar en iniciativas presentes y futuras. “Hay que pasar del hay que al qué vamos a hacer.”

A continuación, planteó a sus ponentes las siguientes cuestiones:

• ¿Qué opinión tienen sobre el estado actual del sector sanitario, tanto público como privado sobre la ciber seguridad desde los distintos ámbitos representados en la mesa?

• ¿Por qué realmente se ataca al sector salud?

• ¿Existe un especial interés sobre el sector salud? En cuanto al robo de credenciales, explicó que la educación no es suficiente y pone ejemplos de phishing. En un simulacro reciente, 400 usuarios cayeron en la “trampa”.

• ¿Cómo se puede humanizar la ciberseguridad para que esta “cale” en el personal?

En su opinión, el título de los cursos de ciberseguridad en los planes de formación no es atractivo para los asistenciales, y, por tanto, no se incentiva esa área de conocimiento. Además de

que cree que el nivel de madurez debe elevarse dado que los intentos de ataques se están refinando y aumentando.

• ¿Dónde está el CISO? ¿Qué impacto debe tener según la nueva norma?

• ¿Cuáles pueden ser los compromisos?,¿Cree que con muy poco se puede poner más difícil a los ciber atacantes?

En primer lugar , Javier Candau Romero, jefe de Departamento de Ciberseguridad del Centro Criptológico Nacional CCN-CERT, indica cómo es la manera de medir la ciberseguridad, lo hacen en cumplimiento del ENS, e indica que son pocos los organismos que cumplen lo que. Indica que “en el sector salud, está por debajo de la media nacional, y que esta tampoco es alta. Indica que estamos más sensibilizados que hace muy poco tiempo. La asocia hacia la ciberseguridad real no a los documentos. El COVID nos transformó digitalmente. Eso hizo que la superficie de exposición se ampliara. Los atacantes tienen claro que la compraventa de credenciales en la dark web, etc., es un modus operandi que está ya industrializado. Ahora mismo, da igual el sector que sea, se entra y se quiere producir extorsión. Las credenciales se venden en la DW de una manera normal.

Cree que la dirección no se implica lo suficiente y, por tanto, ahí radica parte del problema. Cree

SESIÓN DEBATE 3: LA CIBERSEGURIDAD EN EL SECTOR SALUD

que los CISO no tienen la visibilidad necesaria y no están directamente en la dirección de los centros y organismos.

Cree que se debe invertir en tres líneas:

• Reducir la superficie de exposición. Para ello se basa en auditorias, que no sean normativas, si no, reales.

• Vigilancia. Para ello hay que tener un EDR que se supone va a ser la última línea de defensa.

El servicio de ciberseguridad. Debe de darse, da igual desde donde, desde los servicios centrales de las consejerías o de la comunidad, pero debe existir. Cree que se debe estar en la red nacional de SOC, que es una postura sensata y básica porque se interconectan y compartan las actuaciones.”

A continuación , Francisco Lago Garcia, responsable de Vigilancia, Alerta Temprana y Prospectiva del INCIBE_CERT. Instituto Nacional de Ciberseguridad de España, habló sobre el INCIBE, cuya visión –explicó– es la del sector privado, que es el sector al que suelen atender. Señaló que el 50% de los incidentes en el 2022 tuvieron que ver con sistemas vulnerables y expuestos, y entiende que es una cifra normal . “ El incidente que más preocupa es el malware , por ser muy mediático, pero solo representa un 4,1%. Por importancia, aunque en segundo lugar por impacto y por preocupación, es el fraude con un 18.6% y el ultimo seria la intrusión.”

Señaló que no se tiene la percepción de un grado de especialización. “El sector está muy distribuido, por lo que se puede atacar y al ser un servicio básico y esencial, tiene impacto para los ciber delincuentes, y sale en las noticias. El tipo de información es sensible”.

Consideró que “hay que crear canales de itinerarios y herramientas de simulaciones para la concienciación. Y en especial, para la alta dirección, para que asuman la idea de un ataque masivo y se hagan simulaciones.

Pidió una mayor inversión europea para la ciberseguridad. “La financiación europea es una oportunidad que hay que aprovecharla, tanto a nivel usuario como a nivel de industria en general. La explotación de vulnerabilidades es de

más del 80% en nuestros sistemas. Es básica la actualización de los parches.”

Finalizó su intervención con un llamamiento a la colaboración en el campo de la ciberseguridad, que definió como “básica”, y animó a los distintos a que se acerquen al INCIBE: desde donde intentan proporcionar herramientas, servicios y contenidos con objetivo de educar.

Enrique Quintanilla Cabañero, subdirector general de Infraestructura Tecnológica Sanitaria del Ministerio de Sanidad, apuntó que, en el Ministerio, al no tener los datos de salud de los ciudadanos la casuística es diferente. Su estrategia se basa en el ENS. y tienen la ISO 27001. El Ministerio –dijo– ejerce una labor de coordinación para la mejora de la ciberseguridad. En cuanto a las respuestas a las preguntas del moderador, contestó que entiende que el Ministerio no es atractivo, ya que, al ser nodo de intercambio sin almacén de datos, les hace menos atractivos para los posibles ataques. Hizo hincapié en el proyecto del SOC de la AGE y que se están integrando todos a la hora de compartir recursos. “Hay que reconocer ciertos éxitos, como INCIBE y el CCN. Desde el Ministerio podemos ayudar un poco más como colaboradores para establecer estrategias comunes.”

Por su parte, Manuel Jimber del Rio, responsable de Seguridad TIC Servicio Andaluz de Salud, afirmó que se ha avanzado mucho en este tema en su comunidad. Están trabajando en la “educación” de la ciberseguridad, y en las creaciones de comités y unidades de seguridad, aunque admitió que, a pesar del esfuerzo, se va por detrás de los acontecimientos. Pone como ejemplo, los más de eventos de malware que se producen a la semana. En su opinión, los ciber atacantes no van contra el sector salud, pero aprovechan muchas situaciones.” Las peores son las de incidencia baja, porque abren las vulnerabilidades”. “La concientización es un tema fundamental, hay que hacer una cultura de la ciberseguridad en las organizaciones, empezando por la propia dirección de los centros. Hoy en día la ciberseguridad se ve como un gasto y se asocia a algo TIC y no de toda la organización y debería haber una estrategia a diez años”. Puso el énfasis en el compromiso

día a día para llegar a completar los objetivos y la colaboración con el resto de los organismos para acelerar las reacciones básicas.

José Luis Rojo de Luque, partner de EY Technology Consulting, indicó en su intervención que “el entorno sanitario es complejo, lleno de sistemas obsoletos, con un gran número de dispositivos, muchos de ellos conectados. El perímetro es amplio y expuesto, comparado con otros sectores, y, además, necesitamos procesar e interactuar con gran cantidad de datos”. Su radiografía del problema es que la amenaza es real y que los ataques son cada vez más complejos y pueden paralizar los procesos de negocio. “La información tiene mucho valor para el ciber crimen, y suelen ser organizaciones sin escrúpulos. El 80% de ataques son ransomware, pero su complejidad es media o baja. Siguen manuales de ciber ataque”.

Aseguró que no entiende por qué en el día a día los protocolos sanitarios se aplican de manera precisa, pero en ciberseguridad no se llega. “Hay que hacer ver a los usuarios que esa misma ortodoxia hay que aplicarla en la ciberseguridad. Si los protocolos sanitarios llegan, los cauces y los mecanismos de transmisión existen, por lo tanto, si la dirección se implica, las normas de ciberseguridad se deberían aplicar con facilidad”.

Por último, Jesús M. Doña Fernandez, director de Desarrollo de Negocio de CIMS de Fujitsu define la ciberseguridad en tres conceptos: ilusión, porque hay un avance y esto genera una buena praxis; preocupación, porque no se puede dejar de preocupar por lo que está pasando e impotencia ya que no se genera el mensaje a los órganos implicados, no se entiende que la ciberseguridad es parte del trabajo de cada uno y del día a día. “Para los atacantes, el nivel de complejidad es bajo por lo que apenas necesitan invertir, los SS de Salud son atractivos para ellos. Se entiende que los presupuestos en sanidad son altos, y ven dinero y, por tanto, estamos ante un objetivo claro, publico y señalado. Además, la superficie de ataque, de un centro como un hospital, es muy alta por lo que somos vulnerables. Los ataques muy elaborados no se descubren. Es fundamental aplicar la tecnología para defendernos y tratar de disminuir la superficie de exposición”.

Para finalizar su intervención, incidió en la formación y puso en valor al INCIBE. Dijo que le sorprendía cómo un colectivo, que está en forma formación continua, no asuma lo mismo en ciberseguridad, por lo que, en su opinión, debería contemplarse como complemento a su propia formación. “La ayuda es básica y se debe conseguir desde la parte pública y privada”.

