La inteligencia artificial ya permite detectar lesiones invisibles al ojo humano, anticipar riesgos clínicos, automatizar procesos diagnósticos, reducir tiempos de análisis y extraer conocimiento de millones de datos biomédicos. Sin embargo, la revolución tecnológica que promete transformar la medicina todavía debe superar importantes retos relacionados con la calidad de los datos, la validación clínica, la regulación, la interoperabilidad de los sistemas y la confianza de profesionales y pacientes.
Esta fue una de las principales conclusiones de la jornada IA y Salud: innovaciones en imagen médica y medicina personalizada, celebrada este 18 de junio en el Auditorio Marie Curie del Parc Científic de la Universitat de València (PCUV), dentro del programa Innotransfer, impulsado por la Red de Parques Científicos Valencianos con el apoyo de la Conselleria de Industria, Innovación, Comercio y Turismo de la Generalitat Valenciana.
La sesión, moderada por Kristin Suleng, responsable de Comunicación y Marketing de la Fundació Parc Científic Universitat de València (FPCUV) y coordinadora del programa Innotransfer en el Parc Científic UV, reunió a representantes de hospitales, universidades, institutos de investigación, empresas biotech y healthtech, especialistas en bioinformática, expertos en regulación y responsables institucionales para abordar uno de los grandes debates actuales del sistema sanitario: cómo convertir el potencial de la inteligencia artificial en soluciones clínicas seguras, útiles y sostenibles.
Durante la apertura institucional, Pedro Carrasco Sorlí, director del Parc Científic UV, subrayó que la salud es uno de los ámbitos donde más necesaria resulta la conexión entre investigación biomédica, empresa, hospitales, institutos sanitarios, expertos en regulación y administraciones públicas. “No basta con que exista una tecnología prometedora para que la innovación llegue realmente al sistema sanitario”, señaló. “Hace falta conectar muchos mundos”.
Carrasco incidió en que el espíritu de Innotransfer es precisamente “crear condiciones para que la transferencia suceda”, de manera que el conocimiento no permanezca aislado, sino que encuentre caminos hacia la sociedad, las empresas y un sistema sanitario “cada vez más preciso, preventivo y personalizado”.
En la misma línea, José María Montiel Company, vicerrector de Innovación y Transferencia de la Universitat de València, recordó que la inteligencia artificial ofrece capacidades “asombrosas”, como detectar patrones en segundos, mejorar la estratificación de pacientes o procesar grandes volúmenes de datos. Pero advirtió de que estas oportunidades no pueden abordarse “únicamente desde el entusiasmo tecnológico”.
“La salud es un ámbito extremadamente sensible. La seguridad, la fiabilidad, la protección de datos y la validación clínica no son complementarias: son condiciones imprescindibles para generar confianza”, afirmó. Montiel introdujo además una de las ideas que atravesó toda la jornada: la tecnología debe reforzar, no sustituir, la dimensión humana de la medicina. “Por mucha inteligencia artificial que incorporemos, la medicina nunca debe dejar de ser humana”, defendió. “El futuro no es de las máquinas, es de los profesionales excepcionales potenciados por herramientas extraordinarias”.
Por parte de la Generalitat Valenciana, Francisco Javier Sogorb, subdirector general de Avance para la Sociedad Digital y de la Inteligencia Artificial, puso el foco en la importancia estratégica de los datos como materia prima de la inteligencia artificial. En este sentido, destacó el apoyo autonómico a proyectos como EUCAIM, una infraestructura digital federada paneuropea de imágenes de cáncer anonimizadas que permitirá aplicar tecnologías de IA a grandes volúmenes de datos clínicos.
Sogorb señaló que estos desarrollos plantean retos tecnológicos, pero también éticos, legales y organizativos. “No es la inteligencia artificial la que va a curar las enfermedades; serán nuestros equipos médicos con apoyo tecnológico”, afirmó.
La ponencia inaugural corrió a cargo de Luis Martí-Bonmatí, director del Área Clínica de Imagen Médica del Hospital Universitari i Politècnic La Fe y del Grupo de Investigación Biomédica en Imagen del IIS La Fe, así como director científico de EUCAIM.
