IA en la Operatividad de los Hospitales

Continuamos avanzando en esta jornada donde la innovación no sólo transforma la medicina, sino también la forma en que operan nuestras instituciones de salud. A continuación damos paso a nuestro tercer panel, la inteligencia artificial en la operatividad de los hospitales. Esta sesión será moderada por el doctor Héctor Sánchez Navarro, subdirector general del Hospital Metropolitano de Santiago.

Nos acompañan como panelistas el doctor Jaime Mañalich-Muxi, MD-MSC, FACP, ex ministro de salud del gobierno de Chile y académico de la Universidad Católica de Santiago. El ingeniero Luis Cruces, MBA, MFD y MDF de Jenner Healthcare, Chile Barra E University. Alex Cain, MS, fundadora y líder de IA de Empresa y ex directora de Estrategia Comercial para el sector salud de Amazon Web Services.

Y el doctor Marcos Hernández, director médico del Hospital Universitario de la Princesa en Madrid, España. Un panel que nos permitirá entender cómo la inteligencia artificial está optimizando procesos, mejorando la eficiencia y redefiniendo la gestión hospitalaria. Bueno, bienvenidos nuevamente.

Después del almuerzo, yo espero que estén con nuevas pilas y con ganas de seguir aprendiendo. Ahora me permito yo presentar a los panelistas que están aquí presentes. Vamos a empezar por la señorita Alex Cain, que nos visita desde los Estados Unidos.

Vamos a hablar en un panel muy interesante sobre todos los gestores y directivos de hospitales y centros de salud. Tenemos expertos acá que tienen tiempo manejando hospitales y hablando de las consideraciones de la aplicabilidad al sector salud en las prestadoras de servicios de salud. Y esta herramienta nos sirve a nosotros para pensar en productos novedosos que podemos poner a la disposición de nuestros pacientes.

Entonces, actualmente la señorita Alex Cain es una líder en la inteligencia artificial aplicada a la salud con sede en los Estados Unidos y fundadora de Cain Advisory Collective, donde ayuda a empresas de tecnología sanitaria a escalar la adopción de la inteligencia artificial en los sistemas de salud. Anteriormente lideró la estrategia empresarial de ADOC y la comercialización en el sector salud en Amazon Web Services, enfocándose en la gobernanza, la adopción y el impacto real de la inteligencia artificial en entornos clínicos. De igual manera tenemos al doctor Jaime Mañalich desde Chile.

El doctor, médico internista y nefrólogo de la Universidad de Chile, con máster en epidemiología clínica y economía en la salud por McMaster University en Canadá, y fellow del American College of Physicians. Construyó una trayectoria de más de tres décadas entre la alta complejidad clínica y la gestión institucional, jefe de nefrología en el Hospital Clínico Universidad de Chile, director médico y médico gerente de la clínica Las Condes, y ministro de salud en dos periodos, 2010-2014, 2019-2020. Hoy se desempeña como académico de la Escuela de Administración de la Universidad Católica de Chile e investigador senior en CLAPES UC, Universidad Católica, combinando rigor académico con influencia directa en la política pública sanitaria regional.

Autor de más de 15 publicaciones científicas indexadas y referente en gestión de riesgos institucionales en salud. Y también tenemos acá al señor Luis Cruces Espejo, es un estratega en salud, ejecutivo del sector de dispositivos médicos con más de 25 años de experiencia, liderando innovación, transformación en calidad y adopción de tecnologías quirúrgicas avanzadas en América Latina. A lo largo de su trayectoria ha trabajado con compañías globales como Medtronic, Boston Scientific, Gore Medical, Maquette y Olympus, participando en procesos de introducción tecnológica y en expansión regional en entornos altamente regulados y competitivos.

Es ingeniero comercial en la Universidad Tecnológica Federico Santa María, MBA por la Universidad del Desarrollo en conjunto con Dobson College y posee un Máster en Dirección Financiera por la Universidad Adolfo Ibañez. Actualmente es candidato al Doctorado de Administración de Empresas en la EF Business School de Madrid, España, una de las escuelas de negocios tier 1 a nivel mundial. Se desempeña como CEO de Jenner Healthcare en Chile, CEO de Dollhouse Jenner en República Dominicana y CEO de Admente Axis, donde impulsa el diseño de un sistema sanitario resiliente, la integración de la inteligencia artificial y datos clínicos y la implementación de estrategias con estándares de calidad a lo largo de toda la cadena de valor.

Así que aquí los dejo, este es su espacio, vamos a tener unos minutos cada uno para que haga una presentación. Así que por favor Alex, usted la dama, vamos a empezar con usted. Gracias.

Hoy voy a hablar sobre el manejo de analíticas multidimensionales para la gobernanza AI efectiva. Voy a pasar por un estudio de casos de un dashboard de gobernanza de analíticas que lanzé durante mi tiempo en ADOC, una compañía de AI clínica. ADOC es una plataforma de AI clínica liderada por la industria.

Llevan a través de una orquestación de conocimiento de la anatomía para suplir resultados incidentales a través de múltiples especialidades. ADOC sirve a más de 1.600 hospitales en todo el mundo, a 60 millones de pacientes anualmente y ha desarrollado y desplegado 25 aplicaciones claras de FDA. Pero algo que identificamos como un problema en ADOC, fue que nuestros clientes del sistema de salud estaban perdiendo los datos y las analíticas para gobernar efectivamente a la AI a escala.

Así que lanzamos analíticas de ADOC porque los hospitales en ese momento solo podían ver métricas de desempeño y nada más. Y esto contribuyó a los desafíos existentes de gobernar a la AI, como el despliegue fragmentado de la AI a través del hospital con pilotos en diferentes departamentos y en diferentes equipos clínicos, fracasos regulatorios que varían por estado y país, adopción lenta debido a la limitación de conocimiento de cómo se utiliza la AI. Cuando los sistemas de salud intentaban recopilar este dato a sí mismos, era muy manual y tiempo intensivo.

El despliegue de datos es un gran desafío, ya que los datos se introducen en el algoritmo y cambian con el tiempo. Y potencialmente una falta de liderazgo cuando inviertes en la AI debido a la incapacidad de demostrar una prestación sistemática. Entonces, la gobernanza basada en datos responde a algunos de estos desafíos.

Y lanzamos analíticas de ADOC porque la gobernanza no es solo un comité, una lista de datos o un conjunto de políticas. Es el sistema operativo para tomar decisiones de la AI. ¿Y qué es esto? La gobernanza basada en datos permite el monitoreo real-time continuo de despliegue de la AI.

Nos permite optimizar proactivamente la superficie para mitigar los riesgos subterráneos. Y demuestra valor a través de la empresa, no solo desde el punto de vista de la prestación, sino hasta los métricos clínicos y operacionales relacionados con las iniciativas de la AI. Ahora, esto no quiere decir que los métricos de prestación no son una parte importante de la gobernanza de la AI.

Son absolutamente claves. Y ADOC incorporó métricos de prestación en demanda en una manera longitudinal para asesorar la prestación del algoritmo con el tiempo. Los algoritmos no cambian, pero los ingresos de datos en esos algoritmos cambian y eso afecta a la prestación del modelo.

Llamamos esto el despliegue de datos. Así que cosas como la codificación de la prestación o la nomenclatura médica y otros ingresos de datos, esos cambian con el tiempo, afectando la salida de la AI. Y con un dashboard longitudinal que compara métricos de prestación mes en mes, seis meses en seis meses, y métricos de prestación, esto da oportunidades a la liderazgo en el hospital para intervenir cuando vean variaciones en la prestación y identificar potencialmente donde se han movilizado los datos y mitigar ese desafío.

Con la vista longitudinal, el dashboard también permitió a los líderes despliegarse a diferentes niveles de prestación. Así que pudieron ver la prestación algorítmica de la empresa. Pudieron verlo por departamento, por caso de uso, hasta la prestación algorítmica específica.