SESIÓN DEBATE 4: DESARROLLO DEL TALENTO DIGITAL EN SALUD

La sesión estuvo moderada por Doña Celia Gómez González, directora general de Ordenación Profesional del Ministerio de Sanidad, que abrió el debate en el tema de la competencia tecnológica de los profesionales y sobre si existe déficit de recursos TIC, si existe regulación, o incluso si la gestión de los planes de Digitalización de Atención Primaria es posible realizarla con los recursos actuales. En cuestiones formativas, preguntó a los ponentes si conocían experiencias de éxito en formación de valor en capacitación digital, y finalizó su exposición haciendo un resumen con el foco en la gobernanza de una interoperabilidad universal, asegurando que la transformación digital implica la transformación de organizaciones y procesos a la vez que se su-

peran las dificultades del ecosistema sanitario. Destacó que la formación ayude a abrir mentes para que nos haga progresar como sistema. “Son necesarios nuevos modelos de gobernanza y trabajar colaborativamente”.

En primer lugar, intervino Doña María Rocío Montalbán Carrasco, subdirectora general de Transformación Digital y Relaciones con los Usuarios de la Consejería de Sanidad del Gobierno de Cantabria, que subrayó el papel de la transformación digital centrada en las personas con el empleado como motor. Aseguró que el principal problema se encuentra en interiorizar dicha transformación, señalando como problemas las carencias en cantidad de personal TIC, y la descentralización de la organización para

la realización de proyectos colaborativos. “De manera natural tras la pandemia se han creado proyectos mixtos por clínicos y técnicos, siendo necesario para una organización fresca, con capacidad para que el paciente pueda comunicarse fácilmente con el sistema.”

En cuanto a formación, señaló que los tecnólogos tienen un papel muy importante en ello aportando experiencia y conocimientos. Concluyó su intervención apelando a la concienciación y a la necesidad de ser atractivos en ofertas para atraer talentos.

Después, José Manuel Baltar, director de Operaciones Hospitales San Roque, explicó que el desarrollo del talento consiste en el desarrollo de las habilidades en la población en general. “La brecha digital existe, que no es sencilla de superar y para ello hay que abordar los grupos que tienen habilidades y los que no la tienen. Históricamente no se tuvo en cuenta la tradición, y no se formó para el cambio. Como amenazas tenemos 17 realidades y los resultados de éxito pertenecen a países centralizados, por lo que es necesario aprovechar los éxitos de otros. Con la COVID se aprendió y nació la estrategia. Los directivos deben ser dinamizadores de estrategias, pero teniendo en cuenta la escasez de recursos, sin olvidar la colaboración público-privada y poniendo en el centro al paciente”.

En lo que respecta a la formación continuada, señaló que se deben copiar las mejores prácticas en formaciones postgrado y universidades,

haciendo referencia a experiencias en países como Dinamarca o Canadá. Subrayó la necesidad de “hacer las cosas bien” para conseguir la solvencia del sistema.

Francisco Javier Turumbay Ranz, subdirector de Sistemas y Tecnologías para la Salud del Servicio Navarro de Salud, por su parte, afirmó que no tenemos recursos suficientes para afrontar los proyectos. “El proceso de innovación es constante, y el proceso debe ser sostenible y eficiente. Es necesario mantener el equilibrio entre presupuestos altos para soluciones tecnológicas, y servicios sanitarios de capacidad limitada. Con la transformación digital se plantean nuevos perfiles, y se debe invertir en liderazgo, formación y comunicación. Acompañar a los profesionales en las TIC, y explicar que se está haciendo y por qué. Desde el punto de vista organizativo, el modelo de gobernanza liderada por el Ministerio para impulsar a las comunidades ha llegado para quedarse”. Como reflexiones finales apuntó que es necesario mejorar la formación de grado y postgrado en ciberseguridad, cuyo reto es muy grande porque está en juego la sostenibilidad del sistema.

A continuación, intervino José Soto Bonel, presidente Sociedad Española de Directivos de la Salud, que señaló el desconocimiento de los profesionales sobre que es la Salud Digital e indicó también que la transformación digital obliga a redefinir procesos de AP, AE y sociosanitario para adaptarse a la nueva realidad. “Es

necesario incorporar especialistas y expertos nativos digitales porque las nuevas tecnologías como IA o machine learning aumentan el valor de lo que hacemos”. También ahondó en que se tienen pocos perfiles destinados a trabajos útiles, y en la necesidad de tener equipos multidisciplinares bien coordinados. Para ser competitivos plantea como posible solución los incentivos. En cuanto a formación, sugirió que los grados sean iguales en cuanto a temarios facilitaría la labor y concluyó su exposición que hay que hacer una apuesta por las mentes jóvenes creativas que quieren que cambiar las cosas.

En último lugar, José Luis Monteagudo Peña, vicepresidente de Investigación, Formación e Innovación de la Sociedad Española de Informática de la Salud, comenzó su participación en el debate recordando que el papel de la SEIS es compar-

tir el conocimiento mediante foros y congresos, cubriendo todo el espectro de profesionales que quieran liderar el cambio. “El máster de la SEIS se creó por la gestión del cambio y de las competencias, dirigido a perfiles capaces de construir ese futuro para poder gestionar la complejidad del entorno sanitario”. A la pregunta de qué nos falta en la formación, respondió que el conocimiento está dentro de las organizaciones, pero es necesario continuar trabajando. Señaló como punto crítico que la experiencia tiene que estar ligada a la formación porque es una carrera de larga distancia. Por último, hizo referencia a la divulgación de información por parte de la SEIS, cuya web publica los trabajos de fin de máster y están disponibles para todos los que los consulten, recomendando especialmente un trabajo sobre los recursos en las organizaciones relacionado con el tema de la sesión.

Fue moderado por Estrella López-Prado Pardo, gerente Servicio Gallego de Salud, que abrió el debate con la reflexión de que es imprescindible masa crítica para analizar la IA. “La IA debe estar enfocada en la predicción y la medicina personalizada. Nos acercamos a un futuro pensado en máquinas y datos, aunque la IA no ha progresado al ritmo deseado. No solo hay que invertir, sino planificar y cooperar sector público y privado. La finalidad de la IA debe ser dar apoyo a los profesionales, es un apoyo, no un sustituto. Casos de uso muy interesantes son ICTUS, IAM,

LECTURA OJO, RX ¿mejora la máquina al radiólogo?” Concluyó su exposición comentando que el Informe OMS2021, podría utilizarse indebidamente.

Carlos Gallego Pérez, responsable Sistemes Imatge Médica, Anatomía Patològica, Oncología de Precisió de Catalunya Coordinació General de les TIC del Sistema de Salut Departament de Salut de la Generalitat de Catalunya fue el primero en intervenir. Para él, debe existir liderazgo de la IA multidisciplinar y, además, debe ser: viable bajo el marco ético y fiable basado en datos

SESIÓN DEBATE 5: LA INCORPORACIÓN DE IA A LOS SERVICIOS SANITARIOS

científicos. Hay que evaluar, es fundamental. Hay marco regulable con datos representativos. Los Ámbitos de aplicación son muy concretos en diagnóstico e imagen, con menos profesionales”.

En segundo lugar, Don Francisco Sánchez Laguna, director de Tecnologías de la Información y de la Comunicación del Servicio Andaluz de Salud, comentó que en IA está ahora mismo de moda. “La IA es una herramienta más, existe como movimiento que ya no va para atrás. Hay resistencia ante la novedad como ocurrió con la radiografía digital. Se debe aplicar el lenguaje natural, no con claves”. Como reflexión final, apuntó que no estamos preparados todavía para aplicar la IA, que hay que tener la ruta clara.

La tercera intervención corrió a cargo de Álvaro Alonso Zorita, vocal asesor del Gabinete Técnico de la Secretaría General de Salud Digital, Información e Innovación del SNS del Ministerio de Sanidad, que afirma que la IA tiene como objetivo prestar mejor servicio a profesionales y pacientes. “Lo que más me preocupa son los errores de precisión. Debemos trabajar poco a poco, para mejorar la eficiencia en el diagnóstico”.

Por su parte, José María Abad Díez, director general de Asistencia Sanitaria Departamento de Sanidad del Gobierno de Aragón, aseguró que la IA es una herramienta “que nos puede llevar por delante, hay que aprender a utilizarla e integrarla correctamente. Deambulamos entre maravilla y desengaño, puede que no cumpla las expectativas. Es una herramienta que va aprendien -

do, donde existe un impacto, sesgos cognitivos, también errores, no sabemos cómo incorporará esos sesgos que produciría errores”. Indicó que, aunque los profesionales son propensos a probar nueva tecnología, se preguntó si aceptarán los médicos este método de trabajo. “Dependerá de experiencias positivas”. Y señaló como hándicap, la brecha digital.

