Salud del futuro y turismo médico en Santiago: impacto de la inteligencia artificial

A continuación nos honra presentar el discurso central de esta jornada a cargo de Mark Banger de la Universidad de California, San Francisco, y cofundador y presidente de Futurity Systems. En su intervención abordará el tema, la salud del futuro, Santiago como destino de turismo de salud en la era de la inteligencia artificial. Una visión estratégica sobre el posicionamiento de nuestra región en el contexto global de la innovación en salud.

Muy buen día, damas y caballeros. Disculpen mi muy pobre español. No estoy acostumbrado a presentar en español, pero estoy muy feliz de estar aquí.

I’m going to be talking about the health of the future and AI, obviously, the main point of this conference. And what I really want to focus on is not just AI itself, but the things that we can make and connect it to. So, when I was growing up, my dad worked at Xerox.

And this is a picture of one of the first computers that became the graphical user interface and everything that we see today. One of the inventors there was a guy named Alan Kay, and he said something that I keep with me all the time. The best way to predict the future is to invent it.

And it’s kind of a curious picture when you look at this guy. He’s working at Xerox. The screen is faced like this because Xerox made typewriters and paper copiers and things like that.

So, for them, that was the right orientation. He’s also got a musical keyboard in his room, which most of us don’t have in our offices. But this is the type of environment that I think really sparks innovation, where you’re combining very different things and creating something that nobody has seen before.

So, I grew up in a computing and a nursing family. My mother was a pediatric nurse before she retired. My brother’s a cardiac nurse in Sweden.

And so, I grew up in this environment of both machines and bodies. When I was in my 30s, I started at UCSF. I worked in neurology, bioengineering, and I mostly focused on this intersection, again, bioinformatics.

All of my patients were mice or cells. None of them survived my treatment. I was only doing research, very, you know, early stage things.

Then I went and became a biotech analyst, so I covered hundreds or even thousands of new startups in this area between synthetic biology, AI, and bioinformatics. Then in 2020, I moved to Barcelona. So, I’ve lived there about six years.

I started working out in a group at Telefonica in R&D. It was anything except telecom, so we covered food, energy, health, and so on. And then I co-founded the company I’m with right now with one of my or several of my team members there.

And what we basically do is apply AI to innovation in health, but in lots of other fields as well, and also in lots of countries. I was just in Colombia last week. I was in Pakistan about a month ago.

All these countries where there’s this hope and this view of the future that is an amazing inspiration compared to, I think, the sense of decline and stagnation you find in the U.S. and Europe. So, I’m extremely happy to be here and really nice to meet all of you. So, this is one of my favorite quotes.

This is from a big pharma company that we worked with, and they said, You saved us $150 million. They didn’t give us the $150 million, but we saved them that much money. And the way we did it was using AI.

So, they had contracted one of the big tech companies for three years and $300 million to develop a system. They didn’t tell us that, and they asked us to do the same thing. We’re a small team of about eight people.

We don’t have millions of dollars in funding, and we did the same thing in about six weeks for $50,000. So, they went to that other company and said, We don’t need your project anymore, and they kept half their money. My point about that is not that we’re so smart, because we’re not especially smart.

We don’t have PhDs in computer science or anything like that, but we have a lot of smart people who are very curious and pick up tools quickly. And AI was one of the things that we did, and it really leveled the playing field for us. We could do the same thing in five hours today for free.

So, this rapid development is not something you should view as a threat. It’s an amazing opportunity to level up your personal skills, your country, your company, everything you work with. So, like I said, I’m going to talk about not AI itself, a little bit about that obviously, but I want to talk about how we innovate, how humans have always innovated.

I think of innovation as actually as natural and instinctive for humans as language is. Some of the first things that we did is we made tools. We picked up sharp sticks.

We picked up sharp stones. And at some point, somebody said, had the bright idea to tie them together and make a sphere. So, super simple example, but if you look at the innovations that are all around us today, it’s still basically the same thing, or also subtracting things.

So, you have beer, you take away the alcohol, you get a multi-billion dollar market for alcohol-free beer. So, these really simple operations of taking things that are around us and combining them or separating them is just a fundamental, very easy way to think about innovation. And you’re already doing it here in Dominican Republic.

So, medical tourism is just medicine plus tourism, pretty simple. So, I want to take that pattern and apply it to a lot of other areas that I see around and that you do as well and see what types of opportunities are in the near term and then in the long term for the Dominican Republic health and AI. So, as I said, the best way to predict the future is to invent it.

So, what is the Dominican Republic going to invent with AI? Let’s start with an example that was actually just already mentioned. So, if you look at how the big headline types of examples in AI and medicine are, they’re things like this. So, AlphaFold basically was learning how, or it was teaching their machine how to play video games, how to beat like Defender and Asteroids and some of these 80s video games.

And that’s a long history of development in artificial intelligence. So, in the 50s, in the 1950s, the first computer sort of solved tic-tac-toe. Tic-tac-toe has about 250,000 combinations and computers about that time could solve that, which is viewed as mind-blowing.

By the 90s, 1997, Deep Blue, IBM Deep Blue beat the best human player at chess. Chess has 10 to 120th possible games. So, it’s a much, much, much larger space to solve for.

Go was solved a few years ago in 2017. That space is even larger, 10 to the 360th potential games. Protein folding is much, much, much harder than any of those things.

That’s not a typo. 10 to the 15,747 possible ways to fold proteins. And this is just one example.

So, this started out of gaming and, again, it went into something medical. And, again, as I was already told, this solves a massive problem with doing in vitro experiments, doing lab experiments, because the time and cost to solve one single protein could be 5 or 10 years, 10 or 20 years, and millions of dollars. So, if you do the math and say, how much did this solving all proteins save us? It saved us about a billion years and about a trillion dollars.

So, real benefits. Doing work like this requires millions or even billions of dollars of investment. So, what these organizations lack, the Dominican Republic will increasingly have, is it has more and more tourists, more medical tourists, and more health care, is data about patients.