Y se puede tener el mejor modelo y el mejor dato, pero si no sabes quién lo está usando y cómo lo está usando, te encuentras en un lugar muy abierto. Y aquí es donde se introdujeron métricas de prestación y acción. Estas métricas son claves para el uso responsable y la adopción de la AI.

Y con este dashboard pudimos monitorear no solo quién estaba usando la AI, sino cómo lo estaba usando. Entonces, cuando recibieron una prestación y un alerta de un algoritmo de prestación que dijo que se debería mirar esta parte del cerebro para un potencial aneurismo. Bueno, ¿cómo estaba el clínico actuando en ese respaldo? ¿Estaban actualmente incorporando la prestación de la AI a su decisión clínica, a su reporte de radiología? ¿Dónde iba el conocimiento? Y para aquellos que no estaban utilizando la herramienta, la pregunta fue, ¿por qué? Y entonces, estas métricas dieron a la liderazgo la oportunidad de tener intervenciones objetivas para abordar a los usuarios y a los usuarios que no estaban o no estaban actualmente involucrados en la solución para promover la adopción con estos aprochos objetivos.

Ahora, el dato cuantitativo es definitivamente la espalda de la gobernanza AI efectiva, pero el dato cualitativo añade otra dimensión. Y aquí es donde introducimos el feedback anecdótico. Este dashboard permitió a los usuarios identificar positivos y falsos, no analizar casos, y también proporcionó inpuesto de texto libre, donde recibimos un montón de comentarios diferentes.

Algunas personas dijeron, me encanta esto, me ayudó a salvar la vida de un paciente, esto está cambiando mi vida, sigamos. Y otras veces recibimos comentarios que decían que no recibíamos lo que necesitábamos del producto, o que esto era confuso. Y este tipo de feedback permite a los sistemas de salud identificar las paredes productivas y advocar por innovaciones.

Y también ofrece superusuarios. Entonces, cuando estoy hablando de la persona que dice, me encanta esto, ha cambiado mi vida, podemos acercarnos a esos usuarios y ayudarles a convertirse en campeones para el producto para promover la adopción entre sus compañeros, en lugar de simplemente una aproximación superior a la adopción AI. Ahora, la pregunta más grande, normalmente, es, ¿cómo impacta la AI en el cuidado del paciente? Y esto es clave para cualquier modelo de gobierno, sin importar cómo se aproxime, para obtener esa respuesta.

Y con nuestro dashboard de analítica, pudimos conectar las salidas de la AI a métricas clínicas y operacionales. Entonces, estas métricas conectan la AI a la ROI holística que el hospital está experimentando. Entonces, pudimos entender cómo la AI podía demostrar métricas clínicas y operacionales como la longitud de estado, el tiempo de volumen, el tiempo de intervención, el ritmo de reacción.

Y estas métricas van muy lejos de la performance del algoritmo y, en realidad, permiten a líderes a nivel clínico, pero también, importante, a nivel ejecutivo, asesorar la efectividad de la AI en la entrega de valor actual para la organización. Entonces, esta es una oportunidad para la liderazón para compartir reportes y compartir la ROI holística con sus ejecutivos, para demostrar el valor, para continuar recibiendo inversión en la AI y, esperamos, expandir el uso y la adopción de la AI a través de la organización. Por último, os dejaré con esto.

La gobernación basada en datos es a la hora de retirar los ojos. No puedes gobernar lo que no puedes ver y no puedes escalar lo que no puedes gobernar. Muchas gracias.

Podemos, vamos. Parto por mostrarles en esta presentación a unos primos hermanos lejanos míos que están dándose un beso. ¿Y por qué traigo esto? Cuando fui a formarme en Canadá, en la Universidad de McMaster, que a la pasada, y tiene relación con lo que estamos hablando hoy día, es la cuna de la medicina basada en evidencias.

David Sackett y otros, Gordon Gayard, ahí fue la catedral donde partió el bautismo de la medicina basada en evidencias, y no ya en opiniones que el profesor cree, que el maestro… No, no, no. Esto es medicina basada en datos. ¿Y por qué traigo esta imagen? Primero, para despertarlo.

Y segundo, para contarles una experiencia traumática de la que nunca me he recuperado y la repito. Y esta experiencia traumática es que en un trabajo de estadística, de bioestadística, cuando me tocó hacer mi primera presentación allá en McMaster, hice una respuesta y el profesor, que era un doctor en física nuclear, que hacía estadística, me dice, Kiss. What do you mean by that? Kiss.

Keep it simple, stupid. Keep it simple, stupid. Y desde allí, no es cierto, he tenido la tendencia a simplificar, a simplificar, y como hago muchas clases, muchas cosas así, trato de ir a lo simple.

Y en ese contexto, en lo que estamos hablando hoy día, parto por lo simple. Y evoco la tierra de sus ancestros, profesor. Esto es lo que queda del templo de Apolo en Delfos, donde estaba el oráculo de Delfos, donde efectivamente los ciudadanos de la comunidad griega, de Atenas en particular, iban a peregrinar y preguntar a las sacerdotisas del templo, ¿cuál es mi futuro? ¿Qué me espera a mí? ¿Cómo me va a ir en esta batalla? ¿Cómo me va a ir? De hecho, Homero nos cuenta que Agamenón, antes de ir a, estoy en lo correcto, antes de ir a Troya, por Helena, fue a consultar el oráculo.

Y lo que es interesante es que allí había sacerdotisas, se hacían sacrificios, en fin. Pero en el frontospicio, o sea, arriba de… Esto ya no existe. En el templo de Apolo decía esta frase, que les traduzco por si no saben griego.

Y dice esta frase, Conócete a ti mismo. Conócete a ti mismo. Primera clave para entender administración de hospitales.

¿Qué tiene que ver esto? Administración de hospitales, conócete a ti mismo, a ti, a tu institución, a tu organización, qué es, cómo es, qué fortalezas tiene, antes, no es cierto, de ir más allá. Conócete a ti mismo. Y por eso, yo fui gerente y director de una clínica muy importante, la segunda de América Latina a ser reconocida por la Joint Commission, después del Albert Einstein.

Yo aprendí en ese tiempo, que uno puede tener papeles, datos, que se yo, pero la forma más eficaz de administrar un hospital, complejísimo, es managing by walking. Caminar, caminar, caminar. Y ver, no es cierto, cómo se compara los papeles que a uno le pasan, intermediar con la realidad, con el hablar con alguien, con escuchar un consejo, con escuchar sugerencias, reclamos, incluso de los propios pacientes.

Conócete a ti mismo. Y en ese sentido, se perdió la presentación. ¿Hago algo aquí o no? En ese sentido, al manejar, uno caminando aprende managing by walking.

Y de hecho, para el gran espanto de algunas de las presentes, el día domingo en la mañana, yo me fui a pasear solo, caminando, por la hermosa ciudad que nos acoge. Sin guardias, me miraron y me dijeron, ¿qué estás haciendo? Fue una experiencia extraordinaria recorrer vuestra hermosa ciudad durante varias horas. Y paseando por la ciudad, esto no tomé una foto yo, la saqué de Google.

Paseando por la ciudad, uno mira este equipamiento, esta tecnología, que está allí para resolver problemas, para resolver problemas, roces, asperezas. La gente que trabaja en la ciudad vive al otro lado del río. Y, por lo tanto, tenía, antes de esta tecnología que se impuso en esta hermosa ciudad de Santiago, este andaribel y ese puente que se parece al Golden Gate, efectivamente tenía que hacer un trayecto.

Entonces vino alguien ingenioso y dijo, ¿por qué no ponemos un puente y ponemos un teleférico? Esto, la ingeniería ayudando a los problemas, es algo clave en la administración de los hospitales. Yo, mi managing by working, lo hacía después siempre con un ingeniero informático, con un ingeniero de sistema, porque tenía una agilidad. Nosotros siempre hemos hecho esto así, típico del mundo clínico.