A continuación, David Álvarez López, Digital & Automation Country Manager de Siemens Healthineers, afirmó que la IA supone un momento dulce para la industria y que uno de los puntos clave pendientes es incorporarla a la práctica clínica. “Debemos analizar como la integramos y como la vamos a consumir. Existen expectativas acerca de cómo utilizar esta nueva herramienta y existen muchos posicionamientos: unos propensos a su utilización y otros de rechazo. La base deben ser modelos basados en patrones que estén bien diseñados”.

En último lugar , Nacho Redero García, de Regional Solution Strategy Lead Dedalus Iberia, manifestó que la IA supone una revolución en la penetración en la Sociedad con más de 10 millones usuarios en un año. “Seguimos necesitando integración y semántica. Uno de los retos es ver como contestamos a los pacientes en lenguaje natural. La IA debe enfocarse con propósitos de ayuda a los profesionales basado en modelos predictivos y modelos con evidencia clínica. Alguno de los ámbitos de aplicación sería en la ayuda a la planificación quirúrgica, visitas, etc.”

CONFERENCIA

Luciano Sáez Ayerra, presidente del SEIS, presentó al conferenciante Pablo Ignacio Fernández Muñiz, e hizo un primer repaso de su extenso currículum: doctor en Medicina y Cirugía y máster en Bioética y en Dirección y Administración de Empresas, su paso por diversos puestos tanto asistenciales – servicio de urgencias, hospitales de Asturias– como en puestos con responsabilidades de gestión y dirección sanitaria. En la actualidad es consejero de Salud del Gobierno del Principado de Asturias.

Fernández Muñiz manifestó su satisfacción por asistir al XXVI Congreso Nacional de Informá-

tica de la Salud, “una cita más que consolidada que se ha convertido en un referente en el campo de las TIC en Salud”.

Se refirió a la pandemia “como una prueba de estrés a los sistemas sanitarios de todos los países”, además de ser “un azote que se ha llevado y se sigue llevando muchas vidas a lo largo de todo el mundo”. “Se han tenido que poner en marcha planes de contingencia con la agilidad necesaria ante las excepcionales circunstancias de adversidad e incertidumbre que estábamos sufriendo. A principios de 2020 quedó patente que era necesario adaptar la forma de traba-

jar, con cambios enormes en el modo en que se prestan los servicios a la población, lo que implica afrontar desafíos para implementar el cambio tecnológico, organizativo y cultural que la red sanitaria precisa”. Se refirió también a la toma de decisiones basadas en información, donde obviamente la gestión de datos y la calidad de los mismos adquieren especial relevancia. “El objetivo es un espacio común de datos en Asturias, en España y en Europa, con la finalidad de conseguir una atención de la mayor calidad y centrada en la seguridad del paciente. Como ejemplo de acciones dirigidas a ese objetivo, señaló dos ejemplos:

• La receta electrónica a nivel europeo a través del servicio mi Salud@UE en el que España participa de forma activa.

• La Historia de Salud Digital única, con lo que se conocerá el estado de salud del paciente esté donde esté.

Además, resaltó algunas de las actuaciones que, se están llevando a cabo en Asturias, en este sentido. “En junio de este año culminaremos la unificación de la Historia de Salud Digital en Atención Primaria, con la implantación del sistema, Estación Clínica para Atención Primaria (ECAP). Esta renovación tecnológica facilitará la interoperabilidad entre los profesionales de los centros de salud y los de los hospitales, lo que redundará en el beneficio de los pacientes, y permitirá avanzar en la interoperabilidad de la historia de salud digital única marcada por la Estrategia de Salud Digital del Ministerio de Sanidad”.

Seguidamente comentó que Al ECAP se ha incorporado el nuevo Protocolo de Valoración del Trabajo Social Sanitario en Atención Primaria, que va a permitir incrementar la calidad de la intervención, así como también un mejor análisis y seguimiento de los casos, lo que refuerza la apuesta de Asturias por la coordinación sociosanitaria. “También se están dando pasos para incorporar las consultas virtuales colaborativas entre profesionales de Atención Primaria y Hospitalaria y en el diseño de la telemonitorización de pacientes crónicos en domicilio.

Con el PERTE de Salud de Vanguardia, se están realizando proyectos de transformación digital de la asistencia sanitaria y proyectos de innovación e investigación a través del Instituto de Investigación Sanitaria del Principado de Asturias, el ISPA.

Además, estamos desarrollando un sistema de vigilancia epidemiológica integrado en la historia de salud digital.

En esta apuesta por la interoperabilidad, en el mes de julio del pasado año pusimos en marcha, en el Hospital de Jarrio, la integración de la historia clínica electrónica (Selene) y el programa de gestión de transfusiones (eDelphyn). En esta misma zona sanitaria se implantó, en el mes de agosto, el acceso a la historia clínica electrónica desde las unidades móviles de emergencia. La intención es extender estas experiencias piloto al resto de las áreas de la red sanitaria asturiana”.

Relató algunas de las acciones que están desarrollando coordinadamente con el Ministerio, como la integración del sistema de información VALTERMED, diseñado para determinar el valor terapéutico en la práctica clínica real de los medicamentos de alto impacto sanitario y económico. “Seguimos trabajando en la Estrategia de Seguridad del Paciente, del Plan Nacional de Resistencias a los antibióticos (PRAN), con la implementación del plan de acreditación PROA en todas las áreas sanitarias. A través de los fondos PRTR, se ha dado un gran impulso, en colaboración con el Instituto Asturiano Adolfo Posada (IAAP), a la Formación Continuada de los profesionales sanitarios del Sistema Público asturiano, adecuándose a la realidad y necesidades actuales.

Por último, subrayó la importancia de seguir avanzando en la transformación digital y enumeró las razones.

• Nos aporta herramientas que ayudan a la accesibilidad de la ciudadanía al sistema de salud,

• Mejora la comunicación entre profesionales y entre profesionales y pacientes

• Fomenta la equidad, llevando la asistencia a todos los lugares.

• Ayuda a que el sistema sanitario sea más eficiente, evitando traslados e ingresos innecesarios.

• Con información de calidad, además de disminuir la variabilidad de la práctica clínica, se mejora la planificación, la gestión del sistema y la eficiencia de los recursos disponibles.

SESIÓN DEBATE 6: LA CALIDAD DE LA INFORMACIÓN DE SALUD: DISPONIBILIDAD, ACCESIBILIDAD, INTEROPERABILIDAD Y REUSABILIDAD

Moderó la sexta sesión Alberto Lafuente Jiménez, gerente del Servicio Riojano de Salud Como ponentes presentó a

Pol Pérez i Sust, director del Área de Sistemas de Información del Servei Català de la Salut (CatSalut) y coordinador General de las TIC del Departament de Salut de la Generalitat de Catalunya; Carmen Garrote Liarte, coordinadora del Servicio de Admisión y Documentación Clínica del Hospital Universitario Ramón y Cajal; Miguel Pedrera Jiménez, responsable de la Unidad de datos del Hospital Universitario 12 de octubre; Miguel López-Valverde Argueso, director General de SSII y Salud Digital del Servicio Madrileño de Salud; Belén Crespo, responsable de interoperabilidad en salud de la Subdirección General de Información Sanitaria de la Secretaría General de Salud Digital del Ministerio de Sanidad y Juan Fernández Ortega, director, Industry Go To Market de Salesforce

El moderador empezó el debate con una primera pregunta para el para la responsable de interoperabilidad en salud de la S.G. de Información Sanitaria del Ministerio de Sanidad: “¿cómo se contempla la estrategia de constituir una Oficina Técnica de normalización y calidad del dato en el Sistema Nacional de Salud [SNS]?”

Belén Crespo señaló que esta nueva Oficina nacional del dato está alineada con la estra -

tegia de Salud Digital del SNS, apuntando que se parte de la realidad actual de que “en gran medida los datos no son interoperables”, lo que constituye un problema “serio” que hace necesaria esta oficina del dato con comisiones formadas por el Ministerio y todas las CC. AA., e informó que la buena noticia es que ya “está constituida”. Miguel López-Valverde intervino para decir que primer “hay que interoperar internamente”, y en este sentido anunció que en la CC. AA. de Madrid se va a licitar próximamente una oficina del dato regional. Carmen Garrote por su parte, reconoció que “al clínico” le cuestan los cambios de codificaciones, como la reciente introducción de CIE-10 y SNOMED. La siguiente pregunta fue para el responsable de la Unidad de datos del Hospital 12 de Octubre sobre los aspectos más críticos para cumplir con los principios FAIR en el tratamiento de datos.

Miguel Pedrera reconoció que los SSII de los hospitales llevan “años a sus espaldas” basados en el documento clínico por lo para aproximarse a esos principios –afirmó– deberían basarse menos en “narrativa” libre y más en estándares, separando la semántica del modelo de datos con OpenEHR o ISO 13606 y utilizando sistemas de codificación que sean “transparentes” al clínico, pero, sobre todo que

sean interoperables y reutilizables manteniendo su significado original en su contexto. Indicó que en su hospital se está desarrollando el proyecto INFOBANCO que sigue esas líneas.