And this is where there’s a lot that we can build on. So, let’s start with what already exists. If you look at, and I apologize if these figures are out of date or slightly off, and I don’t want to Dominican-splain to you things that you know much better.

So, from what I understand, the main procedures here are cosmetic and dental, and then there’s other types of surgeries, outpatient treatments, and things like that that are growing. For each of these, just some examples of what can we do with existing systems for AI and existing treatments and offerings that you’re already making. So, the big thing to keep in mind when you’re making a big strategic investment in any field, but in AI in particular, is you should build on the strengths that you already have.

If it’s in isolation, it’s very likely to run out of money, run out of time, or basically get cut before it gets to its goal. I’ve seen this in hundreds of companies and dozens of countries where you need to tie into things like agriculture, tourism, and everything else that you’re already doing. So, with dental, for example, you could use AI to examine the x-rays and CT scans and basically make better and more accurate models of the things that you’re going to make.

Cosmetic surgery, same thing. I didn’t know what a BBL was before I was doing this research for Brazilian butt lift, but apparently this is a popular treatment. And, again, giving people a more accurate picture of what they’re going to look like after they’ve had that.

And then in other types of outpatient and surgical procedures, again, there’s a lot of applications of imaging, diagnostics, and so on that can be quickly put together to make those offerings more attractive. So, it’s a globally very strongly growing market, and so the tide is lifting all boats. So, it’s a very good time to get in and do those types of basic things.

But this is really just for starters. I think one of the biggest opportunities that you have is related to the aging populations, not in the Dominican Republic, but in the countries adjacent to it that are already sending a lot of tourists here. So, if you look at the United States, Canada, Puerto Rico, and all around the Caribbean, populations are aging very quickly.

And the number of people who could be willing to come here and take advantage of services here because they’re more affordable, it’s a nicer place to be, and so on, will start to grow just naturally. So, that’s a huge opportunity to jump onto. And, as I said, combining it with other things, let’s look at what are the causes of mortality that they are going to want to have addressed.

As you start getting away from people who are in their middle ages and towards senior ages, you’ll be looking at things like cardiovascular, cancer, central nervous system diseases, respiratory diseases. And then, also, especially in the U.S., with obesity rising, diabetes. So, diabetes is going to almost triple by 2060.

So, there’s going to be lots and lots of people that need prevention, and then treatment if the prevention fails. And, in particular, with the drive to have people retire in the Dominican Republic, you’ll have a lot of people that are going to want to come here anyway, and being able to provide those services in an affordable way so they can extend not just the time of their retirement, but the wealth they have in their retirement is a huge opportunity. About several years ago, we did a project for Spain.

Spain has one of the sharpest declining population sizes in Europe, and also the fastest aging. And so, the Secretary of State for AI came to us and asked, what can we do to apply AI to multiple problems, but this was the number one. And so, what we did is we worked with a couple.

The husband had been recently diagnosed with leukemia, and felt like he didn’t have many years to live. And, a few months later, his wife had a stroke, and she lost her ability to speak. And so, what we did is we basically, through pictures and scanning her, looking, you know, recording old, or getting old WhatsApp recordings of her voice, and things like that, we were able to create an agent that she could still control, even though she couldn’t speak, and she could have conversations with her husband.

And again, we’re a very small team. This was not a technically massively complicated effort, but it was something we could do to just prototype, how could we improve the quality of life for seniors in ways that are accessible already today. Oh, and the picture of her as a superhero, that was the title of the project, was Super Sapiens.

Basically, how can we turn, you know, if AI can take a job from somebody who has one, it can give a job to somebody who wants one, like seniors. So, one of the other things that was happening recently, around this time, is that telehealth, it got a huge boost during COVID, because people couldn’t travel to see their doctors, and people didn’t want people congregating in the hospitals. So, telehealth really took off, and didn’t really decline very much after that.

So, even though it had been talked about for many, many years, COVID was really the instigator of this big change. About the same time, machine vision models were getting better and better, and you can do things like detect heart rate just by looking at the video of a person as the color of their face changes as the blood rushes in and goes out. So, there’s a lot of diagnostics that we can do now just with video and audio, with cameras and microphones.

And combining that with telehealth is a way to make it not just a transcript of a conversation, but a diagnostic aid. So, this is just, again, looking at computer vision. What are the things happening on a patient’s body that can be interpreted by different forms of computer vision and turned into different ways to aid diagnosis? It’s certainly not good enough to make a diagnosis yet, but it can certainly raise red flags and improve the quality of diagnosis that we make.

So, one of the things that we discovered working around the case of diabetes is that diabetes is what’s called a stigmatized condition. That means people feel ashamed that they’re overweight, they’ve gotten diabetes. It’s not something where you just inherit it.

And so people feel a lot of shame about it and they won’t talk to their practitioners and even sometimes to their families about their condition, that they feel bad about their weight, they feel like they’re starting to suffer from something that was their own fault. And there’s a lot of conditions like this. AIDS is another one.

PTSD, post-traumatic stress disorder, is another. And these stigmatized conditions are also unique and interesting in that the silence helps them spread. It makes it worse for the individual, but it also causes it to spread, sometimes through direct infection and sometimes just as a social condition.

So we built, in this case, we built a smart mirror. This is basically just a screen with a reflective surface and we put it in a nice picture frame, as you can see. And we created, we basically deep-faked ourselves and put it onto an avatar that the person could talk to themselves about their condition.

And the idea with this is that with genetic AI, you can actually have very rich conversations today. Sometimes they’re on par with the best therapists or medical practitioners, but it’s still not really enough that you should make your life dependent on it. So in this case, what we did is transcribe those things and sent them to the appropriate human care team to then take action, prescribe a medicine, even prescribe just a conversation.

