La IA busca su salto real en Oncología: de los pilotos al liderazgo europeo

La inteligencia artificial (IA) ya ha dejado de ser únicamente una promesa en Oncología. Su aplicación alcanza desde la investigación y el descubrimiento de nuevas dianas terapéuticas hasta el diagnóstico, el análisis de imagen, la selección de pacientes para ensayos clínicos o la gestión de información asistencial. Sin embargo, el verdadero desafío no está ya únicamente en desarrollar algoritmos cada vez más sofisticados, sino en conseguir que las soluciones que demuestran su utilidad abandonen los proyectos aislados y puedan incorporarse de forma segura, homogénea y escalable al sistema sanitario. Esta ha sido una de las principales conclusiones del debate 'El Futuro de la Oncología Médica: Innovación en IA y Digital', organizado por Redacción Médica con la colaboración de Bristol Myers Squibb (BMS), en el que representantes de la práctica clínica, la Administración, la industria farmacéutica y la consultoría han analizado las oportunidades y barreras que acompañan al despliegue de esta tecnología.

El punto de partida ha generado un amplio consenso entre los participantes: la IA debe convertirse en una herramienta al servicio del profesional, pero no reemplazarlo. "La inteligencia artificial tiene que ser un copiloto del oncólogo y no debe ser un sustituto de su decisión clínica ni, obviamente, de la relación médico-paciente", ha defendido Fernando Granell, director de la Unidad de Negocio de Oncología y director general interino de Bristol Myers Squibb España y Portugal. Desde su perspectiva, esta tecnología ya permite apoyar ámbitos como el diagnóstico molecular o la estratificación de biomarcadores para seleccionar tratamientos específicos desde el inicio. De hecho, BMS trabaja con IA en investigación y desarrollo para descubrir dianas terapéuticas y detectar nuevas moléculas, además de participar en proyectos relacionados con modelos predictivos del riesgo de ingreso urgente de pacientes oncológicos o la identificación automatizada de candidatos para ensayos clínicos. Por ello, el desafío actual está más allá de la capacidad tecnológica. "El reto es tratar de integrarla en el proceso asistencial oncológico. Una herramienta que aporta fricción no se va a adoptar, por muy potente que sea el algoritmo", ha advertido.

Una IA que libere tiempo para el paciente

La visión de la IA como apoyo también se extiende a la práctica clínica. Javier de Castro, jefe de la Sección de Oncología Médica del Hospital La Paz y presidente de la Sociedad Española de Oncología Médica (SEOM), ha puesto el foco en una vertiente que trasciende la tecnología: su capacidad para contribuir a una atención de mayor calidad y más humana. "En la atención sanitaria y, por supuesto, en la Oncología, hay una parte que tiene que ver con esa herramienta tecnológica que lleva realmente a una mejora en la humanización de la atención. Calidad y humanidad son dos aspectos en los que la inteligencia artificial nos puede ayudar mucho", ha señalado.

El especialista ha destacado sus posibilidades desde el propio diagnóstico, mediante el análisis de imagen radiológica y de anatomía patológica, hasta la medicina de precisión y los estudios genéticos necesarios para caracterizar los tumores y orientar los tratamientos. Pero también ha puesto el foco en su potencial para reducir la carga administrativa que recae sobre los profesionales y recuperar tiempo para la relación con el paciente: "Tenemos consultas muy sobrecargadas, donde muchas veces el personal sanitario pasa a realizar labores burocráticas que no deberían. Este diálogo que nos demandan muchas veces los pacientes creo que la inteligencia artificial va a ser clave para desburocratizar esta relación entre el médico, o todo el personal sanitario, y los pacientes".

Enrique Grande, jefe de la Unidad de Oncología Médica del Hospital Ruber Internacional Quirónsalud, coincide en este punto. "Queremos dedicarle nuestro tiempo al paciente, mirarle a los ojos y realmente entender cuáles son sus necesidades. La IA nos va a dar ese tiempo, espero, para tenerlo de calidad con el paciente", ha afirmado. Además, ha añadido otra oportunidad: la "democratización de la Medicina", de forma que el acceso al conocimiento no dependa de que el profesional se encuentre en un hospital terciario o en otro centro.