Siempre hacemos las cosas así. Y aparece alguien distinto y dice, ¿y por qué no lo hacemos de esta otra manera? ¿Por qué no cortamos por aquí? ¿Por qué no ponemos un puente? ¿Por qué no hacemos esto para ahorrarle a las personas no sé cuánto tiempo de traslado para llegar a su trabajo y ser mucho más eficiente? De manera tal que, desde el inicio de los tiempos, los seres humanos somos resolvedores de problemas. Esa es nuestra característica más importante por la cual hemos sobrevivido, hemos crecido.

Porque si no fuera por eso, nuestra debilidad biológica frente a otros depredadores nos habría hecho desaparecer de la faz de la Tierra. Va a ocurrir igual, pero ahora por responsabilidad nuestra. Nosotros vamos a ser la especie que va a durar menos en la superficie de la Tierra comparado con los dinosaurios, con cualquier otro.

Pero gracias a nuestro propio ingenio y nuestra capacidad para resolver problemas a veces con muy malos resultados. Entonces, administrar el hospital era los datos, pero que los datos tuvieran consistencia con lo que uno miraba con sus propios ojos. Me tocó ser Ministro de Salud, como se mencionó, en dos oportunidades.

Y tuvimos que enfrentar, en uno de esos períodos, un desafío mayúsculo, siendo Ministro de Salud. En diciembre del año 2019, yo era Ministro de Salud. Y empezamos a escuchar que algo raro estaba pasando en Europa, que se estaba muriendo mucha gente, que parece que había una epidemia de influenza, de SARS, dijeron, desde Europa, España, Francia e Italia, Norte de Italia, que es lo que está pasando.

Hasta que China dijo, mire, tenemos un problemita, 31 de diciembre del año 2019, tenemos un pequeño problema, es que ha aparecido una forma nueva de neumonia que yo creí que era SARS, o sea, la epidemia del año 2003, con una letalidad muy alta, más del 10%. Hablo con el Presidente de la República, Sebastián Piñera, y le presento el día 5 de enero, le digo, mire, tenemos unos problemitas acá, enfrentar esto. Y él, curiosamente, me tomó en serio, cosa bastante rara que un Presidente de la República tome en serio, no solo al Ministro de Hacienda, sino también al Ministro de Salud.

Tenemos un problema. ¿Y qué calcula usted que va a pasar? Mire, yo creo que esto va a significar más de 100.000 muertos en enero. Más de 100.000 muertos, ecuaciones diferenciales, epidemiología como ciencia, en fin, calculadora, y por lo tanto tenemos que prepararnos para esto.

Entonces, él dice una cosa súper simple, fácil. Me dice, ¿sabe, Ministro? Yo le doy una sola misión, que en Chile no enfrentemos el dilema de la última cama. Vale decir, cualquier persona que necesita una unidad de tratamiento intensivo, que necesita un respirador, lo va a tener.

Y usted es responsable de esto. Presidente, nosotros tenemos 800 camas de tratamiento intensivo en el país con respirador, y calculamos que necesitamos por lo menos 5.000. Bueno, resuélvalo. Ponga 5.000 y más unidades de tratamiento intensivo, cosa que logramos en seis meses, con respirador, con tecnólogo, porque aquí la misión es que no haya dilema de la última cama.

Para hacer esto, nosotros construíamos sábanas gigantescas de datos todos los días con los casos positivos, los fallecidos, dónde estaban, etcétera. Un esfuerzo monstruoso. Durante muchos días no dormíamos.

Yo llegaba, me despertaba, dormía entre la una y las tres de la mañana, y a las tres de la mañana teníamos que preparar el informe para tomar las acciones de control de la pandemia el mismo día, con el presidente de la República, a las siete de la mañana. Salud se transformó en la política fundamental del Estado en ese momento. Y como insisto, teníamos sábanas gigantescas con miles y miles de datos, con casos, fallecidos, no fallecidos, que teníamos que construir con filtros para tomar decisiones a partir de esos datos que generábamos en el momento, para poder decir, en tal parte vamos a poner cuarentena, acá un cordón sanitario, por allá, ¿no es cierto?, un dispositivo espacial, desde allá se van a transportar, Chile tiene una geografía muy extensa, muy difícil, en avión, ¿no es cierto?, en una unidad de tratamiento intensivo, en un avión voladora, para lograr… pudimos sistematizar un poco mejor estos… evidencia, estos datos, en los… en el proceso, este era un proceso construyéndose, hasta que llegó a nuestro auxilio el Departamento de Ingeniería de Sistemas de la Universidad de Chile y el Ministerio de Ciencia, quienes dijeron, mira, nosotros estamos haciendo un desarrollo de inteligencia artificial, en ese periodo, y creemos que podemos ayudarlos.

En ese momento la vida cambió radicalmente, porque toda la data la consumían ellos y nos analizaban y nos predecían, aquí hay que cerrar, aquí hay que hacer, etc. Esto fue tan extraordinario para nosotros y para los chilenos, que nos hicimos como país acreedores, estos son mapas de calor, con los que trabajamos, aquí hay muchos casos, pocos casos, que eran diseñados por ellos, cómo avanzaban, ¿no es cierto?, los casos del COVID, y, insisto, logramos, gracias a la ayuda de estos externos al mundo médico, importante, externos al mundo clínico médico, que el año 2022 se nos diera este premio en el primer lugar de esta institución por el uso de ingeniería de sistemas en el mundo, primer lugar, para el manejo de la pandemia del COVID. Nosotros, digamos, estudios internacionales, no nosotros, de la Universidad de Washington en Seattle, dicen que gracias a este apoyo de esta forma de inteligencia artificial primitiva, se salvaron en Chile 140.000 vidas, en un país, insisto, de 20 millones de habitantes, y quedamos reconocidos como uno de los países en América, que mejores resultados tuvo en el manejo de esta terrible enfermedad.

Lo segundo que aprendí de David Sackett, ya en la medicina basada en evidencia, es, yo creo, tú crees, mira, me dijo un día, esta es una frase no de él, pero me dijo esta expresión, mira, en Dios, en Dios sí confiamos, pero todos los demás tienen que traer datos. O sea, en Dios, de acuerdo, ya, ahí confiamos, hasta aparece en el billete de dólar, ¿no es cierto? En Dios confiamos, pero todos los demás, por favor, traigan los datos, porque si no, no hay confianza. Y perdón que ponga esto con un énfasis muy especial, porque esto es el paradigma cultural hoy día, sin datos y sin proceso de datos, no hay progreso en la administración de salud, y los datos existen, o sea, lo que nosotros aprendimos, lo que yo aprendí en la clínica, es que los datos existen.

Nosotros empezamos a calcular el día tal, después de año nuevo, cuántos casos vamos a tener en el servicio de urgencia de la clínica. Mira, no tenés ni idea, yo creo, tú crees, esto significa dotación de personal, stock, etc. Bueno, mirando los datos anteriores de cada año, del primero de marzo, del primero, 2 de enero, en realidad, podíamos predecir cuál iba a ser la carga asistencial, y responder a ese requerimiento, insisto, con datos que estaban ahí, que no había que inventarlo, no había que ir a buscarlo, sino que eran datos del conócete a ti mismo.

O sea, aquí está la información que tú necesitas, y quiero insistir, señor gerente, usted tiene todos los datos para administrar su hospital, que están aquí, están aquí. O ahí. Y entonces usted puede hacer, y ya lo hace, lo sé, porque este es un hospital digital desde el inicio, puede hacer predicciones, cálculos, en fin.

Un área a la que quiero dar especial importancia, dado las personas que vienen después a hablar acá, es que hay que construir datos apropiados para los seguros. Los dueños de los pacientes hoy día son los seguros, son los que toman las decisiones en nombre de los pacientes. La libertad de los pacientes cada vez está más restringida.

Y en ese contexto hay que elaborar datos que no digan solo, mira, yo soy más barato, sino que en relación a esta condición de salud, si tú te vienes a operar a este hospital, HOMS, con cirugía robótica, digámoslo así, resulta que el valor presente o el ahorro presente de lo que significan todas las complicaciones, y esa es la única manera de conversar con los aseguradores. Esto, en el mediano o largo plazo, te produce un beneficio que es el que tú estás buscando y que determina, insisto, esta dinámica de los seguros. Lo que hemos visto, por ejemplo, cuando hablábamos de Aldebrecht, fuimos capaces de no construir un edificio adicional.

