Description
La IA tiene el potencial de mejorar la salud de las personas, acelerar la investigación clínica y biomédica para responder a preguntas científicas y retos en el sector de sanitario, así como proveer de servicios asistenciales más eficientes y reducir costes de forma sustancial. Sin embargo, no podemos explotar este potencial porque, aunque España y Europa almacenan grandes cantidades de datos en sus servicios públicos de salud, la información se encuentra en silos de datos aislados no vinculados entre si. La adopción de herramientas deIA en sanidad se ve frenada por la falta de datos con un volumen apropiado para crear modelos precisos, ya que los datos de una única institución no son suficientes para entrenar de forma efectiva un modelo. Para las organizaciones sanitarias es muy complejo compartir datos con fines de investigación en colaboración con otras entidades debido a las normativas legales en privacidad y seguridad y las políticas internas de cada centro. Los modelos de IA actuales se generan utilizando una arquitectura centralizada. Este tipo de almacenamiento de datos presenta riesgos de privacidad y seguridad, un riesgo no asumible por los hospitales. La dificultad es mucho mayor en nuestro sistema sanitario con susrespectivos Servicios Autonómicos de Salud. Otro problema es la falta de validación clínica de las aplicaciones de IA que no incorporan elconocimiento de los profesionales de la salud, con lo que la tecnología no da los resultados esperados, produce resultados sesgados y además no se integran en el flujo de trabajo de los usuarios finales.
Nuestro reto es crear un ecosistema que canalice la actividad de investigación, permita construir herramientas de IA sobre los datos de forma conjunta y segura, dar confianza a los profesionales y crear un mercado competitivo en España y Europa para fomentar la creacióny el crecimiento de empresas. Nuestra ambición es investigar en Redes de Aprendizaje Federado para romper los silos dedatos de los centros asistenciales, permitiendo crear modelos de IA mucho más robustos, y ello asegurando que los datos permanecen en el datacenter de su centro. El aprendizaje federado es una forma de computación distribuida cuyo objetivo es preservar la privacidady confidencialidad de los datos.