Lejos de plantear escenarios futuristas, Martí-Bonmatí defendió que la inteligencia artificial ya forma parte de numerosos procesos asistenciales. “La inteligencia artificial ya ha venido”, afirmó, en alusión a la necesidad de abandonar una actitud pasiva y participar activamente en su despliegue clínico.
“La inteligencia artificial es el mayor elemento disruptivo de la medicina en las últimas décadas”, sostuvo durante su intervención, en la que mostró ejemplos concretos de cómo estas herramientas están transformando la imagen médica.
Entre las aplicaciones ya disponibles, señaló la reconstrucción de imágenes con IA, capaz de reducir adquisiciones de resonancia de próstata de 14 minutos a dos minutos y medio; la segmentación automática de órganos y lesiones; la detección de tumores significativos; el seguimiento longitudinal de pacientes oncológicos; y la generación de biomarcadores de imagen que permiten inferir procesos biológicos, respuesta al tratamiento o pronóstico.
Martí-Bonmatí insistió en que el valor de la IA no reside solo en acelerar tareas, sino en extraer de la imagen médica una información que antes no era accesible. “A veces detectamos cambios que no son observables por los propios radiólogos, porque son tan sutiles que afectan a parámetros de textura o propiedades que el ojo humano no puede detectar”, explicó.
Sin embargo, advirtió de que la implantación masiva de estas herramientas sigue limitada por barreras técnicas, metodológicas y económicas. Entre ellas, la variabilidad entre equipos, protocolos y poblaciones; la necesidad de validar los modelos en entornos reales; la integración con los sistemas hospitalarios; y la incertidumbre sobre el coste-beneficio de soluciones que evolucionan muy rápidamente.
“La inteligencia artificial nos está afectando a toda nuestra práctica: desde la historia clínica, las citaciones y las adquisiciones hasta el procesado, la percepción, el razonamiento, el informe y la comunicación”, señaló. Por ello, defendió la necesidad de integrar estas tecnologías “con evaluación tecnológica precisa, monitorización de resultados y profesionales involucrados en todo el ciclo”.
El primer bloque técnico continuó con la intervención de Germán Casabó, responsable de la Unidad de Bioinformática de EpiDisease, empresa del área empresarial del Parc Científic UV. Casabó presentó una herramienta basada en inteligencia artificial para calcular de forma automática y reproducible los ángulos de Cobb, una medición clave en el diagnóstico y seguimiento de la escoliosis idiopática adolescente.
La necesidad clínica es clara: la medición manual de la desviación de la columna en radiografías completas implica un componente subjetivo que puede generar variabilidad entre observadores e incluso dentro de un mismo observador. Esa incertidumbre puede provocar retrasos diagnósticos, derivaciones innecesarias, repetición de pruebas, más exposición a rayos X o decisiones terapéuticas incorrectas en umbrales críticos.
El algoritmo desarrollado por EpiDisease, SPARC, fue entrenado y validado en un estudio multicéntrico con 484 radiografías de pacientes de escoliosis idiopática adolescente procedentes de cuatro hospitales de referencia. Según explicó Casabó, el sistema identificó el 94 % de las curvas consenso definidas por especialistas y mostró un rendimiento comparable al de clínicos expertos, pero con menos errores extremos.
La herramienta se ha integrado en ScoliVIEW, una aplicación web orientada al uso clínico que permite cargar imágenes en formato DICOM, PNG o JPG, detectar automáticamente vértebras y curvas, calcular los ángulos de Cobb y generar informes en PDF. En una validación posterior, ScoliVIEW obtuvo una puntuación de 87,2 sobre 100 en usabilidad y 4,4 sobre 5 en satisfacción de usuarios clínicos.
“SPARC y ScoliVIEW permiten calcular automáticamente y de forma totalmente reproducible los ángulos de Cobb presentes en una radiografía de columna”, explicó Casabó, quien destacó que el próximo paso será avanzar hacia el marcado CE, la integración con sistemas PACS y el despliegue a gran escala.