Desde la Administración, el foco está en delimitar qué decisiones puede asumir la IA y cuáles deben seguir en manos del equipo clínico. Nuria Ruiz, directora general de Salud Digital de la Consejería de Digitalización de la Comunidad de Madrid, ha concretado algunas tareas en las que la IA pueden ejercer ese papel de copiloto: priorizar estudios con hallazgos sospechosos, detectar y segmentar lesiones, comparar pruebas sucesivas, estimar riesgos, estructurar información dispersa, alertar de cambios relevantes o apoyar la selección de pacientes para determinadas pruebas y circuitos. Sin embargo, marca una frontera: "El diagnóstico definitivo, la indicación terapéutica y la valoración de la situación global del paciente deben seguir bajo la responsabilidad del equipo clínico". Un algoritmo, ha explicado, no puede ponderar por sí mismo las comorbilidades, preferencias, entorno familiar, fragilidad u objetivos vitales de una persona ni sustituir la conversación clínica y la decisión compartida.

El mismo rigor clínico que para un medicamento

Sin embargo, que una herramienta sea capaz de ofrecer resultados no basta para incorporarla a la asistencia. Uno de los grandes consensos del debate ha sido precisamente la necesidad de trasladar a la IA una cultura de evaluación clínica rigurosa. Granell ha reclamado el mismo rigor que se exige a un medicamento, con validación clínica, reproducibilidad y resultados en salud para el paciente, y no únicamente precisión tecnológica. Entre los indicadores relevantes ha situado la precisión diagnóstica, la reducción de la variabilidad clínica entre distintos centros y la experiencia del paciente. La diferencia, ha matizado, es que el sistema de evaluación debe adaptarse a la propia naturaleza de la tecnología: "Tenemos que crear un marco de regulación o de evaluación adaptado a un software que está evolucionando de forma continua. No es el mismo que aplicamos para un fármaco con una ficha técnica fija".

A esa validación inicial se suma otro requisito para dar el salto de un proyecto concreto al conjunto del sistema. Granell ha defendido la necesidad de generar "evidencia comparativa entre centros o entre comunidades autónomas" que permita comprobar que aquello que funciona en un entorno determinado también es escalable y extrapolable al resto del Sistema Nacional de Salud.

De Castro ha incidido igualmente en la necesidad de comprobar que los resultados ofrecidos por algoritmos que en ocasiones funcionan como "cajas negras" sean fidedignos, reproducibles y reales. A ello se suma la dimensión ética, la anonimización, la protección de los datos y la necesidad de conocer para qué van a emplearse. Tampoco se podría dejar atrás el papel de las sociedades científicas para ayudar a definir el camino de adopción. "Cualquier proyecto tiene que tener una transferencia de valor y, lo más importante, una adopción a la práctica, porque, si no hacemos esa adopción, nos quedaremos en una teoría", ha resumido de Castro.

Una imagen a seguir es la Comunidad de Madrid, que sigue un proceso escalonado antes de incorporar modelos de IA. Cuando un centro sanitario público plantea un proyecto, se realiza primero una evaluación funcional por parte de la Consejería de Sanidad y, si se considera que responde a una necesidad y puede aportar valor, pasa a una valoración funcional más profunda, técnica, de protección de datos y de seguridad de la información. A ello se suma la evaluación de la Oficina Técnica de Impulso de la Inteligencia Artificial. "La incorporación no puede decidirse únicamente por la precisión de un algoritmo en un estudio inicial, sino que necesitamos una evaluación que sea escalonada: validación técnica y clínica, prueba en entorno asistencial real, seguimiento tras el despliegue y reevaluación periódica", ha detallado.

El proceso no termina con el despliegue: "Hay que hacer auditorías y reevaluaciones periódicas porque que funcione en un entorno concreto, en un hospital concreto, con una población determinada, no quiere decir que vaya a funcionar en otro hospital, con distintas características y con distinta población".

El problema ya no es la falta de algoritmos

Para Jaime del Barrio, asesor sénior de Salud y Ciencias de la Vida en EY, la situación actual refleja precisamente una diferencia entre la evolución de la tecnología y la capacidad del sistema para absorberla. "La madurez tecnológica es alta; la madurez organizativa y sistémica es baja", ha sintetizado. En su opinión, la transformación estructural ya resulta inevitable, pero todavía se encuentra en una fase temprana de generalización. "El reto ahora mismo ya no es inventar más y más soluciones, diría que ya hay demasiadas, sino conseguir que estas funcionen de manera estándar". Del Barrio identifica cuatro elementos fundamentales para conseguirlo: calidad y gobernanza del dato, interoperabilidad semántica y técnica, transparencia y liderazgo institucional.