So this combination of fixing the mental health issues around a lot of conditions is something that AI can really help us out with. One of the things that we learned on this project is that in diabetes, obviously diabetes takes a lot of care, knowledge, equipment, materials, and so a lot of diabetics have what they call a diabetes closet or cupboard or drawer, where they keep all their stuff, they have it organized in a certain way. When things run out or things stop working the way they had before, all of this is essentially an inventory management problem that most hospitals already have to deal with.

So you could have on the front of this cabinet that mirror and essentially treat it as a hospital and home with all the supply chain management, the diagnostics, the data, and everything else in one spot. These are the types of, again, fairly simple things that I think all together start to make a lot of connections that then accumulate. As I mentioned, I grew up in a nursing family and I have a lot of respect for the role that nurses play in delivering health care.

So we recently were talking with some students from Harvard Medical School and they really want to change the system. The system itself is broken. And this quote I love.

I mean, it’s sad, but I think it’s an excellent quote. I don’t want to be a great doctor in a broken system. And so if we look at the main thing that stresses out doctors and nurses, it’s this lack of ability to spend time with patients.

It’s bad for patients, of course, but it also is a source of stress and overload and burnout for the doctors and nurses. So the time they spend with patients, 30% to 35% for nurses and 14% to 18% for physicians, is actually dwarfed by the amount of time they spend just doing documentation. So this is a clear area where if AI is going to take a job, it should take that job.

That would make things better for everybody. And this is a book. I wrote a chapter for this book, Why the World Needs Nurses.

And again, the role of nurses is really going to rise in terms of being able to not just be comfort for the patient, but take more and more of the type of roles that doctors have traditionally played. So the opportunity to change the healthcare system and how it works is, I think, really good. One of the other huge assets that the Dominican Republic has is a youthful population.

As I mentioned earlier, most of the countries in Europe and the United States and a lot of other places are aging rapidly, and it looks more like the population pyramid is more of an onion. But you’ve got a massive amount of young people that are all looking for opportunities and using AI to educate them more rapidly. I think people talk about all this cheating and how kids are using AI these days.

I think you should require them to have a PhD by the time they’re 18, and then we would have the problem solved. So using this youth population, again, an asset that you already have, and really channeling it into these other types of initiatives, I think, is a really important thing. Muchas gracias.

Thank you very much. I look forward to seeing you around the event. Continuamos avanzando en esta jornada donde la tecnología y la medicina convergen para redefinir el futuro.

A continuación, damos paso a nuestro primer panel, la inteligencia artificial y su aplicación en el ámbito de la salud. Esta conversación estará moderada por el Dr. Sergio Blasco, CEO del Hospital Metropolitano de Santiago, HOMS. Nos acompañan como panelistas, el Dr. Julio Mayol, Profesor de la Universidad Complutense de Madrid y del Hospital Clínico San Carlos en España.

El Dr. José Manuel Martínez Esmero, farmacéutico del Hospital Gaita Sescam y académico de la Real Academia Nacional de Farmacia en Madrid. La ingeniera Evelyn Castro, ingeniera de sistemas, doctora en ciencia de la computación y pionera en el Perú en el uso de la inteligencia artificial. Y la doctora Claudia La Selva, Directora de Servicios Hospitalarios, Apoyo y Prácticas Asistenciales del Hospital Israelita Albert Einstein en Sao Paulo, Brasil.

Un panel que nos invita a comprender cómo la inteligencia artificial está transformando la salud desde múltiples perspectivas. Muy buenas. Bueno, pues muchísimas gracias por su presencia.

Empezamos con este panel, gracias a Funglode por todo el trabajo, sobre todo a Giselle, que es la que más ha estado currando aquí. Y la verdad es que tenemos un panel, pues, que esperamos que sea de su agrado, ¿no? Un panel variado. Yo tenía previsto decir unas palabras, pero las voy a reordenar, sobre todo para darle la palabra a ellos, porque la mayoría de ustedes aquí ya me tienen un poco aburrido, entonces yo creo que es mejor que ellos hablen, que tienen cosas muy interesantes que trasladarnos.

En principio tenemos con nosotros, voy a presentarlos a todos y después les voy a dar un tiempo para que ellos desarrollen los temas que traen, que yo creo que son verdaderamente interesantes, ¿no? Todos relacionados con el desarrollo de la inteligencia artificial en el ámbito de la salud. En primer lugar tenemos al doctor Julio Mayor, que es catedrático de cirugía por la Universidad Complutense de Madrid. Es el director científico del Instituto de Investigaciones del Hospital Clínico San Carlos de Madrid y además dirige el grupo de innovación.

Y ha sido director médico y de innovación también en el Hospital Clínico Universitario de San Carlos de Madrid. Después tenemos a José Manuel Sesmero, que es farmacéutico, especialista en gestión sanitaria. Ha sido director médico también en algunos hospitales en España y ha sido director de investigación e innovación de la Sociedad Española de Farmacología Hospitalaria.

Evelyn Castro, doctora de catedrática en ciencias de la computación, ingeniera de sistemas, y es la pionera de la inteligencia artificial en Perú, desarrollando nuevas herramientas, intentando democratizar el acceso a la inteligencia artificial. ¿Lo he dicho bien? Y por último, no menos importante, Claudia La Selva, la doctora es enfermera, magíster de nefrología, doctorada en cardiología, directora de servicios hospitalarios y prácticas asistenciales del Hospital Israelita Brasileño Albert Einstein, que es el hospital número 16 en el ranking mundial. Por lo tanto, tenemos un médico, un cirujano, un farmacéutico, un ingeniero de sistemas y una enfermera.

Fíjense qué completo es este panel. Yo, sin más, y deseándoles que nos hagan una breve introducción de cuatro, cinco o seis minutos, pues le doy la palabra al doctor Julio Mayor. Gracias.