Eso es la presión de los seguros por ahorrar costos. ¿Por qué? Porque en la dinámica anterior necesitábamos más camas, construyamos más camas, vamos nomás, sin ningún problema. Alguien va a pagar, cosa que por supuesto ya no ocurre.

Se supone que, no se sabe, se sabe, que hay 2,6 zettabytes de información en las redes, en los computadores, la información que hay ahí disponible es la suma, la friolera, de 2,6 zettabytes. Esto equivale a 2,6 millones de millones de terabytes. O sea, eso que uno tiene como un… Son, insisto, en el lenguaje americano, un millón de estos dispositivos.

No hay arena en las playas del mundo que haga esa suma de bytes de información que está ahí y que corresponde en un 10%, se dice que 15%, 10% a informaciones vinculadas a salud. O sea, cuando escuchábamos esta plataforma de cáncer en la mañana respecto a datos, los datos están ahí, están ahí, hay que preguntar y lograr rescatarlos con las preguntas y los prompts correctos. De estos datos, de todos los datos clínicos, administrativos, médicos, fichas clínicas, informes de resonancia, en fin, solo el 3% tiene un uso secundario de datos.

O sea, ahí hay un filón de oro para administrar, para lograr resultados que no hemos explotado. Y los datos están aquí, están. No hay que ir a buscarlos a ninguna parte y quiero insistir en ese punto porque, efectivamente, el director médico de las instituciones tiene que andar caminando de chaperón con ingeniero de sistema.

Últimas observaciones. Este es el monumento de la restauración, se llama, ¿no? ¿Digo bien? Bueno, me tocó en mi caminata visitarlo el otro día, muy hermoso. No querían dejarnos entrar porque era lunes, pero una pareja que había ahí de locales nos dejaron entrar, en fin, todo eso.

Pero a lo que voy es que este monumento fue restaurado hace relativamente poco tiempo. No es nuevo, pero fue restaurado, efectivamente, por el presidente Fernández. Y en ese contexto, la restauración no es echar abajo el monumento y partir de nuevo como otra estructura completamente distinta.

Una restauración toma en cuenta la cultura del lugar, la cultura del hospital, la cultura de la gente y crece sobre ella. Si no, no hay ninguna posibilidad de innovar. Si uno no crece sobre la cultura, el conocimiento, las formas del lugar en el que entra esa innovación, está absolutamente perdido.

¿Por qué eso funcionó allá en Boston y a nosotros no funciona? Porque no tomamos en cuenta las fortalezas y las debilidades de la cultura, de la forma de pensar localmente. Y en ese contexto, termino con esta lámina, ustedes son la ciudad corazón. El 17% del ingreso por turismo en República Dominicana es por motivos médicos.

17%, una cosa muy, muy distinta a lo que ocurre en otras latitudes. Tuve la oportunidad, y me acompañaron generosamente, porque se quedaron cuando yo todavía estaba tomando desayuno, la gente del equipo. ¿Y qué es lo que uno nota en la calle? ¿Qué es lo que notan ustedes? Que ustedes tienen un tremendo corazón.

Y perdón que lo diga así, porque es esa la clave del éxito para convertir este lugar en un sitio de importancia americana para el turismo médico. No está, perdón que lo diga, no quiero ser ácido, no está en la inteligencia artificial, no está en los computadores, no está en que la cirugía, porque el determinante fundamental del éxito, del negocio, de la actividad, del servicio a otros países latinoamericanos está en el corazón. Ciútico suena como decirlo, pero es la pura verdad.

O sea, si ustedes no capitalizan ese tremendo virtud que ustedes tienen, están perdiendo la mayor oportunidad para lograr un éxito enorme en el emprendimiento que se han propuesto. Muchas gracias. Muchas gracias, doctor, por su entusiasmo.

El señor Luis Cruz es ahora. Que tome la palabra, por favor. Hola.

Bueno, también soy de Chile. Perdón el acento, si no lo entienden. Y me toca el tema más aburrido de la tarde, pero vamos a tratar de ponerle algo de sabor, como ustedes dicen.

Un hospital llega y recibe a médicos especialistas, por ejemplo, de cardiología, o médicos especializados en aorta, por decir algo. Y resulta que tienen inteligencia artificial para la ficha del paciente. Tienen inteligencia artificial para captar a ese paciente a través de las redes sociales.

Tienen inteligencia artificial para saber cuál es el diagnóstico de ese paciente. Y dicen, ok, este paciente lo tenemos que operar de urgencia. Y resulta que cuando el paciente llega al quirófano, lo van a operar, sacan la medición a través de inteligencia artificial, un equipo sin alcohólico tremendo, el último modelo, y le dicen, bueno, pásame la prótesis de aorta de 19 por 3,6.

Y esa prótesis no está. Todo lo que se hizo falló. Y aquí hablamos del último enlabón de la cadena.

El enlabón más débil de los sistemas hospitalarios. Y esto pasa en los quirófanos, pasa en las salas de hemodinamia, pasa en urgencia, pasa en endoscopía, pasa en todas las unidades de un hospital. Y yo pregunto acá, ¿puedo levantar la mano quienes han implementado algún tipo de IA en su hospital? Algunos pocos.

Y de ustedes, ¿cuánto realmente esa IA resolvió el problema? Menos. Ahí hay una brecha, ¿cierto? Y es justo de eso que es de lo que vamos a hablar ahora. Un hospital moderno opera sobre datos que no existen.

Más de 1.300 traslados en el día va a ser un hospital de 1.500 camas. Y eso significa que estamos moviendo cerca de 12 toneladas por día. El 52% de los registros que se hacen en las salas de operaciones, se hacen post la cirugía.

No son registros que se toman de forma inmediata. Se reconstruyen. Dependemos de la memoria de quien estaba ahí.

Si el 30% de las personas de tu hospital están moviendo cajas, no tienes un problema de eficiencia. Tienes un problema de diseño del sistema. Aplicar la IA sobre un sistema roto no lo repara.

La IA lo que hace es amplificar. Y lo amplifica todo. Si tenemos problemas de eficiencia, amplifica la eficiencia.

Pero también la ineficiencia. Por lo tanto, nosotros tenemos que tener un diseño. Y después de 27 años de estar en la industria médica y conocer diferentes procedimientos y haber estado en más de 6.000 cirugías dentro del quirófano, y siendo un administrador de empresas, me he tenido que muchas veces lavar y entrar a operar con el doctor porque no sabía usar el equipo que le estábamos vendiendo.

Les puedo contar que un framework para implementar IA podría ser algo así. Visibilidad, control y orquestación. Y en este orden, el orden sí importa.

Lo que no vemos, no lo podemos controlar. Lo que no controlamos, no lo podemos orquestar. La IA funciona y da valor en el punto 3, en la orquestación.

Si yo no tengo la visibilidad de los datos, si no tengo el control a través de la estandarización, lo que voy a tener es un problema. Un caos aumentado a mil. Cuando el sistema está diseñado, y hemos pasado por estas 3 etapas, nosotros podemos habilitar las tecnologías de trazabilidad clínica, de logística autónoma, y de plataforma de datos conectando al sistema de GIS, el EHR o cualquiera de los que cuente el hospital.

Esto significa que cuando logramos hacer algo así, podemos reducir el 60% de los traslados que hablábamos en ese día, de esas 12 toneladas. Y podremos tener el 95% de registro de todo lo que está pasando en el instante, en una sala de operaciones o en una sala de procedimiento. Esto es cómo podríamos ir diseñando nuestro sistema.