La mesa redonda “Del algoritmo al hospital: validación, datos y adopción clínica” reunió a Ángel Alberich Bayarri, CEO y cofundador de Quibim; Francisco Albiol Colomer, investigador científico del Instituto de Física Corpuscular (IFIC, CSIC-UV); Adrián Galiana Bordera, investigador del Instituto de Investigación Sanitaria La Fe; y Francisca Ramón Fernández, catedrática de Derecho Civil de la Universitat Politècnica de València.
El debate dejó claro que la adopción clínica de la inteligencia artificial no depende de un único cuello de botella, sino de una cadena de condiciones que deben cumplirse desde el acceso a datos hasta la validación, la regulación, la integración tecnológica y el modelo de negocio.
Desde la experiencia de Quibim, empresa valenciana con proyección internacional en biomarcadores de imagen e inteligencia artificial, Alberich fue especialmente claro: “Todos son cuellos de botella en el proceso”.
Primero, señaló el acceso a datos y la necesidad de negociar acuerdos centro a centro. Después, la armonización de la calidad de imagen. Más tarde, la certificación regulatoria. Pero incluso eso, advirtió, no basta.
“Tener el marcado CE o la FDA no significa que la herramienta vaya a funcionar rápido, ágil y sin fisuras para los médicos”, afirmó. “Hay muchas herramientas en el mercado con marcado CE o FDA que han fracasado porque son lentas o no responden a una necesidad clínica”.
Alberich insistió en que una herramienta bien entrenada y certificada también necesita un modelo de integración y comercialización que tenga sentido para el sistema sanitario. “Piensas que cuando tengas el marcado CE o la FDA ya lo tienes, pero luego viene otro paso que siempre es más complejo”, señaló. “No hay un gran cuello de botella: simplemente hay que no rendirse”.
La mesa abordó también el reto de la validación clínica. Adrián Galiana Bordera, desde el IIS La Fe, explicó el trabajo desarrollado en el proyecto CHAIMELEON para evaluar cómo interactúan los clínicos con los modelos de IA. En un estudio con 14 países europeos y 77 profesionales, se comparó la capacidad de predicción del riesgo en cáncer de próstata por parte de clínicos, IA y clínicos asistidos por IA.
El resultado fue uno de los datos más reveladores de la jornada: el clínico solo alcanzaba un 76 % de acierto; la IA sola, un 73 %; pero el clínico con apoyo de IA subía al 87 %. Además, el tiempo de evaluación bajaba de unos 15 minutos por caso a entre tres y cinco minutos.
“El mensaje es muy bueno: la IA nos ayuda, no nos sustituye”, afirmó Galiana. “Para movernos del piloto a la práctica clínica no se trata solo de encontrar el mejor modelo, sino de entender cómo interactúa el clínico con ese modelo”.
Francisco Albiol Colomer, investigador del IFIC, puso el foco en uno de los aspectos más complejos de la inteligencia artificial en salud: la necesidad de trabajar con datos de calidad, trazables y adaptados al propósito clínico concreto.
“El problema es la escasez de datos de calidad”, señaló. Y añadió un matiz relevante: no basta con disponer de datos, sino que estos deben estar ajustados al uso previsto del algoritmo. “Los datos no son solo las imágenes”, explicó. También existen factores temporales, epidemiológicos y contextuales que pueden afectar a la interpretación clínica.
Albiol defendió además la necesidad de avanzar hacia modelos interoperables que eviten depender de un único proveedor tecnológico. En lugar de confiar en un solo fabricante, apuntó, la integración de múltiples algoritmos puede mejorar el rendimiento global cuando estos alcanzan cierta precisión. La clave, subrayó, será crear entornos capaces de comparar, supervisar y evaluar continuamente las prestaciones reales de estas herramientas.
También introdujo una idea crítica para la transferencia: “Publicar no debería ser el objetivo último”. Para que una innovación llegue al hospital, debe insertarse en cadenas de valor que permitan convertir conocimiento científico en herramientas utilizables por profesionales sanitarios.