Buenos días, muchas gracias. Muchas gracias a los organizadores por darme la oportunidad de compartir durante los próximos minutos algunas reflexiones sobre la mayor revolución de desintermediación que ha sufrido nunca nuestra especie. Todos aquellos que estamos en el medio entre el conocimiento y el usuario final del conocimiento estamos en riesgo.

Habitualmente decimos las máquinas no nos van a sustituir. Recuerden la guerra de las galaxias. ¿Cuántos médicos y enfermeras humanas había en la guerra de las galaxias? Cero.

El sueño de nuestra especie es ponernos en riesgo, quitarnos en la provisión de servicio sanitario. Por tanto, es imperativo que como profesionales rediseñemos cuál es nuestro papel como proveedores de no sólo servicios, sino de asistencia, de ayuda, de compasión a todo ser humano que sufre. Se ha definido ya previamente que es la inteligencia artificial y como Alan Turing en 1950 se preguntó ¿Can machines think? en su famoso artículo de Computing Machinery and Intelligence en la revista Mind.

Recuerden que lo que él proponía es que lo que hacían las máquinas era simular, imitar, the imitation game. Y ahora mismo estamos en el desarrollo, no voy a preguntar cuántos de ustedes utilizan inteligencia artificial generativa porque seguro que las manos subirían masivamente. Todos estamos de una manera u otra utilizando estas máquinas, pero no sólo los que estamos como intermediarios entre el conocimiento, los profesores, los médicos, las enfermeras, entre el conocimiento y el usuario final del conocimiento, sino también nuestros pacientes.

Por primera vez ellos tienen una máquina que contesta 24 horas al día, 7 días a la semana cualquiera de sus preguntas. Y lo hace con un conocimiento que puede ser correcto o incorrecto. Y ahí es donde tenemos que jugar un papel importante.

¿Cómo tenemos que organizar la estrategia para sacar el máximo beneficio de esta revolución de desintermediación en la que los profesionales sanitarios debemos jugar un papel? Primero, lo básico, definir muy bien, lo dijo el doctor Leonel Fernández, hay que definir muy bien cuál es nuestro propósito. Sin un propósito adecuado, sin un propósito correcto será extremadamente fácil llegar con muchísima precisión al sitio incorrecto. Por tanto, hay que definir desde el principio hacia dónde queremos ir.

Lo más importante es ahorrar tiempo para que no pasemos entre el 50 y el 60% de nuestro tiempo mirando a pantallas, que volvamos a lo intrínsecamente humano, que es mirarnos a los ojos, donde los humanos construimos la confianza. Después de eso, necesitamos una capa de infraestructura, tanto tecnológica como de conocimiento. Recuerden, el problema de que no utilicemos bien la inteligencia artificial no está en la tecnología en sí misma, que tiene limitaciones, sino en los defectos del conocimiento previo sobre que fundamentamos las contestaciones de la inteligencia artificial.

No podemos hacer buena medicina si el sistema científico que tenemos detrás no es suficientemente poderoso. A continuación, formación, educación, educación, educación, un cambio cultural, pasa, y lo dijo el doctor Leónel Fernández, por la formación y la educación, y aquí le retaría, no sólo en tecnología, tenemos que volver a lo fundamentalmente humano, la filosofía, la antropología, las artes. La tecnología nos va a poder escribir códigos sin necesidad de que nosotros conozcamos Python.

Lo que tenemos que hacer es pensar bien y hablar correctamente. Utilizar bien las palabras se convierte en crítico en un momento en el que tenemos sistemas de procesamiento de lenguaje extraordinariamente potentes. A continuación, tienen que invertir en innovación y cambio cultural, porque esto, sin un buen propósito y sin un trabajo previo importante, nos va a doler.

Toda transformación duele. Toda transformación nos pone en riesgo. Y final, como final, pero no lo último, es la reflexión, la dedicación a la ética y a la regulación.

Se mencionó también, uno de los problemas más importantes de la tecnología digital es el riesgo de polarización de nuestras sociedades. Es el Matthew Effect, el efecto Mateo de la Biblia. A quien tiene mucho, cada vez se le dará más y al que no tiene, se le quitará.

Eso genera inequidad y un enorme riesgo para nuestras sociedades. Por eso, nuestra estrategia desde el Hospital Clínico San Carlos y desde el instituto que lidero es conectar, conectarnos con las personas en Estados Unidos, en la India, en El Salvador, en Italia. Como sociedad somos mucho más potentes que como individuos aislados.

Tenemos que enfocarnos en entender los contextos sociales que afectan a cada uno de nuestros países. Porque las soluciones que funcionan en España no necesariamente tienen que funcionar en la República Dominicana. Tenemos que ser capaces de entender de manera global cuáles son los retos, los problemas y las necesidades no cubiertas en cada uno de nuestros ambientes.

Esto nos ha llevado a publicar ya sobre cuál es el impacto de la inteligencia artificial en la cirugía global, en la salud global, en países de mediana y baja renta. Y también en nuestros propios países de alta renta donde no existe un acceso suficiente y homogéneo a una buena asistencia sanitaria. Para eso hemos empezado por crear infraestructuras de conocimiento y tecnológicas como este orquestador que se llama Epistemai.

Hemos cofundado y lanzado una herramienta que orquesta diferentes agentes que ayuda a llevar al investigador desde la pregunta científica hasta el grant o el artículo. Haciendo que aquellos que no tienen tiempo para investigar vean potenciadas sus capacidades para contestar a preguntas relevantes en este contexto. No en Estados Unidos, no en España, en la República Dominicana.

Para eso es importante la privacidad, proteger los datos y esto nos llevó a descargarnos modelos de lenguaje que utilizamos en servidores, en supercomputadores con protección para que los investigadores tengan la confianza de que sus hipótesis, sus preguntas científicas, sus datos no van a servir para entrenar un modelo y, por tanto, generen dificultad para el uso de las herramientas. Además, dentro de nuestro Instituto de Investigación estamos utilizando la tecnología para coordinar, para ayudar y alinear a las personas. Sin grupos de investigadores que tengan una visión compartida es imposible producir avances significativos en nuestro sector.

