NAVARRA INFORMACIÓN
La IA médica requiere una visión multidisciplinar para integrarse de forma segura en la práctica clínica, según afirma un experto en la UPNA
El ingeniero informático Imanol Pinto explicó que estos sistemas pueden aportar valor al sistema sanitario público si se diseñan e implantan con rigor
Los proyectos de inteligencia artificial (IA) médica requieren “una visión multidisciplinar y una integración responsable en los entornos asistenciales para poder incorporarse de forma segura a la práctica clínica”. Aunque su desarrollo plantea retos técnicos, clínicos y regulatorios, estos sistemas pueden contribuir a “mejorar procesos, apoyar al personal sanitario y aportar valor al sistema público de salud cuando se diseñan e implantan con rigor”. Esta fue una de las ideas centrales de la conferencia titulada “Crafting AI for the Public Healthcare (Diseñar inteligencia artificial para la sanidad pública)”, impartida en la Universidad Pública de Navarra (UPNA) por Imanol Pinto López, ingeniero informático e investigador en IA aplicada a la salud.
Imanol Pinto López, ingeniero informático experto en IA, fotografiado en el campus de Pamplona (sede de Arrosadia).
La sesión fue organizada por la Cátedra Tracasa de Ciencias de la Computación e Inteligencia Artificial de la UPNA y cerró el ciclo de conferencias desarrollado en el marco de la asignatura Advanced Machine Learning del máster universitario en Machine Learning de la institución académica. Durante la charla, Pinto explicó los principales retos que implica trasladar sistemas de inteligencia artificial al ámbito sanitario: desde la identificación del problema clínico hasta su integración segura en la práctica asistencial.
Una tecnología que exige coordinación entre disciplinas
En su intervención, Pinto señaló que la inteligencia artificial médica no puede abordarse únicamente como una cuestión de algoritmos o modelos matemáticos. “Su desarrollo exige coordinar conocimiento clínico, ingeniería de datos, desarrollo de software, experiencia de uso, infraestructuras tecnológicas, monitorización y cumplimiento normativo”, enumeró.
La conferencia abordó también otros aspectos necesarios para trasladar la IA médica a la práctica asistencial. Entre ellos, Pinto citó “el diseño de herramientas capaces de integrarse sin fricciones en la historia clínica y en los flujos de trabajo sanitarios, la calibración de los modelos para que sus resultados puedan interpretarse clínicamente y la monitorización de su funcionamiento tras el despliegue”. Según expuso, la evaluación de estos sistemas no finaliza con el desarrollo técnico, sino que debe continuar, una vez desplegados, para comprobar “su seguridad, rendimiento e impacto real en la atención sanitaria”.
Otro de los aspectos tratados fue la necesidad de desarrollar estos sistemas con criterios de seguridad y supervisión. Pinto recordó que, cuando las herramientas de inteligencia artificial tienen una finalidad clínica, pueden quedar sujetas a “marcos regulatorios exigentes” como el Reglamento Europeo de Productos Sanitarios y el Reglamento Europeo de Inteligencia Artificial. Por este motivo, indicó que los proyectos de IA médica deben incorporar, desde sus fases iniciales, “procesos rigurosos de validación clínica, mecanismos de gestión del riesgo, supervisión humana y seguimiento continuo tras su despliegue”.
Modelos fiables ante problemas clínicos complejos
La conferencia puso el foco también en la dificultad de construir modelos fiables cuando incluso el personal especializado puede discrepar en la interpretación de un caso. Pinto se refirió a “la variabilidad interobservador en imagen médica”, es decir, a las situaciones en las que dos profesionales pueden emitir valoraciones clínicas diferentes y, aun así, razonables ante imágenes similares. “Esta ambigüedad afecta directamente al entrenamiento y a la evaluación de los modelos de IA, y obliga a aplicar metodologías específicas, como procesos de revisión de las etiquetas utilizadas para entrenar los modelos, criterios homogéneos basados en guías clínicas y validación por equipos clínicos especializados”, precisó Imanol Pinto.
También destacó la conveniencia de dividir los problemas clínicos complejos en tareas más concretas y manejables. Como ejemplo, sostuvo que un sistema de cribado de retinopatía diabética (una enfermedad ocular asociada a la diabetes) puede estar compuesto por varios modelos especializados: uno, para seleccionar las imágenes del fondo del ojo más adecuadas; otro, para evaluar su calidad, y un tercero, para estimar la presencia o gravedad de la enfermedad. “Esta aproximación modular permite construir sistemas más robustos, interpretables y adaptados al flujo real de trabajo clínico”, añadió.
Como conclusión, Pinto subrayó que los proyectos de IA médica requieren “una visión profundamente multidisciplinar y una integración responsable en los entornos asistenciales”. “Aunque su desarrollo plantea importantes retos técnicos, clínicos y regulatorios, también ofrecen una oportunidad relevante para mejorar procesos, apoyar a los profesionales y aportar valor al sistema sanitario público cuando se diseñan e implantan de forma rigurosa”, concluyó.
Trayectoria del ponente
Imanol Pinto trabaja desde 2018 en proyectos de IA de la Dirección General de Telecomunicaciones y Digitalización (Gobierno de Navarra), atendiendo a las peticiones del Servicio Navarro de Salud-Osasunbidea, por lo que ha participado en el desarrollo de dispositivos médicos de inteligencia artificial a medida. Entre ellos, figuran NaIA-RD, orientado al cribado de la retinopatía diabética, y NaIA-DMAE, destinado a personalizar el tratamiento de la degeneración macular asociada a la edad, una patología que afecta a la visión.
Actualmente, Imanol Pinto compagina su trabajo en el Gobierno de Navarra con su investigación doctoral, centrada en la adopción clínica segura de la inteligencia artificial mediante análisis de imagen, monitorización de cambios en los datos y uso de modelos de lenguaje para la síntesis de información clínica.
