Noelia Hernández
Desde hace semanas los cribados para la detección temprana del cáncer saltaron a los medios y se empezó a hablar de todos los problemas que tiene la sanidad pública para cumplir estos exámenes y su falta de gestión.
Todo esto me retrotrae a varios proyectos profesionales de la última década. En estos años he participado en el desarrollo y la validación en hospitales de cuatro soluciones de IA para la detección temprana de enfermedades oncológicas. Tanto las empresas desarrolladoras como los hospitales eran de diferentes países, no solo de la Unión Europea Por lo que la experiencia y el conocimiento de los sistemas de salud y de innovación han sido profunda y variada.
Aunque se enfocaban en diferentes tipos de cáncer (mama, piel y colon), los cuatro partieron de premisas similares. Los problemas a resolver eran claros:
- Disminución del número de profesionales sanitarios y dificultad para contratarlos en los sistemas públicos
- Aumento del número de pacientes en los cribados por el envejecimiento de la población y el aumento de la incidencia entre la población joven
- Adelanto de la edad de comienzo de los cribados por decisión de la UE
- Necesidad de aumentar la eficiencia del presupuesto destinado a gasto sanitario
El aumento de la presión asistencial sobre los profesionales y la falta de capacidad de aumentar plantillas y medios físicos (máquinas, hospitales, etc.) tenían una incidencia directa en la calidad del servicio médico. Y esto era común a multitud de países. Y el servicio de radiología era un foco claro en el atasco de pacientes.
Por tanto, la opción de digitalizar parte del proceso de detección temprana y prevención del cáncer era algo absolutamente positivo y con un impacto directo en la percepción del servicio por parte de los profesionales y los pacientes. Y la Inteligencia Artificial eran una tecnología perfecta para la detección automática de posibles lesiones o tumores malignos. A los profesionales (especialmente los radiólogos) les disminuiría la carga de trabajo y el tiempo dedicado a cada paciente, puesto que la IA haría la primera criba, descartando pacientes sanos y detectando/analizando aquellos con posibles lesiones malignas. Mientras que a los pacientes les reduciría el tiempo para recibir diagnósticos y la incertidumbre y evitaría biopsias y tratamientos invasivos para analizar casos dudosos.
Esta era la teoría y la base sobre la que se construyó el desarrollo de las soluciones y su motivación para presentarla a hospitales públicos y privados, gestores de estos sistemas sanitarios y profesionales. Todo esto en una época en la que no había ChatGPT y muchos de los supuestos especialistas actuales de IA ni siquiera sabían que era unn repositorio de datos.
Estos proyectos los desarrollé con empresas de diferentes países europeos. Y su validación se hizo en hospitales europeos, del Norte de África, Canadá, Oriente Medio y Latinoamérica. Como se puede imaginar los sistemas sanitarios eran muy diferentes, así como su nivel de adopción tecnológica. Pero esto suponía una senda de aprendizaje incomparable: trabajar con todo tipo de profesionales, en entornos de nivel de digitalización muy diverso y con diferentes perfiles de pacientes. Fundamental para tener la solución más competitiva posible, por dos razones: hay diferencias en incidencia del cáncer en función de razas, hábitos, perfiles socio-económicos y entornos ambientales; y en sociedades cada vez más multirraciales, es fundamental tener herramientas que analicen el comportamiento teniendo en cuenta estas variables. Este es un error que veo muy a menudo en España y en Europa: se desarrolla y valida la innovación solo en el entorno local (como mucho nacional), trabajando únicamente con empresas y organizaciones colegas. Añadiendo un sesgo enorme a los resultados y limitando el mercado objetivo.
Y después de todo esto, nos preguntamos: y si estas soluciones de IA mejorarían la eficiencia del sistema sanitario y disminuirían los tiempos de espera para cribados y pruebas, ¿por qué no están desplegadas en muchos países?