Y además, como los datos son siempre un problema y se mencionó, tenemos una estrategia de datos sintéticos que nos permiten abordar simulaciones sin poner en riesgo la privacidad de las personas. De hecho, corrimos el primer datatón de datos sintéticos el año pasado, en el mes de noviembre y el próximo 18 de abril lanzamos Oncotwin, otro datatón que nos va a facilitar el diseño de gemelos digitales, como mencionó el doctor Fernández, para poder responder a retos en cáncer de mama, cáncer de pulmón, sarcomas, mielomas múltiples y en la gestión de todos los procesos porque, como se mencionó antes, el sistema está roto. The system is broken.

Y, de nuevo, si trabajamos un sistema que no reingenierizamos, el problema, de nuevo, es que vamos a llegar con extraordinaria precisión al sitio incorrecto. Que unos pocos van a tener mucho y muchos van a tener poco, pero una sociedad más sana es una sociedad más rica. Ese es nuestro reto.

También utilizamos agentes y la posibilidad de tener un espacio cerrado con Office 365 creando agentes que permiten compartir dentro de nuestra organización para atacar tareas muy específicas. No queremos convertir al superexperto en más experto. Eso tiene un coste marginal extraordinario.

Lo que queremos es subir las capacidades de todos los profesionales, sobre todo ahorrar tiempo. Time is money. Y un money muy caro, cada vez mayor.

Si no conseguimos ahorrar tiempo para las personas, el burn-out va a crecer. El sistema de información en Estados Unidos es la mayor causa de burn-out para los profesionales que están abandonando el sector. Tenemos que ser capaces de planificar, de iterar, de ejecutar y de demostrar a los profesionales que con la utilización de la tecnología conseguimos mejorar no solo la asistencia a las personas que tienen enfermedad, sino también la calidad de vida de los profesionales.

Si no, el riesgo es que se vayan y entonces nos veremos obligados a utilizar una inteligencia artificial subóptima porque no habrá humanos interesados en seguir practicando la asistencia sanitaria. Para finalizar, mis siete recomendaciones. Primero, vayan rápido, rápido, rápido.

Esto cambia muy rápidamente. Segundo, no hace falta que hagan un máster en inteligencia artificial. Tienen que comprender cuáles son las bases esenciales que hacen que la inteligencia artificial se afecte a nuestro hilo.

Tercero, encuentren el propósito, el por qué y el para qué utilizan la inteligencia artificial. Si ustedes no saben por qué y para qué utilizan la inteligencia artificial, van a estar totalmente perdidos y no van a ver ninguna utilidad en la utilización de herramientas. A partir de ahí, encuentren los puntos de dolor, dónde les molesta el zapato y entonces busquen las soluciones que les ayuden a liberarles el tiempo, a estar menos quemados.

Todas esas tareas administrativas de escasísimo valor para los pacientes y para los profesionales que además terminan generando datos que normalmente son falsos. Uno de los problemas más importantes en los sistemas de historia clínica electrónica, por ejemplo en Estados Unidos, también en el mío, en EPIC, es que el 80% de las notas de seguimiento son copia-pega. ¿Cómo podemos hacer inteligencia artificial con notas que son básicamente copia-pega? A partir de ahí, seleccionen aquellas que les va a producir más valor, pero inviertan en innovación y cambio cultural.

No crean que esto va a ocurrir gratis. Recuerden que durante mucho tiempo dijimos que la digitalización era para llegar a los hospitales sin papel. Error.

Un tremendo error. A continuación, después de eso, tienen que invertir en re-skilling y up-skilling. Vamos a perder capacidades.

Si no tenemos una estrategia directa para mantenernos activos en el aprendizaje, los humanos vamos a intentar ignorar aquello que las máquinas ya hacen por nosotros. Y la última recomendación, no la menos importante, ética y regulación. Piensen siempre en las consecuencias de nuestras decisiones.

Muchas gracias. Muchísimas gracias, doctor Mayor. Yo creo que hemos cumplido la aspiracional.

El objetivo era aspiracional y generar un poco de… Muy bien. A continuación, siguiendo una de las recomendaciones, vamos a invitar a la doctora Claudia La Selva para que nos dé la perspectiva de… Bueno, pues de experiencias de éxito utilizando las herramientas de inteligencia artificial en el Albert Einstein. Muchas gracias.

Buenos días. Yo no hablo español, pero voy a hablar portuñol. Espero que comprendan, ¿sí? Perdón.

Es un gusto estar aquí con ustedes hoy para compartir un poco de centrales de comando de Albert Einstein. Un poco de nuestra institución. Hoy Albert Einstein es mucho más que un hospital.

Focamos no solo en asistencia, pero también en enseñanza, educación, investigación e innovación y responsabilidad social. Y nuestro objetivo estratégico es ser reconocido mundialmente como una de las organizaciones líderes en excelencia, calidad, seguridad, innovación y sustentabilidad en la salud. Recientemente revisitamos nuestros valores que son excelencia que transforma cuidado que humaniza y conocimiento que se construye.

Este es el tamaño de Einstein hoy. Somos más de 30 mil funcionarios, más de 15 mil médicos y tenemos ocho hospitales, siendo 745 camas en sector privado y más de 1,400 en sector público. Son más de 85 unidades.

Y para nosotros es un placer porque hoy recientemente recibimos la información que somos el décimo y sexto mejor hospital del mundo por ranking de Newsweek, primero en América Latina y primero también en Hemisferio Sur. Fomos elegidos la institución, la empresa más innovadora del país en el ramo de la salud y la segunda en todos los ramos posibles. Este es un poco de nuestra historia utilizando inteligencia artificial.