La dimensión jurídica y ética de la IA sanitaria fue abordada por Francisca Ramón Fernández, quien alertó de los riesgos derivados del uso de aplicaciones móviles y herramientas digitales no suficientemente controladas en ámbitos especialmente sensibles como las enfermedades raras, la salud infantil o las consultas realizadas mediante sistemas de inteligencia artificial generativa.
Ramón explicó el caso de familias que, ante la angustia de no obtener un diagnóstico para una enfermedad rara, descargan aplicaciones que solicitan imágenes y datos médicos de menores para compararlos con bases de datos. “El menor no puede prestar consentimiento para que se introduzca su imagen, sus datos personales y sus datos médicos”, advirtió.
La jurista fue especialmente crítica con la cesión poco consciente de información sanitaria: “Por la desesperación de saber ese diagnóstico, las personas van facilitando más datos todavía y no hay control”. En este contexto, recordó que los datos de salud son especialmente sensibles porque afectan a derechos fundamentales.
“No somos conscientes del valor del dato de salud”, afirmó. “Cedemos nuestros datos de una manera demasiado alegre porque no sabemos cómo se pueden utilizar, no solo de forma positiva, sino también negativa”.
Ramón también abordó la cuestión de la responsabilidad ante posibles errores de sistemas de IA. La herramienta, recordó, puede ser considerada producto sanitario e incluso producto defectuoso, lo que abre escenarios jurídicos complejos en materia de responsabilidad por daños.
La segunda parte de la jornada se centró en el potencial de la inteligencia artificial para avanzar hacia una medicina más predictiva, personalizada y preventiva.
Adrián Colomer Granero, cofundador y CPO de Artikode Intelligence, explicó que el gran reto clínico actual no es la falta de información, sino la dificultad para convertir datos dispersos en decisiones consistentes y personalizadas. La medicina genera imágenes de alta resolución, datos clínicos longitudinales y múltiples modalidades diagnósticas, pero esa información todavía se encuentra a menudo fragmentada.
“La medicina tradicional trabaja sobre el paciente promedio”, explicó Colomer. Pero un mismo diagnóstico puede tener evoluciones distintas, riesgos diferentes y respuestas terapéuticas variables. La inteligencia artificial, en cambio, permite analizar grandes volúmenes de información e identificar patrones complejos no evidentes mediante la evaluación convencional.
Desde Artikode y el entorno investigador de la UPV, Colomer presentó proyectos de visión artificial aplicados a histología, OCT, endoscopia, fondo de ojo y vídeo. Entre ellos, modelos para la gradación del cáncer de próstata, la predicción de subtipos moleculares en cáncer de mama y piel, el análisis de enfermedad inflamatoria intestinal, la identificación de patologías retinianas como retinopatía diabética, glaucoma o degeneración macular, y la detección precoz de párkinson a partir del análisis de la marcha mediante vídeo.
Su intervención permitió mostrar cómo la IA no solo puede apoyar el diagnóstico, sino también abrir la puerta a modelos multimodales capaces de integrar imágenes, señales y datos clínicos para predecir evolución, respuesta al tratamiento y riesgo individual.
Judit Garcia Guallarte, técnica bioinformática de EpiDisease, presentó el desarrollo de herramientas para mejorar el manejo clínico de la sepsis, una condición definida como una respuesta anómala del huésped a una infección que causa disfunción orgánica y amenaza la supervivencia.
Garcia recordó que la sepsis es un síndrome dinámico, heterogéneo y especialmente difícil de abordar, en el que intervienen factores del patógeno, del huésped y del entorno clínico. Su elevada mortalidad y la ausencia de una prueba molecular específica convierten este problema en un ámbito especialmente adecuado para el uso de modelos de aprendizaje automático.
EpiDisease trabaja en dos herramientas complementarias. La primera, HMSS, es una base de datos relacional diseñada junto con intensivistas del Hospital Clínico de Valencia para introducir datos de forma inequívoca y robusta. Incluye 108 variables y recoge información de 758 pacientes procedentes del Hospital Clínico, el Hospital General de València y el Hospital Doctor Peset.
