91 algo nuevo a partir de los ejemplos previos, introduciendo una pequeña variación. “Le das muchos caballos y te da un nuevo caballo. Es la IA generativa”, explica. A su parecer, “no tiene tanto que decir en relación con esa predicción, donde va a ser más la IA que conocíamos antes, la discriminativa, la que realmente cambie el paradigma”. Puntualiza que la IA generativa es muy útil en cuanto a todo lo que tiene que ver con lo documental, con redactar historias clínicas, resumir informes, interactuar con los pacientes. Destaca que “pone una capa por encima de la IA que ya teníamos antes de usabilidad”. Lo compara con lo que sucedió cuando llegó Google y facilitó el uso de internet, cuando previamente ya había páginas web: “Ya teníamos la IA que realmente cambia las cosas, que es lo que hay por detrás, pero ha llegado una capa por encima muy usable, la IA generativa”. Ordenar los datos Le preguntamos cómo Savana, que ayuda a transformar las historias clínicas en Big Data, lleva la IA a la medicina. “Todos queremos implantar IA generativa para acelerar o mejorar ese proceso documental y queremos montar algoritmos predictivos”, responde. De lo que se dieron cuenta es de que “tú no puedes montar esos modelos de IA si no vas un paso atrás previo, que es tedioso, que es ordenar los datos”. De ahí el Espacio Europeo de Datos Sanitarios (EEDS) o los lagos de datos, los data lakes, que básicamente es ir ordenando la imagen, las historias clínicas. “Todo eso bajo una serie de estándares que se comuniquen entre los hospitales, harmonizado. Es desfragmentar algo que está fragmentado, que son esos datos sanitarios, y darles un orden”, apunta. Y a eso se dedica Savana. “Llevamos diez años ayudando a los servicios de salud, grandes, pequeños, públicos, privados, a ordenar esos datos sanitarios multicapa para después poder hacer modelos de IA. No importa en qué estadio se encuentre el centro sanitario al que ayudamos. Si está más avanzado, le llevamos más hacia el final, hacia hacer modelos ya de IA. Si está más al principio de la cadena, pues le orientamos más en relación con empezar a juntar bases de datos, a anonimizar la información, que es muy importante por la privacidad, a estructurar lo que está desestructurado”, remarca. En estos momentos, se encuentran presentes en más de 250 centros, en 13 países y con numerosas publicaciones científicas que avalan que lo que hacen tiene una validez, una trazabilidad, una replicabilidad. “No soy capaz de comprender qué puede hacer alguien en salud o en medicina en los siguientes años sin un espacio de datos sobre el que montar modelos de IA”, avisa. “No soy capaz de vislumbrar que eso tenga ningún futuro. Es como no tener aparatos de radiología. Es sencillamente el estado del arte”, completa. Piensa que la Sanidad es muy curiosa, porque “llevamos muchos años sabiendo que esto llega, la digitalización, los datos, ahora la IA y yo me puedo ir a Zambia con una tarjeta y sacar dinero, pero no me puedo ir de Toledo a Madrid y sacar mi historia clínica”, critica. Todavía quedan centros trabajando en papel. No sólo en España, también en otros países europeos, como Alemania o EN SANIDAD, SE SABE HACER LA PREGUNTA ADECUADA En la IA generativa hay que hacer buenas preguntas para que sea útil. ¿Se sabe hacer esas buenas preguntas en Sanidad? “Estamos descubriendo la IA generativa, en concreto la lingüística, con los grandes modelos de lenguaje. Creo que es una parada en una estación muy transitoria. El tema de los PROMs (Patient-reported Outcome Measures) está muy de moda, pero es algo que vamos a superar muy pronto, porque probablemente los PROMs en sí mismos se automatizarán también y no será necesario que el ser humano esté pensando en unos PROMs concretos o en otros. Es un salto que tenemos que dar a la siguiente etapa. Lo importante es tener los datos correctos y luego tener, eso sí, una dirección”, razona Ignacio Medrano. “Sabemos cuáles son nuestras preguntas clínicas, de investigación y de gestión que nos cambian el paradigma”. Así sostiene que, en Sanidad, se sabe hacer la pregunta adecuada. EN EL MOMENTO DE CREAR LOS ESPACIOS DE DATOS SANITARIOS Ignacio Medrano cuenta que, después de la Covid-19, la Comisión Europea reaccionó, porque comprobó que no teníamos prácticamente nada de inteligencia de datos sanitarios en Europa, en relación a lo que poseen en Singapur o en Corea. Se vio que era necesario inyectar fondos y políticas de gobernanza del dato en las regiones europeas. Fue cuando se creó el Espacio Europeo de Datos Sanitarios (EEDS). Los fondos Next Generation se alinearon y entró dinero y capacidad para que las diferentes regiones crearan esos espacios de datos y los conectaran entre sí. De hecho, acaba de publicarse recientemente el EEDS,“que da ya la capacidad, lo que va a cambiar en relación con la facilidad de acceder al dato para que terceros puedan montar esos modelos de IA”. Estamos en el punto de aterrizarlo y que las comunidades autónomas creen sus lagos propios de datos, para conectarlos luego a la red europea. El cofundador de Savana expresa que “eso no es futuro, ya está pasando”. Inglaterra. “Es dispar el ritmo de avance de la digitalización, pero, a diferencia de lo que ocurría hace diez años, cuando yo empecé con Savana, lo que está claro es que ya nadie tiene duda de que tiene que coger este camino”, pronuncia. Otra cosa es la capacidad económica y, sobre todo, de conocimiento para cogerlo rápido. Deja claro que “el único camino es estudiar conjuntos de datos pasados que nos anticipen qué es lo que a un individuo es probable que le ocurra”. El machine learning ha conseguido que, en vez de ser humanos utilizando fórmulas matemáticas para mirar en los datos y hacer predicciones, sean computadores los que los que hagan esa predicción.
RkJQdWJsaXNoZXIy NTI5ODA=