Comenzamos en 2010 y en este periodo creamos una visión estratégica y comenzamos a utilizar análisis de dados e inteligencia artificial para puntos clínicos. En 2015 creamos una directoría de Big Data que comenzó a organizar toda la área de tecnología de información alrededor de Big Data. En 2015, entre 2018 y 2020 estructuramos una cultura baseada en dados.

Todo lo que se proponía se estudiaba los dados y buscaba que tuviese la calidad de vida. En este periodo implementamos nuestra ficha clínica en 2017. En 2020, escalamos la inteligencia artificial para nuestra práctica clínica.

Expandimos en 2021 a nuestro sistema público con diversas acciones con el sistema PROA de SUS. En 2023, un momento importante, nos integramos con la plataforma de Mayo Clinic Connect para ser parte de una red internacional de datos de salud. Y en 2024, fuimos reconocidos por una institución innovadora en la salud.

Incluso con tal evolución y con un modelo ya incorporado, el reto de estructurar una cultura de excelencia basada en dados persiste. Pero observamos que todo eso que construíamos sería inviable para un futuro muy cercano. Antes, estábamos trabajando de manera muy aislada en nuestra área de Big Data con poca conexión con las áreas asistenciales de la institución.

Dependíamos mucho de personas clínicas, de personas técnicas, perdón, y trabajábamos con dados muy inconsistentes. Lo que decidimos fue juntar toda la institución y decidir lo que importa para el uso de dados en Albert Einstein. Así, hay cuatro grandes territorios y hoy, todo lo que se hace usando inteligencia artificial necesita estar relacionado a estos cuatro temas.

Primero, que libere tiempo de las equipes para tener un cuidado más humanizado con los pacientes. Segundo, que fornezca soporte para mejorar nuestras decisiones clínicas en los diagnósticos. Tercero, que permita que mejore la experiencia la jornada de paciente.

Y por fin, que simplifique los procesos asistenciales especialmente para los equipos. Considerando estos cuatro tópicos muy relacionados a jornada de paciente y a seguridad de paciente, tenemos hoy dos centrales en Albert Einstein. Una central que foca en seguridad del paciente, que es nuestra central de monitoreo asistencial o de seguimiento de atención.

Y una otra central que es la central de comando operativo que foca en mejorar la eficiencia operativa. En esta central de monitoreo, lo que hacemos es capturar los dados clínicos de ficha clínica de paciente en tiempo real. Estos dados se transforman en algoritmos úteis para la seguridad de paciente.

Tengo un equipo de veinticuatro horas en ese centro que consume las informaciones y que contacta las equipos que están en la punta, notificando un riesgo al paciente. Si hay un paciente en protocolo de sepsis y no recibió lo antibiótico en hasta una hora, este equipo avisa al equipo asistencial. No hay carácter punitivo, pero solamente focado en mejoría.

Monitoro el quirófano veinticuatro horas por día. Todo tiempo cirúrgico, todas las informaciones clínicas de paciente. Hay algoritmos de deterioro durante la quirurgia.

Y monitoro también las imágenes de cada sala para entender lo que pasa en que tiempo quirúrgico están los pacientes. Con esto, tenemos resultados muy, muy interesantes. A partir de la detección de eventos de triaje rápida, de comunicación con al área y la acción de línea de frente, conseguimos reducir como que ciento noventa y seis eventos en cinco años, una media de treinta y nueve eventos por año, eventos adversos graves o catastróficos.

Diecisiete vidas potencialmente salvas durante este periodo y se evitaron más de mil setecientos días, se evitaron más de tres mil y oitocientos días de de promedio hospitalar porque es un paciente que tiene un evento adverso, fica mucho más tiempo internado en la institución. Con esto, tenemos cerca de sesenta millones de reais evitados en costos en cinco años. Y hoy como una evolución, tenemos un equipo de soporte asistencial virtual que son médicos e enfermeros que actúan a distancia en esta central consumiendo dados de deterioro clínico de pacientes de riesgo de deterioro clínico y actúan a distancia con las equipos especialmente donde no hay médicos veinticuatro horas como en médico quirúrgica y actúan no sentido de dar y herramientas para las equipes antecipar en los riesgos.

Con esto, más de un año funcionando con este equipo, reducimos la mortalidad de este grupo, vamos a publicar los resultados, son significativamente verídicos y también lo que notamos fue que los recursos utilizados en las veinticuatro horas de UCI fueron mucho menos que en grupo de control. La segunda central de comando es una evolución de nuestro programa de flujo de pacientes que en diez años que han reducido el tiempo promedio de permanencia de pacientes solamente mejorando procesos reduciendo desperdicios en la salud. En esta central hacemos todo flujo de paciente e hacemos intervenciones en tiempo real.

Trabajamos con dados que provienen de ficha clínica y de otros sistemas y hoy tenemos en tiempo real todo monitoreamiento de hospital, la tasa de ocupación en tiempo real, cuántos pacientes hay en emergencia, cuánto tiempo están a esperar por lo atendimiento médico, trabajamos también con predicción de ocupación hospitalaria, tengo predicción hasta sesenta días, los diez primeros días, una tasa de de uno a tres por ciento, predicción de admisiones en la unidad de emergencia, como trabajamos con una taja de ocupación muy elevada como que noventa, noventa y cinco por ciento, es muy importante que tengamos todas las informaciones de hoy y de futuro para nos anteciparmos y adoptarmos medidas. Si este modelo integrado a longo de estos años nos permitió generar más de ciento y ochenta camas virtuales. Evitamos construir un nuevo edificio en ese periodo.

Se cree que el resultado de este proyecto a lo largo de los años fue más de trescientos y cinco millones de dólares. Se consideramos que evitamos construir un nuevo edificio y evitamos los costos con personal y manutención de toda la operación. Esta es una central que foca en eficiencia operativa y mejorar el flujo de paciente mejorando su experiencia en nuestra institución.

Siempre me gusta traer la frase de nuestro presidente que dice que la IA para Einstein es un aliado estratégico que amplía la capacidad humana la de cuidar, decidir e innovar. Gracias. Muchísimas gracias doctora.