Juan Fernández intervino para comentar que el principal reto estaría en la “R”, de reusabilidad, de “FAIR”, señalando que hay que tomar un “enfoque muy práctico”. Pol Pérez, por su parte, añadió que también es clave desacoplar las aplicaciones de los modelos de datos. En este punto, Carmen Garrote crítico la lentitud de la respuesta de los SSII actuales a la hora de sacar información útil para los clínicos que tienen que decidir mientras que Miguel López-Valverde afirmó que “vamos a intentar que cada vez sea más fácil introducir información codificada lo que hará más fácil la extracción de información útil, y así cumplir con los principios FAIR. Reconoció que el proyecto INFOBANCO del H. 12 de Octubre es “innovador” y avanzó que “sacaremos lecciones aprendidas” de él para “integrar lo mejor”.

Después el moderador preguntó al directivo de Salesforce por la situación de la capacitación los profesionales sanitarios en cuanto a la práctica clínica de la entrada de datos.

Juan Fernández respondió que es importante que los profesionales clínicos sepan realizar una buena entrada de datos ya que ayuda a una mejor asistencia clínica, pero hay que tener en cuenta que precisamente porque quieren dar la mejor asistencia, no quieren perder tiempo en introducir datos, por lo que señaló que “hay que romper este círculo vicioso dotando de empatía y facilidad a la entrada de datos”. Afirmó que “tenemos una deuda con esos profesionales”, dado que llevan años introduciendo datos y todavía “no han visto el retorno”.

Belén Crespo intervino en este punto del debate con la siguiente pregunta ¿cómo comunicamos a estos profesionales lo que estamos haciendo en este tema y de qué forma?

Miguel López-Valverde , por su parte, reconoció que “los médicos muchas veces están secuestrados por nuestras herramientas”. Miguel Pedrera coincidió en que “la única forma para que nuestros profesionales se convenzan de usar

estos sistemas es que vean que tienen un retorno”. De su experiencia con cuadros de mando del hospital dijo que había concluido que lo más práctico era empezar con algo sencillo y mostrar a los médicos cómo al mejorar la calidad del dato de entrada, “el cuadro de mando se enriquece”.

A continuación, el moderador preguntó al coordinador General de las TIC de Salud de Cataluña por el Reglamento europeo propuesto para el espacio europeo de datos de salud.

Pol Pérez recordó que en mayo de 2020 salió la propuesta de dicho reglamento con dos vertientes:

• de datos primarios: para una Historia Clínica Electrónica portable

• uso secundario de datos: para investigación fundamentalmente con la intención de que en 2025 esté aprobado y en funcionamiento en ciertos casos de uso.

Belén Crespo añadió como respuesta a la pregunta que desde el Ministerio se está insistiendo en la privacidad con datos anonimizados para el uso secundario en general y pseudoanonimizados en ciertos casos. Miguel López-Valverde también apuntó la importancia de que haya un modelo único y que se pueda controlar a quienes acceden.

Por último, el moderador preguntó a la coordinadora del Servicio de Admisión y Documentación Clínica del Hospital Universitario Ramón y Cajal por la disponibilidad para el clínico de mecanismos de esa (pseudo) anonimización.

Carmen Garrote reconoció que, al menos en su caso le queda “mucho por recorrer”. Comentó la primera vez que tenían que hacer un proceso de anonimización, fueron a consultar la guía de la AEPD, “entendimos entre poco y nada”, por lo sugirió la necesidad de “aumentar la interlocución” entre clínicos e informáticos. Por otra parte, Miguel López-Valverde informó que desde la oficina de Seguridad de SSII, sanitarios de su Dirección General, están preparando planes de formación en este tema para los clínicos.

Miguel Pedrera, señaló que, por otro lado, es fundamental que los profesionales TIC de los hospitales tengan conocimientos en estos temas.

José Ignacio Nieto García, ex consejero de la Consejería de Salud de La Rioja, moderó el debate y presentó a los siguientes ponentes: Luis Martínez Hervás, director General de Asistencia Sanitaria y Resultados en Salud Servicio Andaluz de Salud; María Llanos Cuenca González, directora General de Planificación, Eficiencia Tecnológica y Atención al Paciente de la Conselleria de Sanitat Universal i Salut Pública; Mario Margolles, jefe de Servicio de Vigilación Epidemiologica Consejería de Sanidad del Principado de Asturias; María Fe Lapeña Gutiérrez, subdirectora General de Servicios Digitales de Salud del Ministerio de Sanidad y Pablo Rivero Corte, senior Manager de Desarrollo de Negocio Sanidad MINSAIT.

En su introducción, Nieto García señaló que la Salud Pública (SP), siempre ha sido independiente de la sanidad asistencial, “sus Sistemas de Información no estaban integrados con la HCE ni con las bases de datos poblacionales (TSI). A la SP se la conocía por la declaración de enfermedades obligatorias, por algunos programas de promoción de la salud y por campañas de vacunación. La COVID puso de manifiesto una serie de carencias y la necesidad de obtener soluciones con urgencia, hubo que hacer nuevos desarrollos y establecer nuevas relaciones con la Administración Pública, con TSI y con laboratorios propios y externos. Se hicieron desarrollos, tanto en las CC. AA. como en el Ministerio, para la gestión de las encuestas

epidemiológicas, para cuadros de mando específicos, para la gestión de las vacunaciones y para la emisión de los certificados europeos de vacunación”. Y para finalizar, afirma que la Ley 33/2011 General de Salud Pública no acabó de desarrollarse plenamente y que ahora con la creación de la Agencia Estatal de Salud Pública, se pretenden solventar los problemas existentes en el ámbito de la SP.

A continuación, el moderador pregunta a los ponentes: ¿cuál es vuestra opinión sobre la Salud Pública?

En primer lugar, Don Luis Martínez Hervás, dijo que la COVID demostró la necesidad de un cambio. “Es necesario integrar la SP con los sistemas asistenciales, pero antes de la digitalización hay que conceptuar las TIC desde la perspectiva de la gestión y la clínica, e indica que los datos no están orientados a la toma de decisiones, se debe conceptualizar la integridad y la interoperabilidad de los datos”.

En opinión de María Llanos Cuenca durante la COVID, para que todo pudiera fluir, se necesitaba la tecnología. “Era crítico disponer de datos. La transformación digital de SP ha sido superrápida, hay que seguir insistiendo en la importancia de la vigilancia y la prevención de la salud”.

María Fe Lapeña, por su parte, aseguró que la toma de decisiones se basa en datos de calidad.

SESIÓN DEBATE 7: SALUD PÚBLICA DIGITAL

“En la COVID teníamos datos dispersos y se necesitaba una visión global de todas las CC. AA. para hacer los cruces se necesitaban identificadores”.

Pablo Rivero aprovechó su intervención para felicitar a la SEIS por toda su labor en la mejora de la Salud Digital, y afirmó que “la COVID nos ha puesto de manifiesto las deficiencias del SNS, como lo presión en urgencias hospitalarias y la presión y saturación en AP, por lo que debemos reforzar la SP y su transformación digital es un desafío a nivel mundial”.

En su turno de respuesta, Mario Margolles, comentó que para tomar decisiones justificables hay que disponer de datos fiables y que la experiencia derivada de la COVID no es el mejor ejemplo. “Se tomaron decisiones precipitadas y no informadas, se consiguió mucho, pero no hay que tomarlo como ejemplo. No hay que replantearse el sistema en el seno de una pandemia, Hay que analizar y determinar qué información necesitamos para actuar de forma preventiva y no reactiva, hay que cambiar el modelo contemplando datos de múltiples fuentes de salud, sociosanitarios, sociales y económicos integrados a través de la TSI”.

Seguidamente, Ignacio Nieto formuló la siguiente pregunta: ¿El futuro de la SP puede mantenerse sin su transformación digital, existe alguna experiencia positiva?

Martínez Hervás fue el primero en responder y dijo que en Andalucía el sistema ARGOS dará una respuesta global sobre la SP, que integrará todas las bases de datos de salud y asistenciales disponibles en la CA. “Ahora estamos centrados en la cronicidad, pero ni el profesional ni el paciente conoce cómo mejorar su salud, queremos establecer un gran Big-Data para dar una respuesta integrada y real a las necesidades actuales”.

Por su parte, Llanos Cuenca aseguró que es el momento de introducir cambios y mejoras. “Aunque son muy importantes las campañas de promoción de salud, los médicos de AP deben participar más en la promoción y prevención personalizada de la salud. Las nuevas herramientas tecnológicas nos ofrecen nuevas oportunidades que hay que incorporar en el ámbito de salud pública, la IA nos ofrece más posibili-

dades sobre la alerta temprana. Para incorporar tecnología hay que ser más flexibles ante los cambios. Hay que trabajar en los modelos predictivos, pero también en informar y concienciar a los ciudadanos”.