Pues he ahí la cuestión. Después de desarrollar y validar en proyectos piloto estas soluciones de detección temprana de cáncer, las conclusiones son que hay muchas cosas mejorables para facilitar la adopción tecnológica. Como ejemplos:
- La disponibilidad de datos masivos para desarrollar algoritmos de IA. En sistemas como el español, donde ni siquiera se comparte una prueba de imagen de un paciente que se ha realizado en otro hospital público de la misma ciudad, es una barrera enorme a la hora de obtener datos anonimizados que permitan contar con un repositorio de datos relevante. El Espacio Europeo de Datos Sanitarios (EHDS) va a llegar un poco tarde, pues, por ejemplo, las imágenes médicas no estarán disponibles hasta 2031.
- La interoperabilidad es una pesadilla para implementar e integrar este tipo de soluciones y que las posibilidades de escalado sean reales. Las dificultades técnicas con los sistemas existentes, muchas veces productos legacy, fragmentados (cada sistema local tiene su propia arquitectura) y con reticencias por parte de las consultoras o empresas proveedoras.
- Los periodos para certificación de soluciones. Esto es un problema que no solo causa la muerte de startups o empresas innovadoras porque no pueden pasar de un piloto a una comercialización y despliegue real, sino que es un retraso para los sistemas sanitarios que quieren mejorar su eficacia y eficiencia. En la UE es especialmente grave. Nos ha sido más fácil y corto obtener la autorización de la FDA (que no es precisamente conocida por su facilidad para empresas no estadounidenses) que la posibilidad de operar en países europeos.
- La reticencia del personal sanitario. Muchas veces por propia ignorancia sobre las funcionalidades de una herramienta de IA, pues no pueden funcionar sin la supervisión de un profesional médico. Simplemente es una manera de ganar productividad y evitar trabajo automatizable.
- Las barreras para poner en marcha pilotos en algunos sistemas públicos. Hay muchas diferencias de un país a otro. Mientras que en algunos fue fácil establecer acuerdos ad-hoc, en otros tuvimos que asistir y guiar al hospital público para poner en marcha una compra pública de innovación. Y, de nuevo, esta herramienta puede ser útil para el desarrollo y pilotaje, pero hoy se queda corta para retos más ambiciosos.
- La agilidad en la adopción de nuevas tecnologías. Aquí chocamos con la lentitud administrativa y la esclerotización de los sistemas públicos. Mucho más fácil que hospitales privados hayan adoptado estas tecnologías. Mientras, en los sistemas públicos estamos hablando ahora de poner en marcha pilotos con financiación del Estado o las regiones. Y no es una cuestión solo española. Se pueden buscar cuántos ejemplos hay de uso de IA en imágenes y diagnóstico en la UE. Ya se lo digo yo, que lo he vivido: pocos y aislados. Y no hablo solo de la IA Act (que alguien saldrá a decirlo), pues algunas de estas experiencias son previas a que ni siquiera pensaran en publicarla.
Por tanto, existen problemas en la gestión de los sistemas de salud que serían solventables y mejorados con el uso de nuevas tecnologías e innovación.
Se puede hablar y filosofar sobre la creación de ecosistemas de innovación, la facilitación del emprendimiento tecnológico, la apuesta por el Deep Tech en Europa, poner al paciente en el centro de la innovación, la importancia del sector público como palanca de innovación. Pero muchas de estas barreras de adopción y, por tanto, de mejora de la calidad del servicio y la satisfacción de los usuarios son de origen administrativo, legal y burocrático. Las relacionadas con la formación y capacitación son gestionables directamente por las empresas desarrolladoras, pero no así los agentes exógenos.
Cuando se quiere hablar del liderazgo tecnológico de Europa y de la ganancia de competitividad, quizá haría falta examinar y enfocarse en todas estas cuestiones y no escribir y escribir sobre el sexo de los ángeles y la abstracción de la innovación. Porque, por desgracia, muchos de esos posibles unicornios europeos en la IA sanitaria se han quedado ya por el camino.