La verdad es que se vio sensacional como hemos pasado del macro a ya ejemplos concretos de utilización de la IA para gestionar hospitales y la verdad es que bueno pues cargó unas lecciones interesantes vayan preparándose algunas preguntas los que quieran digamos hacerles después a nuestros panelistas y a continuación la doctora Evelyn Castro nos va a exponer digamos los avances que están haciendo en inteligencia artificial en Perú. Buenos días con todos. Es un placer para mí estar en República Dominicana mi primera vez acá y realmente agradezco la invitación de los organizadores, agradezco la cálida bienvenida y el acompañamiento de todos estos días que me han hecho sentir en casa.

Bien, yo les comento que escapó un poco al patrón de la mayoría de especialistas y profesionales dignos que están acá. Yo soy ingeniero de sistemas, soy doctora en ciencias de la computación, soy una apasionada en la educación y la investigación, soy docente investigadora y el tema que vengo a compartirles ahora es sobre la experiencia que he tenido en estos largos años acerca de formar un centro de investigación, generar productos y ser reconocida hoy en día como la pionera en IA en Perú. El título de mi ponencia es inteligencia artificial con propósito y creo que ya también lo mencionaron.

¿Quiénes somos? Somos un grupo de docentes de la Universidad Nacional de San Agustín, quienes apostamos por hacer realidad la frase que Facundo Manes comenta, la inteligencia colectiva es más que una inteligencia individual. Entonces, lo que nosotros hicimos fue unirnos, crear un centro de investigación desde la universidad y lo particular de ello es que queremos formar una masa crítica de estudiantes, los cuales sean apasionados como nosotros en generar nuevas soluciones para nuestra sociedad y sobre todo que no solamente obtengan conocimientos teóricos sino los apliquen desde tempranos años. Para nosotros nos ha funcionado la siguiente fórmula, inteligencia colectiva, un equipo diverso, asesoría de expertos y una capacitación constante.

¿Cuándo nos pusieron un desafío mayor al centro de investigación que nació más o menos en el dos mil diecisiete? Cuando llegó la pandemia y creo que a todos nosotros nos dejaron una serie de experiencias y nos desafiaron bastante, nosotros recordaremos las fronteras estaban cerradas y llamaron a la atención a algunos laboratorios. En mi universidad fuimos dos los laboratorios que trabajamos arduamente en dar soluciones con la tecnología que teníamos en ese instante, que era la inteligencia artificial, la impresión 3D y nosotros pudimos apoyar a los especialistas con la realización desde equipos de protección, un kit de video laryngoscopía encapsulada que era lo que necesitaban nuestros especialistas, un casco CEPAP para nuestros pacientes de presión positiva aérea y también un respirador artificial creado en base al modelo liberado por el MIT. También junto con la Universidad de Oklahoma desarrollamos un modelo de aprendizaje automático basado en imágenes de radiología para la detección y evaluación de la gravedad del COVID.

¿Por qué? Porque en ese momento nuestros radiólogos se encontraban con una carga laboral excesiva, eran pocos los radiólogos y necesitábamos darle a conocer al radiólogo que podíamos ayudarlo en esa tarea difícil, identificando ciertos patrones como la mayoría de ustedes sabe, los patrones del GGO, de condensaciones, etcétera. También en época de pandemia dimos alguna solución en cuanto a las terapias de rehabilitación porque nosotros nos damos cuenta que en ese momento muchos de los pacientes de los niños no podían acercarse al hospital porque eran personas vulnerables, entonces decidimos colaborar con ellos y generar un sistema de rehabilitación virtual de la mejoría a nivel motor y cognitivo para los niños con encefalopatía epiléptica. Para esto también contamos con la asesoría del doctor Sergio Albiol de la Universidad de Teurela en España, quien junto con nosotros probamos y validamos el equipo con la clínica San Juan de Dios en Arequipa, quienes también creyeron en nosotros y está desarrollándose una prueba piloto.

Posteriormente, ya luego de la pandemia, nosotros hemos querido ir un poquito más allá y desde el contexto, como también lo decían los otros panelistas, ver cuál es la situación real de nuestro país. Tuve la experiencia de que mi mamá tuvo una fractura de cadera y para esperar una operación era la paciente número mil, entonces esa situación también me llevó a pensar que habían personas que se nos acercaban y nos decían si podíamos hacer algún tipo de prótesis adecuada para el paciente. Fue así que hemos, durante estos dos años, hemos estado desarrollando también una prótesis electrónica transtibial de pierna para una persona en específico que se nos acercó junto con su madre y que nos dio ciertas características de qué era lo que necesitaba.

Lógicamente esta persona necesitaba un dispositivo a bajo costo, entonces desde ahí salen nuestras soluciones. Hay que pensar un poco en el contexto, en la situación donde estamos. Definitivamente no podemos resolver todos los casos.

Creo que nosotros acá, cada uno de nosotros, si nos encontramos en esta sala, somos agentes de cambio y esos agentes de cambio lo hacen desde su contexto. Mi colaboración es desde la academia formar a mis estudiantes y tratar de generar este tipo de soluciones. La última solución en la cual estamos trabajando en estos momentos es el establecimiento de un programa de investigación biofotónica en la universidad a través del desarrollo de un dermatoscopio inteligente, dispositivo que está pretendiendo detectar el cáncer de piel con anticipación de forma temprana, el cual también está siendo desarrollado con la Universidad de Oklahoma.

El mes pasado, en febrero, estuve casi desde enero hasta febrero, 50 días, trabajando con ellos en el desarrollo de este dispositivo, porque ustedes sabrán, yo no soy electrónica, no soy física, pero la segunda parte del desarrollo de esta herramienta es ir a los hospitales en Arequipa. ¿Por qué Arequipa? Porque Arequipa tiene la mayor cantidad de radiación a nivel de todo el Perú y existen más incidencias de cáncer de piel. Es mi contexto, por lo tanto, creo que es indispensable colaborar con ese contexto y esa realidad.