La segunda, ODyScore, es una plataforma en desarrollo para calcular el riesgo de que un paciente desarrolle sepsis mediante modelos de machine learning. Los modelos se organizan en tres tiempos clínicos: uno inmediato, con variables disponibles al ingreso; otro basado en analítica rápida; y un modelo completo con variables más avanzadas.
Los resultados preliminares muestran áreas bajo la curva de 0,887 para el modelo inmediato y de 0,975 para el modelo basado en analítica, lo que apunta al potencial de estas herramientas para apoyar decisiones clínicas tempranas.
La segunda mesa redonda, “Biotech, healthtech y oportunidades de transferencia en salud personalizada”, reunió a Marta Comellas Serra, directora de Health Economic and Outcomes Research en Outcomes’10; Dolores Corella, catedrática de Medicina Preventiva y Salud Pública de la Universitat de València e investigadora principal del CIBEROBN; Ángel González Muelas, CEO y cofundador de Datipic; y Miriam Martínez Santos, investigadora postdoctoral de la Universidad Católica de Valencia. El debate puso de manifiesto que la medicina personalizada no es solo un desafío científico, sino también económico, regulatorio, empresarial y asistencial.
Desde el ámbito de la economía de la salud, Marta Comellas defendió que una innovación sanitaria debe demostrar desde el inicio su valor clínico, económico y organizativo. “Podemos tener el marcado CE, pero si no hemos generado evidencia desde el minuto uno de que responde a una necesidad no cubierta, no se adopta”, afirmó.
Comellas señaló que la pregunta clave no es solo si una tecnología funciona, sino cómo impacta en el paciente, en el clínico y en los recursos del sistema. “Puede ser la solución perfecta, pero si no tengo esta evidencia, no me la van a comprar”, advirtió.
También insistió en la importancia de estandarizar las variables que deben recogerse en cada patología y de incorporar la voz del paciente mediante resultados reportados por los propios pacientes. “El dato de mala calidad no sirve de nada”, resumió.
Una de las intervenciones más críticas y matizadas fue la de Dolores Corella, que aportó una mirada desde más de tres décadas de investigación en interacciones entre genética, dieta y salud.
Corella explicó que la nutrición personalizada ha avanzado desde el análisis de variantes genéticas hacia una integración mucho más compleja de genómica, epigenómica, transcriptómica, metabolómica, proteómica y microbioma. Sin embargo, alertó de que los biomarcadores todavía se encuentran en una fase incipiente para su aplicación clínica generalizada.
“Tras 35 años de investigación, los avances han sido pocos”, reconoció. Aun así, se mostró optimista respecto al papel de la inteligencia artificial para analizar la complejidad creciente de los datos. Pero introdujo una advertencia fundamental: no todos los datos tienen el mismo valor ni el mismo nivel de evidencia. “Todos los datos no son iguales”, afirmó. “No es lo mismo un dato que viene de un ensayo clínico randomizado que uno que viene de un estudio transversal o ecológico”.
Corella utilizó un ejemplo especialmente revelador sobre los riesgos de aplicar IA sin supervisión en recomendaciones nutricionales. En un proyecto europeo de intervención personalizada basada en IA, explicó, el sistema aprendió que cuanta menos energía se ingiere, más se adelgaza. “¿Podemos decirle a un paciente que tome 300 calorías? No”, señaló. “Tenemos que estar siempre vigilando. Nunca nos van a sustituir ni a los médicos ni a los investigadores”.
La investigadora también subrayó que la personalización no depende solo de biomarcadores, sino de preferencias, hábitos y contexto. “Como recomiendes a alguien algo que no le gusta, no se lo va a comer”, afirmó. “Para hacer dietas personalizadas hay que saber preferencias, horarios de comida y qué le va bien a sus marcadores cardiometabólicos”.
Desde el ámbito empresarial, Ángel González Muelas, CEO y cofundador de Datipic, defendió que una de las grandes oportunidades de la IA en salud no está solo en generar nuevos modelos clínicos, sino también en aliviar una de las cargas más visibles del sistema: el tiempo que los profesionales dedican a tareas administrativas, burocráticas y de gestión. En su intervención, situó el valor de estas tecnologías en su capacidad para devolver tiempo clínico a médicos, enfermería y otros perfiles sanitarios, reduciendo procesos que consumen recursos pero no aportan valor asistencial directo.