Y ese punto verde que ustedes ven ahí es un equipo, que hoy día es la vedette del momento en todo el mundo, se llama Snap & Go. Y es un equipo que traquea todo lo que ustedes utilizaron, que se fue de la sala de inventarios, se fue hacia la sala de operaciones, las consignaciones que llegan por fuera, pero dentro de la sala de operación, ustedes le llaman el quirófano, tenemos este pequeño animal que manda la información de forma inmediata a la ficha del paciente y al ERP. Seguramente pocos han oído hablar del ERP, pero es el sistema que usamos los administradores para administrar todo el hospital.

Es un sistema que corre por fuera, diferente al área clínica. Después se juntan y podemos saber qué está pasando con los estados financieros, etcétera, de la empresa. Otro flujo podría ser este.

Por ejemplo, yo sé cuando tengo un área limpia, cómo se relacionan estas áreas dentro del hospital, las áreas sucias, pero si no tengo diseñado, si no tengo el sistema hecho, no saco nada con poner la inteligencia artificial. Y una visión que les comparto desde el caos actual, que todos vivimos, esto lo vi por ahí, alguien lo presentó en LinkedIn, el problema no es la falta de datos, es la incapacidad de convertirlos en decisiones, sistemas que no conversan, están todos desconectados. Así luce una bodega, un warehouse dentro de un hospital.

¿Qué control puede tener eso? Y seguramente han visto todo esto. 7.8 billones se calcula que es la pérdida de productos expirados cada año en Estados Unidos. Los invitamos a ver esta eficiencia.

El hospital más futurista del mundo está en China y no es ciencia ficción. Bienvenidos al hospital de Chengzhou, uno de los más grandes del planeta, donde la tecnología ya cambió la manera de atender a los pacientes. Aquí, robots se mueven por los pasillos llevando medicamentos, ropa de cama y equipos médicos.

Y el hospital es tan inmenso que el personal se desplaza en vehículos y buses eléctricos para llegar rápido a cada área. Así funciona el futuro. Farmacias automáticas con brazos robóticos que seleccionan y entregan medicinas en segundos.

La higiene también es prioridad. Robots con luz UV desinfectan salas y pasillos de forma autónoma, manteniendo la seguridad sin descanso. Farmacias ultramodernas, logística robotizada y movilidad interna con transporte eléctrico.

Todo pensado para que médicos y enfermeras tengan más tiempo para cuidar a los pacientes. China ya vive en el futuro. Si te sorprendió, dale like y sígueme para más misterios del mundo.

El hospital más… ¿Cómo puedo… Bueno… Lo que me gustaría que se llevaran… Eso lo podemos lograr. Eso que vieron en China se puede hacer en cualquier hospital en Latinoamérica. Y creo que me sacaron la última slide.

Ahí está. La pregunta de qué IA implementar. Escuchaba que IA uso para… En la mañana alguien preguntaba si Cloud o Gemini o el Notebook LM o DeepSeek, cualquiera de ellas.

No es la pregunta que debiéramos hacernos. Es… ¿Mi sistema está hecho, está adaptado, está correcto para amplificarlo? Ese es el mensaje que me gustaría que se llevaran y poder aplicarlo para generar hospitales como los que hay en Asia. Poder tenerlos también aquí en el lado de América.

Muchas gracias. Bueno, ahora vamos a hacer unas cuantas preguntas a los panelistas. Vamos a hacer una serie de tres, cuatro preguntas a cada uno para que después el público pueda interactuar con ellos.

Y vamos a empezar con la señora Alex Kane. Vamos a hacer una pregunta directa. La primera cosa que diría es empezar con la gente correcta.

Saben, como la IA se ha evolucionado y se ha tocado mucho más que solo una técnica en el hospital, el modelo de gobierno necesita ir más allá de la IT también. Así que, al menos, tener clínicos involucrados con la gente técnica es absolutamente necesario. Pero a medida que el modelo de gobierno se evoluciona con el tiempo, hay una oportunidad de crear centros de excelencia donde hay un propietario claro de la IA en el topo, centros de excelencia debajo de esos que representan áreas diferentes del hospital, tal como, podrían ser múltiples disciplinas clínicas, de radiología a cardiología a neurología.

Y luego, ahora tenemos esta emergencia de equipos de IA completos en los hospitales que son liderados por oficiales de IA generales. Luego, por supuesto, hay roles regulatorios y legales que necesitan ser involucrados también, así como los equipos de IT y tecnología que van a ser los que van a implementar y integrar esta tecnología. Así que, para tener una gobernanza efectiva, desde el principio, necesitas la gente correcta en el cuarto y debe ser una aproximación multidisciplinaria.

Entendido. Vamos a hablar de nuestra gobernanza y nuestro cronograma operativo de la empresa y quizá ir identificando la posición del Director de Inteligencia Artificial de nuestra institución, a los que estamos tomando esto en serio, yo creo que es el momento correcto. Al Doctor Magnolich, vamos a hablar de la gobernanza y la política pública.

Doctor, desde su experiencia como Ministro de Salud en dos periodos críticos, incluyendo una pandemia, como usted habló, ¿qué marcos regulatorios considera imprescindibles para que Chile y toda la región de Latinoamérica adopten la inteligencia artificial con estándares, sobre todo de seguridad, con niveles de FDA o del sistema europeo MDR? La pregunta, Doctor, es muy pertinente y lo primero que uno tiene que decir es que cuando pasa del mundo de lo privado al mundo de lo público, a ser, digamos, un agente del Estado, se produce un cambio de paradigma que es brutal y que cuesta mucho entender y con el cual, salvo que uno tenga una larga tradición política o en el sector público, es muy difícil lidiar. Y es que en el mundo de lo privado se puede hacer todo lo que no está explícitamente prohibido. Vale decir, yo tengo una buena idea en mi hospital privado, voy a insertar un sistema de este olor, no hay ninguna prohibición de hacer esto.

Siga adelante, entonces. En el mundo de lo público se puede hacer sólo lo que está explícitamente autorizado por la ley. Vale decir, yo puedo tener la misma buena idea de montar un sistema de inteligencia artificial en un hospital público, donde yo fui subdirector un tiempo, y eso no puede hacerse porque tú no tienes permiso para tener buenas ideas.

Esto obedece a una tradición conservadora en el manejo del Estado que tiene su explicación, porque de repente puede haber alguien que diga mira, tengo una buena idea, vamos para allá, y el resultado es catastrófico para toda la población. En ese sentido, lo que se necesita desde el punto de vista regulatorio es una regulación que permita la iniciativa que normalmente va a estar primero en el sector privado, que va a arriesgar capital, va a arriesgar prestigio, y va a avanzar haciendo pilotos, lo que fuera, para después ser copiado o generalizado a toda la nación pasando por la regulación pública. Creo que cada gobierno que llega debe mirar toda la normativa, tratar de ver de nuevo, revisar qué cosas en realidad se siguen haciendo sentido, y la inteligencia artificial puede identificar los sinsentidos de la regulación y tratar de liberarlos, pero el problema al que usted alude es muy grave y deja a la iniciativa estatal en general, y agrego ahí la iniciativa académica en general, en una situación muy compleja para enfrentar la revolución del futuro que estamos viviendo en el año 2026.

Muchas gracias, doctor. Al licenciado Cruces, para continuar con su experiencia en la aplicabilidad de inteligencia artificial en la operación de hospitales, ¿dónde está hoy el mayor impacto de la inteligencia artificial en salud? ¿En el diagnóstico clínico o en la eficiencia de la operación y la gestión del hospital? La verdad es que yo veo que el diagnóstico clínico ha avanzado tremendamente. Me tocó ver en Seúl hace poco un aparato que es capaz de, con una foto, una especie de colposcopio, de determinar si una mujer tiene o no un cáncer incipiente y poder ser tratada de forma inmediata.

Creo que la evolución del diagnóstico, como vimos también en el caso de Ojo, está muy desarrollada en comparación con la eficiencia interna de las instituciones. Siempre esa área como que queda atrás. Se nota que es más aburrida, pero como que queda pendiente y se pierde el foco para poder desarrollar algo así y creo que es algo que lamentablemente en los países nuestros, en Latinoamérica, no se valora.

