En la última década, el avance de la Inteligencia Artificial (IA) ha redefinido sectores como el comercio, la automoción y, especialmente, la sanidad. En un ámbito donde la precisión y la anticipación son esenciales, la IA se posiciona como una herramienta revolucionaria. En este contexto, Horus ML, empresa enfocada en la innovación en sanidad a través de la Inteligencia Artificial y el machine learning, destaca por sus soluciones adaptadas al entorno clínico-asistencial. Con un enfoque que combina investigación y tecnología de vanguardia, impulsa avances en el análisis automático de imagen clínica, la medicina de precisión y la monitorización de pacientes crónicos.
A continuación, Jesús Prada Alonso, CEO de Horus ML, comparte su perspectiva sobre la revolución que causa la Inteligencia Artificial en Sanidad.
¿Cuál cree que es el papel principal de la Inteligencia Artificial en la sanidad actual?
Creo que la Inteligencia Artificial puede jugar un papel de vital importancia como asistente al especialista médico en sus decisiones, pudiendo ser una herramienta que tenga un impacto positivo significativo en la práctica asistencial en distintas áreas, como puede ser reducir la mortalidad de los pacientes, reducir los tiempos que requieren a los facultativos ciertos procesos clínicos o disminuir los costes sanitarios.
¿Qué cambios fundamentales está aportando la IA en el diagnóstico precoz y la medicina de precisión?
Podríamos hablar de diversos aportes de la IA en estos aspectos, pero esencialmente se trata de permitir realizar los procesos de decisión de diagnóstico y tratamiento de una manera mucho más rápida y personalizada a las características individuales de cada paciente.
Por ejemplo, nuestra herramienta Horus Oncologist permite, en unas décimas de segundo, analizar todas las características del paciente con relevancia clínica para dar una recomendación al especialista sobre el tratamiento radiológico óptimo. Estamos hablando de algoritmos que permiten analizar más de 300 variables en menos de un segundo y contrastar esta información sobre una base de datos de cómo miles de pacientes han reaccionado a distintos tratamientos, algo imposible de realizar para cualquier especialista, por mucha experiencia y conocimiento del que disponga, por nuestras propias limitaciones intrínsecas como ser humano.
Desde su experiencia, ¿Cuáles son los mayores desafíos que enfrenta la IA en su aplicación dentro del sector sanitario?
Aunque existe un gran consenso entre todos los agentes del sector sanitario sobre el potencial de las tecnologías de inteligencia artificial para mejorar el sector sanitario, a día de hoy existen muy pocos ejemplos en España sobre el uso real en la práctica clínica de herramientas basadas en IA.
Desde nuestro punto de vista esto se debe a los siguientes problemas principales: En primer lugar, una falta de conocimiento experto en técnicas de inteligencia artificial y aprendizaje automático entre los proveedores tecnológicos disponibles. Por otro lado, a veces el problema no es una falta de habilidades técnicas, sino un desconocimiento del propio sector clínico por parte de los proveedores de soluciones.
También creíamos que era necesario un enfoque más colaborativo, en el que se integrara a las instituciones sanitarias en el desarrollo de las herramientas. Por último, en muchos casos lo que impide que las soluciones desarrolladas lleguen a utilizarse en la práctica clínica son dificultades en su integración con los sistemas informáticos de la institución sanitaria.
A todo esto hay que añadir un desconocimiento sobre cómo funcionan estas tecnologías dentro de los especialistas sanitarios, lo que provoca que no tengan claro cómo y para qué pueden emplearse, así como dificulta el que tengan confianza a la hora de usarlas.
¿De qué manera Horus ML aborda estos desafíos en sus proyectos de investigación y desarrollo?
En primer lugar, varios de nuestros trabajadores y socios son especialistas doctorados en Inteligencia Artificial. Al mismo tiempo, también tenemos socios y empleados que son médicos, para de esta forma poder tener una combinación de conocimiento técnico y clínico dentro de la casa.
Sobre la necesidad de un enfoque colaborativo, nosotros desarrollamos nuestras herramientas siempre de la mano de una institución clínica que actúa como colaboradora y que nos acompaña en todo el proceso. También intentamos escuchar a la necesidad que nos trasladaban las instituciones sanitarias de reducir la dificultad que suponen las integraciones de las soluciones de IA en sus sistemas informáticos. Para ello, tomamos dos acciones. En primer lugar, decidimos crear un marketplace único que contuviera todas nuestras soluciones, de forma que con una única integración con este marketplace centralizado, una institución pueda tener acceso a todas las herramientas de nuestra cartera de productos. Además, nos apoyamos en una empresa colaboradora dedicada en exclusiva a integraciones con instituciones sanitarias, y su experiencia suele ayudar a que este proceso sea mucho más fluido.
Por último, indicar que la labor formativa es una de nuestras señas de identidad. No solo le damos mucha importancia a la labor divulgativa con nuestros clientes a la hora de desarrollar o implementar nuestras soluciones, sino que también hemos creado un área dentro de la empresa, llamada Horus Academy, centrada en exclusiva en la creación e impartición de cursos y acciones formativas.
¿Cómo contribuye la IA al seguimiento remoto de pacientes crónicos?
A día de hoy, el seguimiento remoto de pacientes crónicos en España tiene muchas limitaciones. Se suele llevar a cabo un proceso muy manual y poco proactivo, en el que las posibles actuaciones se realizan únicamente de manera reactiva cuando el paciente acude a sus citas de seguimiento o se produce un evento grave, momento en el que su situación de salud ya ha podido empeorar de forma sustancial y a veces irremediable. La aplicación de IA en este campo permitiría automatizar muchos de estos procesos para poder cambiar el seguimiento remoto a un enfoque proactivo, en el que se tomaran decisiones en mucho menos tiempo y antes de que el paciente haya empeorado su estado.
Por ejemplo, nuestra herramienta Horus CardioMonitor permite realizar una monitorización remota y continua del estado de pacientes de insuficiencia cardíaca, alertando de forma instantánea al paciente y al cardiólogo supervisor cuando se esté detectando un cierto riesgo de descompensación del paciente. De esta forma, el especialista médico podrá contactar con el paciente o adelantar la cita de seguimiento para poder tomar acciones que eviten un evento cardiológico grave.
¿Qué otros avances de Horus ML están previstos en el ámbito de la Inteligencia Artificial en Sanidad?
Queremos poner especial hincapié en dos aspectos en los próximos años. Por un lado, en la creación de herramientas que permitan llevar ciertos procesos clínicos, como el diagnóstico a través de imagen clínica, a la atención primaria, lo que llevaría a una detección más precoz y sobre un porcentaje de población más alto. También queremos seguir contribuyendo a una mejora en la monitorización de pacientes, con especial enfoque en las patologías crónicas, lo que permitiría aliviar la actual presión asistencial además de ofrecer un enfoque de sanidad proactiva. Para ello, planeamos crear otras herramientas aparte de Horus CardioMonitor que nos permitan ampliar el espectro de patologías crónicas para las que se pueden emplear nuestras soluciones y también estamos diseñando un dispositivo wearable que permita ejercer como punto central de todas estas soluciones.