María Fe Lapeña en su respuesta indicó que el futuro de la SP debe ir de la mano de la tecnología y de la calidad de los datos. “El Ministerio está trabajando en una plataforma de vigilancia desde una perspectiva global para crear una gran base de datos (BD) de datos de referencia, Se utilizan herramientas de catalogación de datos para extraer el conocimiento de BD dispersas. Aunque la IA es en muchos casos una herramienta muy útil en lo que respecta al procesamiento de lenguaje natural y para el análisis de imágenes radiológicas, nunca debe sustituir al profesional”.

Para Pablo Rivero la SP digital tiene futuro con experiencias positivas sobre todo a nivel internacional (p.e. en USA). “El gap con que nos encontramos es la falta de integridad, compatibilidad y disponibilidad de la información. La estratificación y la segmentación de la población son elementos imprescindibles para dar resultados de valor”.

Por último, Mario Margolles respondió que en la SP se gestionan riesgos basados estadísticas, pero los criterios de estratificación no suelen recoger todas las variables que pueden influir, como, por ejemplo, vivir solo, nivel cultural, que medicación toma el paciente. Sobre los algoritmos de decisión de la IA, dijo que tiene dudas por lo que opinó que de momento no debemos basarnos en la IA.

Como última cuestión, el moderador planteó la siguiente pregunta: ¿si los datos de la SP deben estar juntos (Big data) con los datos de las HCE cómo van a compartirse esos datos?

Pablo Rivero afirmó que la clave está en la integración de los datos, luego vendrán los procesos asistenciales.

María Fe Lapeña, por otra parte, indicó que esos datos también son muy importantes para la investigación y que tienen legislación específica que limita quien puede acceder a los mismos.

Luis Martínez Hervás, comentó que cómo se vive y cómo se trabaja es cómo se enferma por lo que

para la SP es imprescindible la integración de todos los datos disponibles. Para integrar datos de diferentes bases de datos sería necesario la autorización expresa del usuario, y opina que si a los usuarios se les dice que los datos se van a utilizar para SP cree que no habría ningún problema. En

último lugar, María Llanos Cuenca señaló que el dato debe ser único y no se debe duplicar. También añadió que, si toda la información está integrada en una única base de datos, ante un incidente podemos perderla toda en su conjunto, por lo que hay tomar precauciones especiales.

CLAUSURA Y ENTREGA DE PREMIOS

La clausura y entrega de premios fue presidida por Noemí Cívicos Villa, directora general de Salud Digital y Sistemas de Información en el Sistema Nacional de Salud del Ministerio de Sanidad.

Dio las gracias a todas las personas participantes al congreso, consejeras/os, autoridades sanitarias, gestores, profesionales de diferentes áreas implicadas, investigadores, responsables y técnicos de empresas tecnológicas del sector.

A continuación, indicó que “en este intenso congreso hemos debatido sobre la estrategia de salud digital del SNS, los fondos europeos, la calidad de la información de salud, los espacios nacional y europeo de datos de salud, la ciberseguridad en el sector salud, la digitalización de la atención primeria y comunitaria, el talento digital, la incorporación de la inteligencia artificial en los servicios asistenciales y en farmacia, digitalización de los sistemas de información de salud pública. Además de forma paralela hemos podido asistir a las sesiones de comunicaciones, con más de 56 presentaciones sobre trabajos de investigación y proyectos innovadores y a las se-

siones tecnológicas donde los representantes de la industria nos han presentado las ultimas soluciones tecnológicas.”

Para finalizar quiso mostrar su agradecimiento a la Sociedad Española de Informática de la Salud (SEIS) por el esfuerzo y perseverancia en la preparación y celebración de INFORSALUD, “que se ha convertido en una cita imprescindible para todos los que estamos implicados en la transformación digital del sector salud”.

A continuación, tomó la palabra Elvira Alonso Suero, coordinadora general XXVI Congreso Nacional de Informática de la Salud, que agradeció la presencia a los participantes: autoridades sanitarias, moderadores, ponentes, investigadores, estudiantes, empresas tecnológicas colaboradoras, secretaría técnica CEFIC, técnicos de medios audiovisuales y a todos asistentes, “que han contribuido a que INFORSALUD 2023 haya sido un éxito en todos los aspectos, tanto en la calidad de los ponentes y de los trabajos presentados, como en el número de participantes”. Afirmó que habían asistido más de 1.300 personas y anunció

que el XXVII Congreso Nacional de Informática de la Salud se celebrará los días 11 a 13 de marzo de 2024 en la misma sede.

Por último , Guillermo Vázquez González, coordinador del Área Profesional XXVI Con -

greso Nacional de Informática de la Salud, destacó la extraordinaria calidad de todos los trabajos presentados” y dio lectura a los trabajos premiados que aparecen a continuación e hizo entrega de los diplomas correspondientes:

■ PREMIO A LA MEJOR COMUNICACIÓN

“Descripción de la fisiopatología del dolor lumbar mediante la aplicación de IA en IRM”

M.DE LA IGLESIA VAYÁ, J. DOMENECH, A. LORENZO, E. PÉREZ DÍAZ, J. GIMENEZ, J. GRANDE BAOS, L. CUENCA, I CLEMENTE PAULINO.

■ PREMIO A LA MEJOR COMUNICACIÓN DE FARMACIA

“Programa de expansión de la salud móvil a nivel nacional”

ANNA DE DIOS LÓPEZ.

■ PREMIO AL MEJOR TRABAJO DE JÓVENES INVESTIGADORES

“Sistema visual de predicción de no adherencia a las medidas de prevención secundaria en infarto”

J. VÉLEZ, G. MORENO, G. GARCÍA-SÁEZ, M.E. HERNANDO, H. BUENO.

■ PREMIO AL MEJOR POSTER

“Inteligencia artificial para personalizar en el tratamiento de la degeneración macular en Navarra”

B. DE LA OSA HERNÁNDEZ, A. OLAZARÁN

SANTESTEBAN, D. JURIO PEREZ, I. PINTO LÓPEZ, J. BALLAZ ECHEGOYEN, M. GALAR IDOATE, J. GORRICHO MENDIVIL, J. ANDONEGI NAVARRO.

■ PREMIO AL MEJOR PROYECTO

“Integración de formularios PROMS en los sistemas informáticos de Cataluña y el portal del paciente”

D. LÓPEZ HERAS, O. SOLANS FERNÁNDEZ, M. ESPINALT BRILLAS, F.X. ALZAGA REIG, A. GONZALEZ VILLENA, J. PIERA JIMENEZ, E. VIVES PRATS, O. GARIN BORONAT.

EL RECONOCIMIENTO DE VOZ PARA MEJORAR LA ADOPCIÓN DE LA HISTORIA CLÍNICA ELECTRÓNICA

LA ADOPCIÓN DE LA HISTORIA CLÍNICA ELECTRÓNICA (HCE) HA SIDO UNA DE LAS PRINCIPALES TENDENCIAS TECNOLÓGICAS EN EL SECTOR SALUD EN LOS ÚLTIMOS AÑOS. SI BIEN LOS BENEFICIOS SON EVIDENTES, SEGÚN ALGUNOS ESTUDIOS EL 76% DE LOS FACULTATIVOS EMPLEAN MÁS DE LA MITAD DE SU TIEMPO EN INTRODUCIR DATOS EN LOS SISTEMAS DE HCE.

En este contexto, tecnologías como el reconocimiento de voz pueden ser muy útiles para reducir la carga administrativa y mejorar la adopción de la HCE. Por ejemplo, INVOX Medical es una solución de reconocimiento de voz que permite a los facultativos dictar sus observaciones directamente en la HCE y moverse por los formularios gracias a comandos de voz.

Según un estudio reciente, el uso de tecnologías de reconocimiento de voz, como INVOX Medical, puede reducir hasta en un 80% el tiempo que los médicos dedican a la documentación de la HCE.

“Estos sistemas mejoran la eficacia del proceso de informado y nos permiten optimizar uno de nuestros activos más importantes, el tiempo del médico”, comenta Carlos Benito Vicente, Responsable de Sistemas de la Unidad Central de Radiodiagnóstico del SERMAS.

Detrás de INVOX Medical se encuentra una tecnología avanzada de procesamiento de lenguaje natural que permite transcribir las palabras habladas en texto escrito de manera precisa y rápida. Además, utiliza técnicas de inteligencia

Según un estudio reciente, el uso de tecnologías de reconocimiento de voz, como INVOX Medical, puede reducir hasta en un 80% el tiempo que los médicos dedican a la documentación de la HCE. “Estos sistemas mejoran la eficacia del proceso de informado y nos permiten optimizar uno de nuestros activos más importantes, el tiempo del médico"

artificial para adaptarse al habla de cada usuario y mejorar continuamente su capacidad de reconocimiento de voz. Una tecnología de la que ya se benefician centros como el Vall d’Hebron, el Gregorio Marañón, el 12 de Octubre o el Clinic, entre otros.