¿Cuál crees que es la mejor manera de empezar para un hospital que tiene, tal vez, sus recursos, sus recursos humanos, sus recursos económicos, pero que tiene esta, tal vez, miedo de hacerlo mal la primera vez? Absolutamente. Uno de los panelistas anteriores del hospital Einstein ha abordado esto un poco. Creo que cuando empiezas con la AI la definición de los problemas empieza desde el principio.

Y en orden de preguntar, ¿cómo llegas a la definición de los problemas? Sólo sigues preguntando por qué, por qué, por qué, por qué. Entonces, puedes examinar un flujo de trabajo y identificar que, ¿sabes?, la duración de la permanencia no está cumpliendo con el benchmark que quieres y pensar, oh, bueno, vamos a traer alguna AI para ayudar. Creo que hay una tendencia a veces en la que la gente piensa que la AI va a resolver todos sus problemas antes de que ni siquiera sepa cuál es el problema real.

Entonces, mi sugerencia sería profundizar realmente en la definición de los problemas y primero entender, ¿sabes?, ¿qué área del hospital vas a enfocarte? La AI clínica es a veces mucho más difícil de venderse a la liderazgo internamente porque es, sin duda, más riesgoso. Tienes vidas de pacientes y resultados que son afectados por esto. Entonces, he visto que muchos hospitales empiezan con la AI en el lado administrativo desde un perspectivo de gestión del ciclo de ingresos, desde un perspectivo de acusaciones, desde un perspectivo de trabajo con las empresas de seguridad y mapeando esos flujos de trabajo y investigando los problemas dentro de ellos.

Y luego he visto una evolución hacia más de una AI clínica a través del hospital porque una vez que el lado administrativo pilota y se construye y se entiende ampliamente a través de la organización, hay un cambio de cultura. Creo que ese es un gran componente también. Bueno, me pareció muy interesante que solo algunas personas aquí levantaron sus manos que están usando la AI en los hospitales.

Ese es un desafío cultural porque hay muchos riesgos asociados con la AI, hay temores asociados, la supervisión es absolutamente necesaria. Uno de nuestros panelistas habló sobre eso antes. Pero enfocar en el problema de pilote es cómo empiezas.

Y, desde lo que he visto y he experimentado, la AI tiende a empezar con esos pilotes no en medios clínicos, sino en medios administrativos, que luego empujan la cultura y reanudan toda la institución alrededor de la AI y luego evolucionan en pilotes clínicos. Y desde allí, una vez que puedes gobernar correctamente y entender el ROI de cualquier tipo de AI que estés implementando, eso es lo que lleva a la escala, porque lo que he visto es que los líderes no están interesados en la escala si no pueden entender el impacto de la AI en el medio. Así que implementar un modelo que es realmente interesante o realmente emocionante solo va tan lejos.

¿Cuál es el problema que estás resolviendo? ¿Dónde empiezas que puede mejorar la cultura de la innovación? ¿Y cómo puedes demostrar a la liderazón el valor para que la escala sea efectiva? ¿O es una herramienta que finalmente puede estandarizar la calidad en la última milla de la atención? Primero, a mí me parece que en esta dicotomía implementamos o no la inteligencia artificial. ¿Ustedes han implementado la inteligencia artificial o no? En realidad es una pregunta no pertinente. ¿Por qué? Porque la inteligencia artificial es un virus extraordinariamente contagioso y se va a meter por todas partes.

O sea, cuando nosotros estamos elaborando alguna cosa no tenemos idea de que lo que estamos haciendo ya está siendo mirado, hecho con inteligencia artificial mediante. De manera tal que esto, pensando, ¿no es cierto?, cuando Gutenberg inventó la imprenta de tipo y hubo resistencia a que hubiera libros a disposición de las personas durante 60 años, él murió en la más grande miseria, a pesar de ser un grande inventor de estos tipos móviles para la imprenta. Bueno, resulta que esa resistencia no tiene sentido, es teórica.

Porque la inteligencia artificial va a entrar de todas maneras y la pregunta es cómo podemos ayudarnos, describiendo adecuadamente cuál es la pregunta, cuál es el problema, porque desgraciadamente la inteligencia artificial necesita un framing muy adecuado. No piensa, no habla como nosotros, sino que es otra manera, otro idioma de pensar. Y respecto a la autonomía del médico, la responsabilidad legal, sea mediante uso de inteligencia artificial, siempre va a quedar en manos del profesional de salud y eso es inevitable.

No va a poder decir, mire, esta persona se murió porque en el pabellón con la cirugía robótica se fue y se seccionó la horta, murió. Bueno, pero usted es responsable porque usó, etc. Y en ese sentido, la autonomía es imprescindible por esa responsabilidad que es muy difícil que termine, que se transfiera esa responsabilidad a la máquina, y en segundo lugar, porque la inteligencia artificial hasta ahora tiene márgenes de error, de delirio bastante importantes.

El otro día tuve una conversación, un Zoom, con una persona en una ciudad del sur de Chile, donde llueve mucho, y el Zoom automáticamente empezó la transcripción, ¿no es cierto?, de la reunión. Entonces, empezó la reunión, mire cómo están por allá, en Valdivia, mira, bien, pero está lloviendo mucho, y el fin, y el frío, una conversación que duró, en este diálogo, siete u ocho minutos sobre el clima. Llega el documento de la inteligencia artificial y dice, la reunión se inicia con una acalorada discusión respecto a los aspectos climatológicos de la ciudad de Valdivia, y tres cuartos del resumen era en el clima, que fue una conversación accidental delante del diálogo.

O sea, la inteligencia artificial, a pesar de que el nombre pareciera contradictorio, es completamente imbécil. Y en ese sentido, necesita, por ahora, una vigilancia humana, porque si no ocurren cosas raras. En los informes de radiología, que hoy día muchos de ellos son, ¿cuántas veces ocurre que el señor no sé cuánto informe, sin embargo, la imagen de las mamas, pero si es un señor, y esto pasa todos los días, y en ese sentido, por lo menos la supervigilancia, que en realidad exige más responsabilidad que antes, de los profesionales de la salud, sigue siendo, perdón que insista, tan o más relevante de antes que antes para no meter la pata.

Don Luis, si usted tuviera que dar hoy una recomendación a los líderes hospitalarios aquí presentes, ¿por dónde deberían empezar a integrar inteligencia artificial y automatización sin generar complejidad en la gestión? Bueno, mi recomendación, como les dije, yo creo que el dolor más grande que tiene hoy día una institución de salud es la última milla. El eslabón más débil, la parte donde la colección de datos se hace todavía manual o post hoc, creo que es esa data que es tan rica para mejorar, no se está capturando hoy día en la ficha de un paciente, en la ficha clínica, no está, por ejemplo, el número de lote del dispositivo que se usó, no está la marca, no está la serie, no está la fecha de vencimiento, no hay nada. Por lo tanto, si existe un recall, que no son menores, y de un implante, y el hospital tiene que llamar a esos pacientes, ¿cómo lo llama? Tienen que bucear en miles de papeles para poder saber a qué paciente buscar.

Ahí es donde hoy día hay una caja negra de invisibilidad que se está perdiendo mucho. Y, bueno, si tuviéramos que concluir este panel, ¿con qué a ustedes les gustaría que se quede de cada uno de ustedes el público aquí que lo está viendo? Respecto al desafío que presenta la incorporación en nuestras empresas de tecnología con inteligencia artificial, de soluciones con inteligencia artificial. Y, bueno, el riesgo reputacional del que asume querer empezar esto tomando una decisión quizás poco valorada.

Uno de nuestros dos premios Nobel de Literatura escribió un libro autobiográfico que se llama Confieso que he vivido. De esa perspectiva hablo yo. Perdón.

Las canas me favorecen hacerlo así. Perdón que hable de una experiencia reciente en Chile. En Chile el fondo de salud con el que se paga la atención de salud es el mismo fondo con el cual se pagan los subsidios de incapacidad laboral o licencias médicas.

¿Se llaman así aquí? ¿Licencias médicas? O sea, permiso para mantener la remuneración mientras yo me recupero una enfermedad. El año 2012 nosotros pronunciamos una ley para el control, el buen control de este subsidio porque sospechábamos que había fraude. O sea, que se declaraban enfermos, en fin, o se obtenía de un médico una certificación que en realidad no correspondía al estado de salud de la persona y el estado hasta perdía muchos millones de dineros.

Bueno, la ley quedó ahí, la sanción, se hicieron algunas cosas hasta que la Contralora General de la República perdón que haga un ejemplo tan modesto de comillas de inteligencia artificial se le ocurrió combinar dos bases de datos los funcionarios del estado que estuvieron con un subsidio de incapacidad laboral o licencia médica en determinados periodos y pedirle a la policía de investigaciones si esas personas que estuvieron con permiso salieron del país en la época en que estaban en permiso. 28.000 funcionarios públicos salieron durante el año fuera del país, turismo en fin, como se acreditó después muchos vinieron a Punta Cana estando con un subsidio de incapacidad laboral, o sea, una declaración de un profesional de salud que dice esta persona está incapacitada para trabajar y por lo tanto tiene que hacer reposo en su casa la dirección de presupuesto acaba de actualizar el ahorro que representó para el estado de Chile esta cruce o sea, es un motorcito mínimo que cruza datos y dice un pequeño virus o troyano, digamos en resumen 670 millones de dólares, tres hospitales, 670 millones de dólares ahorrados en un año entonces, a tu pregunta yo diría que los administradores del hospital lidian y como dije al principio, desde el principio de los tiempos como seres humanos, lidian con problemas y están ahí para resolver problemas con los datos que tienen montando sistemas progresivos, modestos primero de inteligencia artificial que puede ser incluso gratuito hacer la pregunta correcta para mejorar la eficiencia de la estadía promedio, de la facturación 30% del gasto en salud es derroche es basura, es lo que tú decías que los medicamentos que están vencidos o la gente que saca de alguna parte materiales que a veces son muy caros en fin, estadías en el hospital que no se justifican, entonces vuelvo a decir, 30% es puro derroche, es basura y por lo tanto generando sistemas simples yo no digo que vayan a la luna sino que simples que están disponibles y haciendo y esto es crucial la pregunta en el formato correcto, porque si no no hay diálogo con ningún mecanismo de inteligencia artificial esta es la pregunta y hay que yo le diría simple, primera tarea a aprender a hacer las preguntas framing correctamente a los sistemas de inteligencia artificial, tengo este problema, cuáles son los datos, como lo resuelvo Muchas gracias doctor señor Luis usted como especialista empresa de soluciones médicas de acompañamiento que nos dejaría usted en el ejemplo nuestro acá en República Dominicana donde los centros hospitalarios necesariamente deben ir caminando la automatización de procesos, que va a impactar directamente la experiencia del paciente, que va a mejorar las relaciones y agilizar los procesos de cierre de cuentas con las diferentes aseguradoras, que nos deja tú como valor que nosotros lo que estamos acá presente podemos pensar en adoptar a la brevedad posible en nuestros hospitales Si bueno, yo creo que no hay creo que fue por el 1876 en New Haven, el alcalde de la ciudad del pueblo en ese entonces inauguraba el teléfono en la plaza y decía, tengo una visión yo proyecto que en el futuro cada plaza en el mundo va a tener un teléfono se quedó un poco corto la verdad que muchos usamos dos teléfonos en el bolsillo esto pasa con la inteligencia artificial la inteligencia artificial ya se coló desde los niños hasta nosotros, los profesionales que la usamos día a día y si nosotros miramos donde están los problemas es ahí donde nosotros tenemos que ir a mirar primero el proceso visibilidad de los datos y luego aplicar la inteligencia artificial que ya está, ya existe solo falta tener la visión tener la la idea clara de lo que se va a hacer con un equipo multidisciplinario para poder resolver problemas tan graves como que un producto necesario no esté en su minuto correcto en una intervención que le puede costar la vida a un paciente Perfecto Alex What are your final thoughts? I’ll speak to the doctors in the room first I invite all the doctors and the clinicians in here to approach AI with curiosity and to know that AI is not going to replace you or your medical knowledge It is there for making healthcare better in many different dimensions and I believe that the doctors who adopt a culture of innovation around AI will win eventually because AI is not coming It’s here It’s evolving quickly It’s changing day by day and for those who are in the medical profession who can really be open to that with appropriate caution I think you’ll be able to enhance patient care even more and for administrators I would say be bold but cautious I saw this when I worked at Amazon Web Services and there was the trend of the big transition from on-prem to the cloud and we encountered organizations who felt a lot of hesitation around that Security is a really big issue We haven’t really touched on that in this panel today but when you’re assessing a vendor or you’re thinking about bringing AI into your hospital there are some deep existential considerations to ponder Security being one of them Integration being another Oversight being another I invite everyone here to approach AI with curiosity but also ground themselves in the realities of the risks and I think if you can find that balance and educate yourselves like coming here and reading and talking to your peers you’re going to be set up for success Thank you very much … … … … … … … … … … … … … … … … … … … … … … … … en el pabellón quirúrgico. El cirujano principal, el gerente de la clínica está lejos de una oficina, tiene muy poca idea de lo que está pasando ahí y desde luego no hay un concurso de profesionales DTI no clínicos que estén colaborando y potenciando ese servicio médico.

Y yo creo que ahí hay una una brecha que se está cerrando, pero se está cerrando lentamente. La mayoría de las colaboraciones que están haciendo progresar la medicina, miren los premios nobel, no son médicos clínicos, no son médicos, son bioquímicos, son PST, son ingenieros, ingenieros de sistema, ellos son los que están liderando el progreso de la medicina. Entonces reitero, si no ha ocurrido ya esa simbiosis, es demasiado tarde y hay que acelerar el tranco.

Ok, Ingeniero Luis, usted hizo un comentario ahorita en el cual indicaba que quizás le prestamos más atención a todos los desarrollos que van más enfocados al área clínica y la parte operativa a nivel de infraestructura a veces la dejamos un poco hacia un lado, ¿no? Usted puso un ejemplo ahorita de hospitales en China que eran más autónomos, la verdad eso tiene muchos años ya y esos hospitales fueron concebidos bajo esos criterios, ¿no? Pero usted no cree que quizás haya un poco de resistencia relacionada a que tú no ves objetivamente un ingreso inmediato, sino más a largo plazo. Usted dio una cifra de un 30% de ahorros, no sé, creo que algo así mencionó. ¿Usted no cree que el tema es que no lo vemos de esa manera y lo queremos ver de una manera más inmediata, ese tipo de implementaciones? Sí, muchas gracias por la pregunta.

En general, nosotros estamos en la era de la leche instantánea, decimos en Chile, todo lo queremos ya, queremos ver resultados ahora. La mayoría de los empresarios latinoamericanos están pidiendo resultados económicos, cuando yo pongo el dinero ojalá en el más corto plazo posible, a diferencia de los empresarios anglosajones que no quieren perderse la próxima empresa que va a costar un billions, o sea un unicornio. Por lo tanto, yo creo que hay que repensar en cómo en Latinoamérica nosotros vemos estas cosas.

Yo creo que si nosotros podemos justificar el ahorro real, como por ejemplo, ¿qué pasa con ese paciente al que no llegó el implante que correspondía porque la logística no estaba organizada ni coordinada y porque los datos no existen? ¿Cuántas de esas vías pagan la inversión que se debe hacer para poder tenerla? Si nosotros somos capaces de comprar un robot para operar, mejorar la calidad del outcome de la cirugía, porque no estamos pensando tan bien en la eficiencia operativa, que implica que le llegue o no un dispositivo a un paciente. Y por otro lado, nos ayuda a controlar aquellos dispositivos que se vencen, se pierden y no están en el loop y finalmente las empresas como los hospitales tienen que poner a pérdida a fin de año un 10%, un 12% por solamente ese item. Buenas tardes.