“El personal sanitario quiere trabajar atendiendo a pacientes, no rellenando informes o enviando correos”, señaló. Para González, la inteligencia artificial debe orientarse a resolver problemas concretos del día a día, como la automatización de documentación, la gestión de comunicaciones, la organización de información clínica o el apoyo a procesos internos que hoy fragmentan la atención. En este sentido, defendió una IA útil, integrada y discreta: una tecnología capaz de funcionar como soporte para el profesional, sin desplazar su criterio ni interferir en la relación con el paciente.
También destacó la colaboración de Datipic con IBIONS en un proyecto europeo de dietas personalizadas para pacientes con distintos tipos de cáncer, un ejemplo de cómo la IA puede aplicarse a ámbitos de alto impacto clínico y social. En este caso, la tecnología se utiliza para apoyar a los profesionales sanitarios en la personalización de recomendaciones nutricionales, combinando datos, conocimiento experto y necesidades específicas de cada paciente. El objetivo, subrayó, no es reemplazar al profesional, sino dotarlo de herramientas que le permitan tomar mejores decisiones, con más información y menos carga operativa.
Miriam Martínez Santos, investigadora postdoctoral en la Universidad Católica de Valencia, puso el foco en los biomarcadores como una pieza clave para avanzar hacia una medicina más personalizada, pero también como un terreno en el que la exigencia científica y clínica debe ser especialmente alta. En su intervención, subrayó que no basta con identificar una señal prometedora en el laboratorio: para que un biomarcador pueda aspirar a trasladarse a la práctica asistencial debe reunir condiciones claras de calidad analítica, validez clínica y utilidad clínica.
En esta línea, explicó que un biomarcador debe presentar buenas métricas, poder medirse de forma reproducible fuera del entorno estrictamente experimental y validarse en estudios multicéntricos con cohortes amplias y diversas. Pero, sobre todo, debe demostrar que aporta información accionable, capaz de influir en el manejo del paciente. “Un biomarcador tiene que cambiar una decisión clínica”, defendió. “Tiene que ser útil para el clínico”.
Martínez aportó además una visión desde la investigación clínica y bioinformática, destacando el papel creciente de la IA en el análisis de datos ómicos, la integración de información molecular y la detección de asociaciones que serían difíciles de identificar mediante aproximaciones tradicionales. Estas herramientas permiten explorar patrones complejos, priorizar señales biológicas y acelerar hipótesis de investigación, pero no sustituyen la interpretación experta ni el contraste clínico.
Por ello, insistió en que la supervisión humana sigue siendo indispensable en todo el proceso: desde la selección de los datos y la interpretación de los resultados hasta la evaluación de su aplicabilidad real en pacientes. “Estas herramientas sugieren mejoras, pero siempre tiene que estar ahí el criterio humano”, señaló.
El cierre institucional corrió a cargo de Emilio Pedro Vivancos, responsable de la Oficina Autonómica para la Aplicación de la Inteligencia Artificial en la Salud de la Conselleria de Sanitat, quien enmarcó la jornada en una etapa de transición tecnológica para el sistema sanitario.
Su intervención subrayó la necesidad de avanzar con una estrategia coordinada que permita incorporar la inteligencia artificial de forma segura, útil y alineada con las necesidades reales de hospitales, profesionales y pacientes.
La jornada concluyó con una idea compartida: la inteligencia artificial no sustituirá a los profesionales sanitarios, pero sí transformará profundamente su forma de trabajar. Su impacto dependerá de la capacidad para combinar conocimiento científico, experiencia clínica, regulación, evidencia económica y colaboración empresarial.
El reto ya no es solo desarrollar algoritmos más potentes. El verdadero desafío es integrarlos en un sistema sanitario capaz de confiar en ellos, evaluarlos, regularlos y convertirlos en mejores decisiones para las personas.
Puedes visionar la jornada en el canal de YouTube del Parc Científic de la Universitat de València
Con el apoyo de: