Fundamentos Básicos de la Gestión Administrativa Sanitaria con Inteligencia Artificial

El Data Lakehouse combina lo mejor de ambos mundos: la flexibilidad del Data Lake para almacenar cualquier tipo de dato con la gobernanza y fiabilidad del Data Warehouse. Es la arquitectura de referencia para proyectos de IA sanitaria.

En un ecosistema sanitario impulsado por IA, el Data Lakehouse no es solo un repositorio de almacenamiento: es el motor central que alimenta todo el ciclo de vida del Machine Learning. Desde la ingesta de datos crudos hasta la monitorización de modelos en producción, cada fase depende de una infraestructura de datos robusta y gobernable.

MLOps (Machine Learning Operations) es la disciplina que aplica prácticas DevOps al desarrollo y operación de modelos de ML, garantizando reproducibilidad, trazabilidad y cumplimiento normativo continuo.

El Art. 9 del RGPD clasifica los datos de salud como datos de categoría especial, cuyo tratamiento está, por defecto, prohibido. Solo puede realizarse bajo excepciones tasadas, como el consentimiento explícito del interesado, la necesidad para fines de medicina preventiva o laboral, el interés público en el ámbito de la salud pública, o la investigación científica con garantías adecuadas.

Esto significa que cualquier proyecto de IA sanitaria que utilice datos de salud debe justificar legalmente su base de tratamiento antes de iniciar la recopilación o procesamiento de datos.

• Derecho de acceso: El paciente puede solicitar conocer qué datos suyos se utilizan en modelos de IA, con qué finalidad y qué decisiones se han tomado con su asistencia.
• Derecho de supresión (olvido): El paciente puede solicitar la eliminación de sus datos, lo que puede implicar la necesidad de reentrenar modelos de IA que los incorporaron.
• Accountability distribuida: En ecosistemas de IA sanitaria participan múltiples actores (responsable, encargado, proveedor de IA, hospital). La responsabilidad debe estar claramente definida y documentada mediante contratos y acuerdos de tratamiento.

El Reglamento de IA (RIA) de la UE clasifica como sistemas de IA de alto riesgo aquellos utilizados en el ámbito sanitario para:

• Diagnóstico: Sistemas que asisten o realizan diagnósticos médicos (detección de tumores, clasificación de patologías, análisis de imágenes médicas).
• Monitorización: Sistemas que monitorizan el estado de salud de pacientes (alertas de deterioro, predicción de eventos adversos, seguimiento remoto).
• Tratamiento: Sistemas que asisten en decisiones terapéuticas (dosificación de fármacos, planificación quirúrgica, selección de terapias).

Estos sistemas están sujetos a obligaciones específicas tanto para sus proveedores (fabricantes) como para sus implementadores (centros sanitarios).

Los datos sintéticos son registros generados artificialmente que replican las propiedades estadísticas de los datos reales sin corresponder a ningún individuo real. Son especialmente valiosos en el ámbito sanitario porque:

• Permiten entrenar modelos de IA sin exponer datos de pacientes reales.
• Facilitan la colaboración internacional (sin transferencias de datos personales).
• Pueden amplificar datasets pequeños (crucial para enfermedades raras).
• Permiten corregir sesgos presentes en datos reales mediante generación dirigida.
• No están sujetos al RGPD al no constituir datos personales.

Tecnologías como las GANs (Generative Adversarial Networks) y los modelos de difusión permiten generar datos sintéticos de alta fidelidad que preservan las distribuciones clínicas relevantes.

Los sesgos algorítmicos en IA sanitaria pueden tener consecuencias graves: un modelo que infradiagnostica en ciertos grupos étnicos o de edad puede amplificar las desigualdades existentes en el sistema de salud.

• Sesgo de representación: Si el dataset de entrenamiento no refleja la diversidad de la población objetivo, el modelo rendirá peor en grupos infrarrepresentados.
• Sesgo de etiquetado: Los sesgos de los profesionales que etiquetaron los datos se transfieren al modelo.
• Sesgo de medición: Diferencias en la calidad de los datos entre centros o poblaciones.
• Mitigación: Auditorías de equidad periódicas, datasets equilibrados, datos sintéticos correctivos, métricas de equidad por subgrupos y comités de ética en IA.

Dentro del componente 18 del Plan de Recuperación, Transformación y Resiliencia de España, la inversión I06 destina €100 millones a la creación de un Data Lake Sanitario nacional. Esta inversión, financiada con fondos europeos NextGenerationEU, se estructura en dos tramos:

• Tramo 2022 (€35M): Diagnóstico de situación, inventario de sistemas de información sanitaria, definición de estándares de interoperabilidad y gobernanza federada.
• Tramo 2023 (€65M): Implementación tecnológica, integración de sistemas, desarrollo de capacidades analíticas y despliegue de infraestructura en las 17 CC.AA.

España ha adoptado un enfoque de gobernanza federada que reconoce las competencias sanitarias de las 17 CC.AA. Esto significa que:

• Cada CC.AA. mantiene el control sobre sus datos sanitarios locales.
• El Data Lake nacional establece estándares comunes de calidad, interoperabilidad y privacidad.
• Los datos se comparten mediante acuerdos de gobernanza, no mediante centralización forzosa.
• La gobernanza federada es prerequisito para cualquier tratamiento de alto riesgo con IA: sin un marco de gobernanza sólido, no se autoriza el despliegue de modelos predictivos sobre datos nacionales.

Un servicio de urgencias implementa un sistema de triaje inteligente que integra múltiples fuentes de datos en tiempo real para priorizar la atención de pacientes:

• IoT y sensores: Pulseras de monitorización capturan constantes vitales (SpO2, FC, TA, temperatura) desde la sala de espera.
• Feature Store: Las constantes vitales se transforman en features estandarizadas (tendencias, velocidad de cambio, desviaciones respecto a valores normales por edad y sexo).
• EIPD previa: Se realizó una Evaluación de Impacto antes del despliegue, identificando riesgos de sesgo por edad y definiendo mitigaciones.
• Supervisión humana con XAI: El profesional de triaje recibe la recomendación del sistema junto con una explicación visual (gráficos SHAP) de los factores que la fundamentan. Puede aceptar, modificar o rechazar la recomendación.
• Logging completo: Cada recomendación del sistema, la decisión final del profesional y los datos utilizados se registran para auditoría (cumplimiento RIA y RGPD).

Una red de 8 hospitales colabora en un modelo predictivo de reingresos hospitalarios a 30 días utilizando aprendizaje federado:

• Modelo federado: Los datos nunca salen de cada hospital. Solo se comparten los parámetros del modelo (pesos de red neuronal), protegiendo la privacidad de los pacientes.
• Linaje automatizado: El Data Lakehouse de cada hospital registra automáticamente qué datos alimentaron cada iteración de entrenamiento local.
• Auditoría de sesgo por edad: Se detecta que el modelo original tiene menor precisión para pacientes mayores de 80 años (subrepresentados en algunos hospitales).
• Datos sintéticos correctivos: Se generan datos sintéticos de pacientes octogenarios para equilibrar el dataset de los hospitales con menor representación.
• FRIAS (Fundamental Rights Impact Assessment): Se realiza una evaluación de impacto en derechos fundamentales según el RIA, documentando las medidas de equidad implementadas.

Un hospital implementa un sistema de NLP (Procesamiento de Lenguaje Natural) para automatizar la codificación CIE-10 de informes de alta:

• NLP para codificación CIE-10: El sistema lee informes de alta en texto libre y propone automáticamente los códigos CIE-10 correspondientes a diagnósticos y procedimientos.
• Seudonimización: Antes del procesamiento NLP, un pipeline automatizado reemplaza identificadores directos (nombre, DNI, NASS) por tokens reversibles, permitiendo la reconstrucción del informe original cuando sea necesario.
• Auditoría de origen: Se documenta que el modelo NLP fue entrenado con informes de alta cuyo uso para entrenamiento de IA estaba amparado por la base legal de interés público en salud pública.
• Rol del técnico como supervisor/validador: El Técnico Superior en Documentación Sanitaria actúa como supervisor del sistema:
  • Revisa las propuestas de codificación del sistema antes de su validación final.
  • Detecta errores de codificación y alimenta el sistema con correcciones.
  • Verifica que la seudonimización se aplicó correctamente.
  • Documenta las tasas de acierto y error del sistema para su auditoría periódica.