En mi caso tengo dos preguntas. Una es para la señorita Kane y otra es para el señor Cruzes. First of all, Miss Kane, my name is Andric, I’m a data engineer here at Holmes.

I really like the approach on how we can build a structure to centralize the data and start getting the insights we need for AI, but what really caught up my attention from what you said in your presentation was something about the data drift. From a clinical perspective, looking at your software ADOC, how do you manage data drift without losing the medical staff trust? How can we ensure that the leadership evaluates the AI’s true impact, starting from the base that you explained about the multidimensional analytics, and especially focus on the shift of the culture to a data-driven one? Absolutely great question. Thank you.

I think that a lot of organizations, and especially in nascent markets, think that implementing AI is a one-and-done. We set up the algorithm and it’s deployed. We have standardized data, it’s flowing in, and that’s AI.

But when you’re governing and providing human oversight, and there are also technical tools that allow you to monitor for data drift, but specifically ADOC works with medical imaging. They apply their AI to, it’s a pixel and data-driven algorithm that recognizes anatomy on the imaging scan and then dynamically orchestrates the relevant algorithms to the anatomy present on the scan. One of the elements that we saw was drifting when I mentioned nomenclature.

I’m talking about how doctors actually name the orders that they’re putting in. That is not always standardized. It changes over time.

At ADOC, there was an entire team dedicated to monitoring for data drift. But in the example I presented with this on-demand analytics dashboard, the power then comes into the users of the AI. Specifically, that product is intended for department chairs.

They’re able to see those performance metrics in addition to ADOC, who is also, of course, monitoring them. Then if they see a different performance, dive into what has changed. That’s the question.

It might not always be data drift. It could be something else. But with insight into performance that compares chunks of time to each other, you’re able to identify those inflection points either going up or down and dive into what data is being fed into the model and potentially what has changed and how to mitigate that performance change.

Then you asked about culture. Yes, I asked about how can we ensure the true impact of the AI, especially focusing on the transition to a data-driven culture. Absolutely.

Again, I’ll go back to Amazon Web Services where I saw this first time with the adoption of cloud. I’ll specifically talk about rural hospitals that kept almost all of their data on-prem in their basements, basically. Rural hospitals tend to be more prone to natural disasters where that data can be completely wiped out.

They’re also more vulnerable to security threats because they have less advanced infrastructure. We had to work with those hospitals to show them the benefits of the cloud and communicate that in a way that spoke to different audiences. That was mostly to a technology audience.

When you’re talking about AI that touches potentially every area of an organization, you need to think about what is the benefit for those different stakeholders and how can different stakeholders work together to promote adoption. What I’ve seen is varying levels of adoption of AI in different organizations and even within the same organization. It can go department by department, algorithm by algorithm.

I think finding those internal champions and rallying around them and really finding your AI people, I’ll put it that way, to promote change and enhance the culture of innovation. It really is a people-first approach, ultimately, even though you are implementing a technology. I agree about that.

Especially in the clinical area, it’s really important to be able to find the data stewards. Now, I have a question for Mr. Cruz. With respect to the implementation of an AI system in a hospital, I saw that your presentation had a redesign of the infrastructure of how the data flows.

That caught my attention, in terms of visibility, control, and orchestration. But my question is more focused on using what we already have. How can we use that focus without having to change the entire design to build on a basic infrastructure that is already built in a hospital? Thank you very much, Juan.

That’s a very good question. The system that you have created, normally, hospitals follow a lot of regulations. Regulations from the state.

A hospital like this one, which is certified by the Canadian certification, which is now looking towards the Joint Commission. All of those are indicators that you have the models already established. The system is established, it’s written, it’s dimensioned.

And if it’s not, because they didn’t certify that area, they already have the expertise on how to do it. Therefore, there’s a transfer of knowledge from one department to another, where you can say, look, this is how we have created the system and this is how it’s documented. When it’s documented, what is done is to establish on that documentation and on what people really do, like the standardization 13485, which is the standardization of all medical devices for manufacturers and distributors.

If that’s done and designed as a system, it’s on that that the IA is implemented and all the improvements. It’s not that we have to redesign everything, but really what you have is written and everyone knows what each one is going to do, when they do it, how they do it, why they do it. Hi, how are you? This question is for Ms. Cain.

Based on your experience in Amazon Web Services, what do you think were the most important set of skills and methodology that we were able to transfer from Amazon to the healthcare business? I’m so sorry, this was buzzing in my ear. Can you please repeat your question? No, I was just saying, what set of skills were you able to transfer from Amazon Web Services to now the health industry? Yes, so I was working on the U.S. health system team at Amazon Web Services, so I was specifically focused on healthcare. And this was from 2021 to 2024, so cloud adoption was really hot at the time, similar to the way AI is now.

And what I was seeing then was how do we move beyond reaching technical teams, IT teams, chief innovation officers, to get the buy-in from everyone in the organization to understand the benefits of the cloud. There are efficiency gains for clinicians and staff, there are data-driven applications that can be built on top of the cloud that you can’t do on-prem. Of course, implementing AI, although it was at a much earlier stage then, and then security was a huge opportunity as well on the cloud.

And I’ll just add, I think a trend when I was there was that we were really pushing to get health systems to go all-in on AWS as their sole cloud provider. And what I’ve seen over time is a trend towards multi-cloud, where hospitals are choosing to work with Azure and Oracle and AWS because if one goes down, the others can stay up. So they’ll either distribute workloads or have different fallbacks for different workloads so that they can maintain uptime.

But what I saw at AWS as it relates to cloud and choosing a vendor, I’ll go in that direction for this audience, there are a lot of similarities. I would say a top one, especially with AI companies that are maybe smaller and starting out and you might want to work with as a pilot, you’ve got to really think, are they going to be around in a year, in two years, in three years? Because there’s such an explosion of AI companies right now, they’re not all going to survive. So I would ask really hard questions of these companies.

What’s your roadmap? What’s your commercial viability over time? Ask the hard questions. I would also lean heavily into security. I really can’t stress this enough.

Whenever you’re implementing a new technology solution in a hospital, not only are there standard security regulatory requirements based on where you’re located, but companies really should go above and beyond those basic requirements. And so you’re going to want to understand not only their regulatory procedures, but, hey, what happens if there is a leak? What happens if something breaks? And really ask the hard questions. So that was something that we promoted at AWS, was having customers ask us the hard questions and being able to meet them.

And now having worked at AI companies as well, if you’re asking these questions of these vendors and they don’t have a great answer, that’s a red flag. Bueno, si no hay más preguntas, por favor. What was the major challenge you faced when designing the framework during your time at Amazon Web Services? Can you be more specific about framework? So when you, before designing, doing the AI, you have to design the base for it to come up.

So it’s so difficult today to do that when the system is broken. So I would want to know what was your major challenge while deciding that framework in order for the AI to go up. Understood.

Thank you. I would say, I mean, first of all, you have to have cloud fundamentals. So you need to, at the baseline, choose at least one workload and migrate it to the cloud.

And within that data, you also need to make sure there are tools to normalize and structure the data. Because unstructured data is very difficult to work with and it’s a whole process in itself to structure it in order to get accurate outputs. So that was a huge focus when I was at AWS because, you know, AI boomed after I left there.

So it was really a lot about how to leverage data with some AI applications on top of it. So, for example, you know, I worked on a project with Rush University Hospital in Chicago and they had a population health initiative during COVID that was really an equity issue where they were able to identify that patients on the south side of Chicago, mostly African American patients, were dying at a higher rate than white patients in other areas of the city. And so the reason they were able to garner those insights, and that was using AI as well, is because, to your point, the foundations were there.

And so it’s about having the cloud infrastructure to get set up from the start. It’s about understanding where the data sources are coming from, structuring that data, normalizing it, and also making sure different data inputs from across the hospital are connected to each other. I would say that as well.

When you have disparate data sources living in different places and they’re not in a unified data lake or, you know, some sort of other solution that can connect them, you’re going to have a lot of trouble making use of AI. Okay, thank you.