Pedro Vivancos Cofundador y Director de Estrategia en Innovación de INVOX Medical

LA EXPERIENCIA DEL PACIENTE DEPENDE DE UN USO EFICAZ DE LOS DATOS

Carmen Derlinchán Senior Systems Engineering Director Pure Storage Iberia

Los datos sanitarios se han convertido en un elemento esencial para garantizar la mejora de la atención y el tratamiento de los pacientes por parte de los equipos médicos. Por otra parte IT afronta la experiencia de usuario, el rendimiento y la custodia y protección de información confidencial y de la amenaza creciente de los ciberataques.

camente, responsabilidad de las personas, en los sistemas de diagnóstico por imagen, la IA facilita significativamente la calidad y la productividad de los diagnósticos. Para ello, la infraestructura de almacenamiento de datos debe ser escalable, eficiente y fácil de usar.

En un hospital o en cualquier otra organización sanitaria la disponibilidad del dato es esencial para permitir a los especialistas ser más productivos y eficaces a través de diagnósticos acertados y a tiempo. Pero esto no es siempre la realidad. La mayoría de las veces los diferentes datos no estructuraros a los que tienen que acceder (datos de historias clínicas, imágenes médicas, datos patológicos y otros resultados de laboratorio o variantes clínicas) se encuentran almacenados en silos de forma independientes.

La consolidación de los datos en un “HUB” de datos elimina los cuellos de botella y permite que la información esté siempre disponible y optimizada, lista para ser consumida por cualquier especialista, investigador o algoritmo de inteligencia artificial (IA). De hecho, los profesionales médicos ya incorporan la IA en su toma de decisiones y aunque el diagnóstico final sigue siendo, bási-

Además, la amenaza de los ataques cibernéticos y de ransomware no puede ignorarse en el ámbito sanitario debido al carácter crítico y confidencial de los datos que se manejan y al hecho de que un periodo de inactividad causado por un ciberataque puede tener un alto coste para las vidas humanas. Cuanto más tiempo está desconectado un sistema clínico, mayor es el riesgo para el paciente. Se busca, por tanto, un almacenamiento que asegure que los datos de backup y los metadatos son inaccesibles ante un ciber ataque, y que después del mismo, la recuperación de los datos sea cuestión de minutos, lo que permite que las instalaciones médicas vuelvan a estar en funcionamiento rápidamente en caso de que ocurra lo peor.

En definitiva, el uso efectivo de los datos sanitarios conduce a una mejora en tiempo real de la capacidad de diagnóstico, a un tratamiento más rápido de los pacientes y a una optimización de los resultados de los tratamientos y para ello es fundamental contar con una infraestructura moderna y escalable que los soporte y gestione de forma óptima y sencilla.

SNOMED CT: LA TERMINOLOGÍA CLÍNICA QUE MEJORA LA CALIDAD DE LA ATENCIÓN AL PACIENTE Y

El uso de SNOMED CT permite la mejora de la calidad de atención al paciente, la identificación precisa de cohortes de pacientes para investigación clínica, auditorías o informes, y la interoperabilidad de los datos de salud.

INTRODUCCIÓN A SNOMED CT

Las terminologías clínicas son uno de los pilares básicos para la interoperabilidad de la información de salud. Proporcionan términos estandarizados para hacer referencia a un concepto clínico y por tanto permiten la representación consistente de la información. SNOMED CT es una terminología clínica multilingüe que abarca una amplia gama de dominios médicos gestionada por SNOMED International. Es considerada como la terminología más extensa e importante desarrollada a nivel mundial y contiene más de 350,000 conceptos en la actualidad. SNOMED CT es una ontología basada en conceptos y relaciones semánticas entre ellos donde los conceptos representan una idea clínica (enfermedad, procedimiento, organismo, etc.). Cada concepto tiene un identificador y un conjunto de descripciones. Una relación representa una asociación entre dos conceptos y sirven para definir de manera precisa y procesable el significado de los conceptos.

Los conceptos en SNOMED CT se organizan jerárquicamente por medio de relaciones IS_A. Todos los conceptos de SNOMED CT son subtipos de un concepto raíz "Concepto de SNOMED CT". Hay 19 conceptos de nivel superior bajo este concepto raíz. Estos incluyen hallazgo clínico, procedimiento, organismo, producto farmacéutico/biológico, etc. El resto de los conceptos descienden de estos 19 conceptos de nivel superior. Es importante destacar que un concepto puede pertenecer a varias jerarquías, lo que hace que SNOMED CT sea una terminología que soporta la poli-jerarquía. Por ejemplo, una neumonía bacteriana es tanto una neumonía infecciosa como una infección bacteriana de la vía respiratoria inferior. Además de las relaciones IS_A, contiene relaciones que definen el significado del concepto en relación con otros conceptos, incluyendo características esenciales como lugar del hallazgo o morfología y atributos complementarios como la gravedad o la lateralidad.

Otro aspecto a destacar es su capacidad de extensión que permite a las organizaciones usuarias

José Alberto Maldonado Segura Responsable de I+D+i y consultor en interoperabilidad semántica en Veratech for Health

añadir términos y relaciones que no se encuentran en la versión estándar para adaptar la terminología a sus necesidades específicas.

SNOMED CT como herramienta para estandarizar y codificar la información de salud

SNOMED CT tiene como objetivo principal estandarizar y codificar los significados utilizados en la información de salud a nivel global. Está plenamente reconocido que su uso aporta múltiples beneficios. Podemos destacar que permite documentar y codificar la actividad clínica de manera precisa, detallada y específica lo que se traduce en una mejora de la calidad de la atención al paciente, ya que los profesionales de la salud pueden tomar decisiones más informadas. Su base ontología facilita un mecanismo de consulta que permite la identificación precisa de cohortes de pacientes relevantes para investigación clínica, auditorías o informes. Por último, facilita la interoperabilidad de los datos y por tanto su compartición entre personas, sistemas informáticos y organizaciones conservando su significado original.

Para aprovechar al máximo SNOMED CT se necesitan un amplio rango de herramientas que permitan administrar, explorar y explotar la terminología. Podemos destacar los sistemas de gestión terminológica para gestionar y mantener la terminología asegurando su calidad e integridad, visores que permitan la búsqueda de conceptos y relaciones, sistemas de ayuda a la codificación incluyendo procesamiento de lenguaje natural para detectar y extraer menciones de conceptos en textos narrativos, definición y gestión del mapeo con otras terminologías, definición y gestión de subconjuntos, motores de consulta sobre la propia terminología, entornos de autoría que faciliten su extensión o razonadores para explotar su base ontológica. Sin embargo, actualmente existe una falta de gobernanza e infraestructura para la gestión de SNOMED CT, lo que indica la necesidad de un enfoque más sistemático y estructurado para garantizar su gestión adecuada y una implementación exitosa en la práctica clínica. Las organizaciones de salud deben establecer un marco de gobernanza claro y proporcionar herramientas y recursos adecuados para trabajar con SNOMED CT de manera efectiva y eficiente.

Figura 1. Subconjunto de conceptos SNOMED CT definido por medio de una consulta, en este caso empleado el lenguaje de restricciones de expresiones.

Veratech For Health lleva trabajando activamente más de 6 años en el desarrollo de herramientas que faciliten la explotación e implantación de SNOMED CT en las organizaciones que incluyen motores de consulta, visores y detección de menciones de conceptos en textos narrativos como enfermedades o procedimientos"

Veamos como ejemplo ilustrativo el uso de la terminología durante la entrada de datos. En este escenario SNOMED CT se combina con el modelo de información utilizado para registrar la información, por ejemplo, la interfaz de usuario. Ambas tecnologías deben combinarse para capturar fielmente el significado clínico de los datos, es lo que se conoce como enlace terminológico. Un tipo de enlace terminológico es el de contenido que nos permite definir el conjunto de códigos admisibles para un atributo del modelo de información, por ejemplo, un subconjunto de enfermedades. Para poder definir estos enlaces es necesario disponer de un lenguaje de consulta capaz de especificar subconjuntos terminológicos sin tener que enumerar explícitamente los conceptos que lo forman y un entorno de edición, validación y visualización de tales subconjuntos. Véase por ejemplo la Figura 1, donde se muestra una consulta que define el subconjunto de las alergias no alimenticias compuesto por 1921 conceptos. Además, es necesario establecer donde se almacenan estos subconjuntos, como deben evolucionar para adaptarse a las nuevas versiones de la terminología o cómo hacerlos públicos para facilitar su reúso.