"El principal problema no es la falta de algoritmos, el principal problema es que el ecosistema no está preparado para su uso", ha advertido. Para el asesor de EY, no basta con compartir información: los sistemas tienen que ser capaces de "utilizar el mismo idioma", contar con modelos comunes de evaluación y determinar quién asume las responsabilidades.

La calidad del dato constituye otra de las piezas esenciales. Ruiz explica que la Oncología necesita información longitudinal y multimodal que integre antecedentes personales y familiares, anatomía patológica, imagen, biomarcadores, genómica, tratamientos y dosis, toxicidades, respuesta, comorbilidades, medicación, resultados en salud y medidas comunicadas por los propios pacientes. "El valor aparece realmente cuando toda esa información está relacionada a lo largo del proceso asistencial", ha señalado.

Trazabilidad, ausencia de sesgos y equidad

La extensión de estas herramientas tampoco puede producir nuevas diferencias dentro del sistema. Granell ha considerado que "la trazabilidad y la ausencia de sesgos no son negociables" y ha advertido de que el despliegue de la IA no debe ampliar las desigualdades. "Tenemos que ser capaces de que esa colaboración público-privada sea la palanca verdadera para llevar la innovación oncológica a todos los pacientes, no solo a los que están en centros de referencia", ha afirmado.

La equidad también forma parte de los indicadores que la Administración madrileña considera necesarios para evaluar estas soluciones. Así, Ruiz defiende que los pacientes no deben disponer de servicios distintos en función del área sanitaria a la que pertenezcan y que los profesionales deben poder trabajar en condiciones equivalentes.

El escenario se completa con el reto de la interoperabilidad completa este escenario. De Castro ha señalado que España presenta un "problema de interoperabilidad muy claro" y ha considerado que el desafío estructural digital es "absolutamente clave". A su juicio, la regulación debe garantizar la protección y confidencialidad sin convertirse en una barrera que impida avanzar.

En este escenario, Del Barrio ha otorgado un papel especialmente relevante a la transparencia: "Quién hace qué, para qué y qué resultados tiene". A su juicio, la ventaja competitiva tampoco estará en disponer de un mayor volumen de información, sino en la capacidad de integrarla: "Esto no va de volumen, sino de quién sea capaz de integrar los datos mejor"

Una regulación que permita avanzar

La regulación ha ocupado buena parte de las barreras identificadas durante el debate. Para Granell, debe convertirse en "un habilitador de confianza" y no en un freno. La industria necesita, según ha defendido, "un marco claro, predecible" que permita invertir con seguridad. Al mismo tiempo, considera que los modelos actuales de compra pública no siempre encajan con unas soluciones digitales que evolucionan continuamente, por lo que ha planteado fórmulas de contratación "más flexibles" y orientadas a resultados. En ese sentido, el marco regulatorio farmacéutico europeo y español también debe "reconocer cada vez más el papel creciente del software y de la inteligencia artificial en el proceso asistencial oncológico, no solo como un elemento accesorio".

Sin embargo, Ruiz rechaza que gobernanza sea sinónimo de freno. "Una transformación digital no solamente es tecnológica", ha subrayado. Y es que, la implantación de una plataforma o de un modelo de IA debe acompañarse de una modificación del proceso asistencial y de una adecuada gestión del cambio por lo que la adaptación del propio profesional constituye otra barrera. "No te puedes ni imaginar las reticencias que tiene mucha gente cuando le pones esa herramienta de inteligencia artificial delante. No sé si es porque piensa que va a ser reemplazado en poco tiempo", desarrolla Grande. Para evitar esa reticencia, considera necesaria una reorganización de la forma de trabajar en la que el profesional siga siendo responsable de validar las decisiones.

De financiar proyectos a financiar resultados

La sostenibilidad económica representa otro de los escalones necesarios para que las soluciones tecnológicas abandonen el piloto y para conseguirlo, Granell ha defendido un cambio de enfoque: "Tenemos que pasar probablemente de financiar proyectos a financiar resultados". Los modelos orientados al valor y a los resultados de los pacientes son, a su juicio, los que pueden sostener la adopción de la IA en el tiempo. Esta transformación también puede alcanzar a los medicamentos. Granell ha apuntado que su financiación estará cada vez más ligada a los sistemas de información y a los datos que la IA pueda extraer de su utilización en vida real.