SNOMED CT en el Sistema Nacional de la salud

Veratech For Health lleva trabajando activamente más de 6 años en el desarrollo de herramien-

tas que faciliten la explotación e implantación de SNOMED CT en las organizaciones que incluyen motores de consulta, visores y detección de menciones de conceptos en textos narrativos como enfermedades o procedimientos. Estamos colaborando activamente con el Centro Nacional de Referencia de SNOMED CT para España dependiente del Ministerio de Sanidad del Gobierno de España en la puesta en marcha de un entorno informático que facilite la generación, publicación y consulta de la extensión nacional para España de SNOMED CT. Esto ha supuesto el desarrollo de un entorno para la clasificación y validación de la extensión y un navegador web para su consulta (https://snomedsns.es/).

El primero permite asignar las jerarquías correctas a los conceptos e inferir nuevas relaciones a partir de la definición lógica realizada por el autor además de comprobar la validez, por ejemplo, la no existencia de conceptos lógicamente equivalentes. Por su parte, el navegador permite localizar conceptos valiéndose de diferentes configuraciones de búsqueda tales como “exacto”, “contiene”, “términos parciales”, etc. Asimismo, es posible consultar los miembros de los conjuntos de referencias. El navegador permite la búsqueda y descarga de subconjuntos de conceptos. Para ello, se sirve de una implementación propia del lenguaje de restricciones sobre expresiones de SNOMED CT (ECL) que permite definir conjuntos de conceptos por medio de restricciones sobre la definición lógica de los conceptos como “enfermedades pulmonares que son un tipo de edema”, “alergias alimentarias” o “procedimientos oftalmológicos”, véase la Figura 1 para un ejemplo. Como resultado ofrece árboles de conceptos navegables con los ancestros y los descendientes del concepto encontrado. los sinónimos del concepto, sus relaciones inferidas, sus axiomas OWL y los conjuntos de referencias a los que pertenece, así como un diagrama descargable de sus relaciones definitorias.

Todavía queda mucho trabajo por hacer en cuenta a la adopción e implementación de SNOMED CT en las organizaciones, sin embargo, está reconocido que esta terminología tendrá un papel crucial en la explotación de la información de salud.

Coordina: Óscar Moreno

La nueva generación de corazones artificiales promete ser un salvavidas para los pacientes (II)

Una segunda iniciativa en marcha que puede provocar que millones de personas con insuficiencia cardiaca puedan verse beneficiados es el proyecto HybridHeart, que desarrolla un corazón artificial mediante robótica suave. Financiado por el programa Pathfinder del EIC (European Innovation Council), pretende crear músculos artificiales que imiten la contracción de los músculos naturales del corazón.

El corazón artificial resultante puede considerarse un conjunto de globos complejos, según Bas Overvelde, experto en robótica suave de la Universidad Tecnológica de Eindhoven (Países Bajos) y miembro del equipo multidisciplinar de HybridHeart.

El dispositivo tiene una cámara interna que contiene la sangre. Cuando se inflan los globos, la cámara interna se contrae y bombea la sangre por todo el cuerpo.

En lugar de tener un músculo cardíaco, como en nuestro corazón natural, tenemos estos actuadores suaves que provocan la contracción del corazón", explica Overvelde.

Al bombear la sangre de esta forma, la fuerza y la tensión se distribuyen por toda la cavidad, como en un corazón humano. Esto permite un movimiento más suave y debería reducir las tensiones localizadas que pueden dañar las células sanguíneas.

Aunque el funcionamiento básico del dispositivo pueda parecer sencillo, conseguir que funcione bien es complejo, según Overvelde. Por ejemplo, debido a su estructura, la rigidez de los tejidos del corazón cambia en respuesta a las alteraciones de la presión sanguínea. Esto provoca un ajuste automático de la fuerza y el ritmo de bombeo del corazón.

Se espera que la robótica suave pueda proporcionar al dispositivo HybridHeart un mecanismo de retroalimentación similar para regular sus latidos.

Para que los pacientes tengan más libertad y una mejor calidad de vida, Overvelde afirma que la eficiencia energética es clave. “Por el momento, nuestro objetivo es que el dispositivo se cargue de forma inalámbrica y que esté entre media hora y una hora sin conexión, para poder ducharse", explica Overvelde. Es esencial que pueda estar sin ataduras durante un rato, para que pueda desconectarse temporalmente de cualquier batería externa".

El proyecto HybridHeart está probando el corazón artificial en cabras y ovejas. Se espera poder realizar ensayos clínicos dentro de unos siete años, lo que requerirá financiación adicional. Aunque es probable que el dispositivo no sea mejor que un trasplante de corazón natural, Overvelde afirma que hay un número demasiado limitado de ellos para todos los pacientes que necesitan una operación de este tipo.

Como subrayan los expertos de ambos proyectos, los pacientes mueren por falta de trasplantes y de buenas alternativas. Éste es el vacío que deben llenar los corazones artificiales.

Más información:

• Proyecto HybridHeart

https://cordis.europa.eu/project/id/767195

• Consejo Europeo de Innovación

https://eic.ec.europa.eu/index_en

• Comisión Europea - Horizon Magazine

https://ec.europa.eu/research-and-innovation/en/ horizon-magazine

Coordina: Adolfo Muñoz Carrero

Informe Estándares para Salud Digital

En el seno del CTN-UNE139, cuya secretaría técnica ocupa la SEIS, y a petición de UNE, se ha desarrollado un informe sobre los estándares existentes para Salud Digital, al igual que los que ya están disponibles para otros campos.

Este informe se ha desarrollado con el objetivo de presentar los estándares existentes para que puedan ser utilizados en las actividades que se consideren pertinentes en el contexto actual de transformación digital de la sanidad y puede servir de referente a la hora de desarrollar convocatorias de contratación pública.

Los estándares suponen un soporte muy importante en diversas facetas de la actividad sanitaria, desde la planificación a la gobernanza de la Salud Digital, pasando por el diseño, implantación y operación. Pero en el ámbito en el que los estándares pueden ser más útiles es en todo lo relacionado con los datos, pues proporcionan un marco para el desarrollo de la interoperabilidad entre sistemas, contribuyen a mejorar el acceso, la calidad y seguridad de la atención sanitaria, facilitan las actividades de investigación clínica, epidemiología y salud pública, mejoran la seguridad de los datos y la protección de la privacidad frente a los riesgos de ataques cibernéticos y promueven la innovación en salud digital al proporcionar una plataforma común para desarrolladores y proveedores.

La utilización de estándares de salud digital presenta beneficios para los ciudadanos y los pacientes; los profesionales sanitarios; las instituciones sanitarias; la salud pública y privada; las autoridades sanitarias; los investigadores; los desarrolladores de aplicaciones y proveedores tecnológicos; la aplicación de IA y para los usos secundarios de los datos de salud.

En el proceso de transformación digital de la sanidad, los estándares tienen un papel muy importante que jugar, y así se reconoce en la Estrategia de Salud Digital del Ministerio de Sanidad, principalmente te en dos aspectos: en la interoperabilidad de los sistemas de información y en la construcción del Espacio Nacional de Datos. En ambos se propone la adopción de modelos de datos clínicos con estándares abiertos y la creación de una

Oficina Técnica de Normalización y Calidad del Dato Sanitario.

El informe hace referencia en mayor detalle a los estándares oficiales, o “de jure” (elaborados por los organismos técnicos de normalización nacionales e internacionales, como ISO/IEC, SEN/CENELEC y UNE), pero también presenta los elaborados por otras organizaciones o “de facto”, para dar un panorama completo del conjunto de normas disponibles. El informe presenta los estándares agrupados en varias categorías:

• Estándares de Arquitectura

• Estándares de Organización

• Estándares de Modelos de Información Clínica

• Estándares de Infraestructura

• Estándares sobre Datos Sanitarios

• Estándares de Terminologías y Ontologías

• Estándares de comunicación con dispositivos

• Estándares sobre Historia Clínica Electrónica

• Estándares sobre informática en gestión de medicamentos y farmacia

• Estándares de protección y seguridad de datos en sanidad

• Estándares sobre Seguridad de paciente

• Estándares de servicios digitales en Salud

• Estándares sobre accesibilidad y usabilidad

• Estándares de datos e Inteligencia Artificial

El informe, elaborado en un principio por el CTNUNE 139, ha contado con comentarios de expertos en la materia y de otras organizaciones involucradas y se encuentra, en el momento de escribir esta reseña, finalizando el proceso de revisión y maquetación por parte de UNE, por lo que su publicación es inminente.

Sistemas de ayuda en prescripción para prevenir dispensaciones elevadas

La historia clínica electrónica (HCE) se define como el repositorio de datos sanitarios generados a lo largo de la vida del paciente, que se utiliza en la prestación de asistencia sanitaria al sujeto o a la población. Además, estos datos pueden tener usos distintos a la práctica asistencial, conocidos como usos secundarios, entre los que se encuentran actividades como la investigación sanitaria o la evaluación de resultados en salud.

INTRODUCCIÓN

La seguridad de los tratamientos farmacológicos prescritos por los facultativos constituye uno de los pilares básicos de cualquier sistema de salud. Para ello, se deben proporcionar las herramientas necesarias para alcanzar este objetivo en la atención sanitaria a los pacientes. Receta Electrónica tiene un papel protagonista como herramienta de seguridad y ayuda para aumentar la calidad de las prestaciones sanitarias.

Desde el Servicio de Uso Racional del Medicamento y Control de la Prestación (URMyCP) del Servicio Canario de la Salud se ha detectado que se producen prescripciones erróneas por una dosis y/o una frecuencia de administración elevada, fuera de las recomendaciones recogidas en ficha técnica, y /o guías de práctica clínica. Estas prescripciones podrían conllevar errores de dosificación que se traducirían en problemas de salud. Esto se acentúa en aquellos medicamentos susceptibles de una prescripción irregular.

OBJETIVOS

Objetivo principal: dotar a Receta Electrónica del Servicio Canario de la Salud (REC-SCS) de un sistema de prevención y bloqueo, en las prescripciones, que alerten al profesional de que la dosis establecida y/o frecuencia de administración podría implicar un problema de seguridad para el paciente.

Objetivo secundario: impedir la dispensación excesiva (5 envases o más en 10 días) evitando un gasto innecesario.

MATERIAL Y MÉTODOS

En el caso de nuevas prescripciones: El desarrollo informático impedirá las nuevas prescripciones que generan un excesivo número de envases a dispensar (5 envases o más) en el mismo acto durante los 10 días siguientes a la prescripción, obligando a rectificarla. Si el prescriptor considera que es una pauta adecuada, puede generar una incidencia en REC-SCS que en el plazo de 72h será resuelta por los farmacéuticos de atención primaria y responsables de uso racional del medicamento de los hospitales (auditorias) que valorarán si es adecuado o no bloquear la dispensación.

En el caso de prescripciones ya existentes: En el momento de “REVISAR Y RENOVAR” el Plan Terapéutico, si existiera dicho número de envases se quedarían “BLOQUEADOS”. Permitiendo la dispensación de un máximo de 3 envases del producto en cuestión. Esto genera un informe que se resuelve como en el punto anterior.

REC-SCS, contempla un listado de excepciones a los bloqueos (antibióticos inyectables, sueros glucosados, sueros para perfusión intravenosa, lactulosa, inhaladores en ampollas y en solución para nebulización…) teniendo en cuenta la naturaleza y el uso habitual de estos productos.

Coordina: Comité Tecnológico de Farmacia de la SEIS

A.G. Luján García, M. Altabas Betancor, E.M. López Muñoz, R. Molero Gómez, A.T. López Navarro. Servicio de Uso Racional del Medicamento. Dirección General de Programas Asistenciales. Servicio Canario de la Salud.

RESULTADOS

La gráfica muestra los resultados a 4 meses de la puesta en marcha de este nuevo desarrollo por Áreas de Salud.

Se han realizado:

• 1.260 auditorías

• 87.080 envases bloqueados

• 1.047 pacientes con bloqueos

El coste de los envases bloqueados supone un importe de 3.232.397,13** euros y un gasto (restando aportación paciente) de 2.279.592,066 euros.

**En caso que hubiesen sido dispensados todos los envases bloqueados

En la siguiente tabla, se muestran los principios activos más prescritos con dosis excesivas que generan dispensaciones elevadas (superior a 5 envases en los próximos 10 días, desde la fecha de inicio), donde el problema común era la pauta irregular:

5. CONCLUSIONES

Los errores asociados a la prescripción son eventos evitables. Es por ello por lo que se ha diseñado una funcionalidad en REC-SCS para evitar los errores debidos a dosis excesivas y analizar los medicamentos afectados y los motivos.

La falta de uso o de formación en la práctica de la prescripción irregular, cuando el tratamiento lo requiere, genera un exceso de envases para la dispensación.

Es necesaria la introducción de dosis de mantenimiento, máximas y tóxicas en nuestro sistema de información, como sistema de seguridad a la hora de la prescripción y dispensación, así como las duraciones máximas de los tratamientos.

Así lo revela Blinded, randomized trial of sonographer versus AI cardiac function assessment un artículo publicado on-line en la revista Nature el 5 de abril. Los autores diseñaron un ensayo ciego y aleatorizado para evaluar la capacidad de la inteligencia artificial (IA) para interpretar la fracción de eyección del ventrículo izquierdo (FEVI) a partir de imágenes ecocardiográficas. La FEVI es un parámetro que se utiliza para orientar las decisiones clínicas respecto a la idoneidad del paciente para una amplia gama de tratamientos, como la elegibilidad para quimioterapia, la implantación de un desfibrilador o la cirugía cardíaca.

La medición de la FEVI se basa en la imagen cardíaca dinámica, obtenida generalmente mediante la ecocardiografía. Las guías de práctica clínica recomiendan realizar mediciones repetidas durante múltiples ciclos cardíacos para mejorar la precisión y tener en cuenta las fuentes de variación arrítmicas o hemodinámicas. Sin embargo, estas mediciones repetidas rara vez se realizan en la práctica, dadas las limitaciones logísticas habituales, por lo que se acaba determinando a partir de trazados únicos o mediante una estimación visual. El informe del ecografista es validado posteriormente por el cardiólogo que es el que realiza la determinación definitiva de la FEVI.

Para el ensayo se reclutaron 3.769 estudios ecocardiográficos, de los que se rechazaron 274 por calidad insuficiente de la imagen.

El resto se asignaron aleatoriamente a un grupo de IA (1.740) y a un grupo de ecografistas (1755) que realizaron una evaluación inicial de la FEVI. Esta evaluación fue revisada posteriormente por ecografistas y por cardiólogos, sin saber si el informe inicial procedía de la IA o de un humano. El objetivo principal era comparar el valor de la FEVI determinado en la evaluación inicial de cada grupo (IA y ecografistas humanos) con el establecido finalmente por la segunda revisión. Se computaron los estudios en los que la segunda revisión establecía cambios sustanciales respecto a la primera evaluación y se encontró que la proporción de estos era significativamente menor en los estudios valorados por la IA (16,8% de cambios) respecto a los estudios valorados por humanos (27,2%). Esto supone una diferencia de 10,4% (intervalo de confianza del 95%: 7,7 % a 13,2%) resultando significativa tanto para para la no inferioridad (p < 0,001) como para la superioridad (p < 0,001) de la IA respecto a la lectura por humanos. Además, la diferencia absoluta media entre la evaluación final por cardiólogos y la evaluación inicial fue menor en el grupo de IA con una diferencia de 0,97% (intervalo de confianza del 95%: 0,54% a 1,33%, p < 0,001 para la superioridad).

El tiempo requerido por los ecografistas y los cardiólogos fue menor en el grupo de IA en comparación con el grupo de humanos y los cardiólogos no pudieron distinguir entre las evaluaciones iniciales realizadas por IA o por humanos.

El estudio concluye que la evaluación inicial de la FEVI por IA fue no inferior a la evaluación realizada por humanos y ofreció beneficios en términos de tiempo y consistencia con las evaluaciones posteriores por cardiólogos. Estos resultados respaldan el uso de la IA en la cuantificación de la función cardíaca en la práctica clínica.

Más información en: https://www.nature.com/articles/s41586-023-05947-3

Coordina: Gregorio Gómez Soriano

La inteligencia artificial podría informar los ecocardiogramas igual o mejor que los técnicos humanos

AGENDA

2023

MATRICULACIÓN X EDICIÓN MÁSTER EN DIRECCIÓN DE SISTEMAS Y TIC PARA LA SALUD Y EN DIGITALIZACIÓN SANITARIA

Fecha: 21 de junio al 15 de octubre

XXX JORNADAS NACIONALES DE INNOVACIÓN Y SALUD EN ANDALUCÍA

Fecha: 4, 5 y 6 de octubre · Lugar: Málaga- Torremolinos

XXI REUNIÓN DE SALUD CONECTADA

Fecha: 22 y 23 noviembre · Lugar: la Rioja

XXX JORNADAS NACIONALES DE INNOVACIÓN Y SALUD EN ANDALUCÍA

MÁLAGA 4, 5 Y 6 DE OCTUBRE DE 2023

MIÉRCOLES, 4 DE OCTUBRE DE 2023

JUEVES, 5 DE OCTUBRE DE 2023

“HACIA EL ESPACIO NACIONAL DE DATOS SANITARIOS (II)”

VIERNES, 6 DE OCTUBRE DE 2023