Reducir la incertidumbre sobre la eficacia y seguridad de un medicamento en condiciones reales puede, según ha explicado, contribuir además a agilizar los procesos de negociación de precios. Para ello ha vuelto a situar la colaboración público-privada, acompañada de transparencia y buen gobierno, como vía para financiar la escalabilidad sin comprometer la sostenibilidad del sistema. La cuestión de cuánto esperar antes de desplegar estas herramientas ha atravesado el debate. Grande lo ha resumido con una comparación deportiva. Para el oncólogo, ese avance exige dejar atrás una actitud excesivamente cautelosa y empezar a probar estas herramientas en condiciones reales, siempre con reglas claras. Lo ha ilustrado con una metáfora deportiva: la IA es como "un jugador muy bueno en el banquillo" que tiene 17 años y al que hay que dar la oportunidad de jugar. "Hay que ponerla a jugar. Con ciertas reglas [...], pero vamos a ponerla a jugar, no la tengamos en el banquillo", ha defendido.

Ese salto a la práctica, no obstante, debe contar con los profesionales desde el inicio. Del Barrio ha reclamado que médicos y sociedades científicas participen en el diseño de estas soluciones y no se limiten a valorar después si funcionan en la asistencia. "Yo no estoy para evaluar luego si lo que han hecho otros sirve o no sirve a la vida real, al paciente, al sistema; yo quiero estar desde el diseño", ha señalado.

La necesidad de incorporar estas herramientas también responde, según De Castro, a una complejidad clínica cada vez mayor. El oncólogo ha advertido de que los métodos tradicionales empiezan a quedarse cortos para interpretar determinados volúmenes y combinaciones de información. "Ya no podemos analizar un ensayo clínico mediante la estadística convencional", ha afirmado, antes de aludir a combinaciones de alteraciones genéticas que "posiblemente nos escapan al cerebro humano". En ese terreno, considera que la IA puede ayudar a identificar patrones y relaciones que no resultan visibles con los métodos habituales.

El riesgo de quedarse en pilotos aislados

El cierre del debate ha llevado el foco desde las posibilidades concretas de la IA hacia la posición que España puede ocupar en esta transformación. La directora General de Salud Digital de la Consejería de Digitalización de la Comunidad de Madrid ha advertido de un doble riesgo: avanzar demasiado despacio y perder oportunidades de diagnóstico precoz, personalización terapéutica y eficiencia, pero también acelerar sin una gobernanza adecuada. "Una solución que no esté validada, que esté mal integrada o poco transparente, puede generar daño, desconfianza y nuevas cargas para los profesionales", ha afirmado.

Desde la perspectiva de Del Barrio, el principal riesgo se encuentra en el ámbito asistencial y ha considerado que España reúne condiciones para liderar el contexto europeo en Oncología de precisión basada en datos e inteligencia artificial. "La cuestión ya no es si la IA va a transformar la Oncología, es si, mientras se transforma, nosotros miramos para otro lado o damos ese paso hacia adelante", ha señalado. Granell ha condensado esa disyuntiva en el reto de convertir las experiencias concretas en una transformación de mayor alcance. "El principal riesgo es que España pierda una ventana de liderazgo si la inteligencia artificial en oncología se queda en pilotos aislados sin poderse escalar", ha señalado.

La cuestión, por tanto, ya no pasa únicamente por demostrar que la IA funciona en aplicaciones concretas, sino por conseguir que esas experiencias trasciendan el centro en el que nacen y generen un impacto en el conjunto del sistema. Granell ha condensado esa disyuntiva en el riesgo de que España deje pasar el momento actual: "El principal riesgo es que España pierda una ventana de liderazgo si la inteligencia artificial en Oncología se queda en pilotos aislados sin poderse escalar". "Lo que necesitamos es poder escalar a otros niveles", ha incidido. Para ello, ha situado nuevamente la colaboración público-privada como "la palanca" para llevar la innovación oncológica a todos los pacientes y ha llamado a aprovechar el marco europeo y, específicamente, el Espacio Europeo de Datos Sanitarios, para que España pueda posicionarse como referente.