Luego de obtener las imágenes de los pacientes, nosotros vamos a poder entrenar una serie de modelos de inteligencia artificial para cumplir con la detección temprana de cáncer de piel. El proyecto dura tres años. Bien, sabemos que estamos, bueno, hemos entendido que es la inteligencia artificial, hemos escuchado mucho, pero ¿cuánta de esta inteligencia artificial realmente llega al personal de salud y al paciente? Yo quiero poner a discusión un tema, porque nos hemos dado cuenta de que tenemos un desafío en la investigación en inteligencia artificial y es la implementación de los productos de forma real.

En este caso, nosotros tenemos investigaciones, tenemos modelos con alta precisión, tenemos publicaciones, pero en realidad la innovación no impacta por la publicación, sino impacta cuando se usa. Y lo que nosotros queremos es usar estos productos en la población y tenemos ciertos problemas. Uno, la regulación, la validación clínica, que sí queremos participar porque es una validación clínica rigurosa la que hacemos, la integración al sistema de salud y la sostenibilidad de este tipo de productos.

Pensando en ello y resolviendo algunas situaciones muy difíciles, tuvimos que crear MEDE, un spin-off que proviene de la universidad y que lo que pretende es tratar de sacar estos productos de investigación al mercado, realizar la transferencia de tecnología y que más población pueda ser beneficiada. Para ello concursamos en una iniciativa del gobierno coreano, obtuvimos un financiamiento para formar esta spin-off, nos dieron capital para hacerlo, hemos podido participar en Cuálin Colombia en el 2024, donde hemos obtenido mayor interés sobre los productos que estábamos desarrollando. Entonces, creo que de la investigación al producto real ya no debemos de pensar en precisión, sino en impacto clínico.

Ya no debemos de pensar en un prototipo o un piloto, sino en un producto. Y ya nuestro laboratorio, nuestro sandbox, donde nosotros probamos y validamos, debe de ir directamente a un sistema de salud. Entonces, insto a las personas que también están en la empresa, en las instituciones de salud, en la academia, que debemos de cerrar un ciclo.

Si no lo hacemos, o si alguna parte de estas características se quiebra, simplemente no vamos a poder llevar un producto al mercado. Es decir, tenemos que hacer investigación, una validación rigurosa y regulación, la implementación y la transferencia de tecnología. Hoy tenemos una oportunidad, tenemos más datos que nunca.

También nos comenta en una conferencia que nosotros como latinoamericanos tenemos una gran oportunidad. Los europeos y los americanos estadounidenses no se van a preocupar por nuestras necesidades. Él nos dice, los latinos tienen la oportunidad de preocuparse por sus necesidades y dar soluciones a esas necesidades.

Sabemos que los avances en la IA son exponenciales, pero necesitamos articular el sistema. Universidad, centros hospitalarios y empresa, gobierno. La inteligencia artificial ya está transformando la salud, no lo podemos negar, pero no lo va a hacer por sí sola.

Lo que realmente va a transformar la salud es nuestra capacidad de convertir esa inteligencia en soluciones reales. Y quiero terminar diciendo que no se trata de cuán inteligente es el modelo de IA, sino cuántas vidas logra impactar. Muchas gracias.

Muchísimas gracias. Bueno, hemos entrado ya en la materia de, como decía Emiliano Bruner, el cerebro no se atrofia con el cambio, sino que se reconfigura liberando recursos para nuevos desafíos, para nuevas funciones. Vamos a la parte farmacológica, la parte medicamentos, con José Manuel Martínez.

Muy buenos días, un placer estar aquí con todos ustedes. Gracias a los organizadores por la amable invitación, gracias Sergio por la presentación y también felicitarles porque creo que han logrado construir no solo un gran evento, sino también una estructura, una arquitectura sanitaria que dará mucho que hablar en el próximo futuro. Yo les hablaré y enfocaré en el ámbito de la farmacia, del medicamento, intentando dibujar algo que, sin saberlo, enfoca con una de las recomendaciones del profesor Mayor, que es, bueno, desarrollemos estrategias, cómo lo vamos a gestionar, nos hagamos las preguntas del por qué y del para qué.

Porque probablemente en el mundo del medicamento, aunque hay ejemplos ya claros, palpables, los vamos a visualizar algunos de ellos, queda mucho por definir y por traer esos productos, esos servicios a la realidad, que es lo que apuntaba también hace unos segundos Evelyn. Probablemente cuando pensamos en una farmacia que gestiona la adquisición, el control, la dispensación, la elaboración también de tratamientos y aplicamos el concepto de la IA, cómo va a impactar, bueno, probablemente podamos tener una imagen parecida a esta, colaboración, individuo, máquina, visualización de datos, la tecnología sanitaria, que es el medicamento, seguirá existiendo, ahora estamos hablando de nuevas incorporaciones, nuevos paradigmas de tratamiento, seguimos utilizando tratamientos más o menos clásicos, históricos para la humanidad, pero lo que está claro es que esta tecnología, la inteligencia artificial, hay que conectarla y hay que saber conectarla de la manera adecuada para que el medicamento sea efectivo, seguro y también, por qué no decirlo, eficiente para garantizar esa sostenibilidad global, que no solo económica, del sistema. Haré así a huelapluma algunas navegaciones sobre las dimensiones donde la inteligencia artificial ya está impactando y está generando estrategias de desarrollo en el ámbito del medicamento.

Lo primero es la investigación y desarrollo, es decir, yo quiero, necesitamos como sociedad, como profesionales sanitarios, nuevos medicamentos, como hemos dicho, útiles, seguros, efectivos. La inteligencia artificial ya demuestra, y hemos visto algún ejemplo, como la ideación y modelación de las proteínas y muchos medicamentos son proteicos o su diana terapéutica es proteica, ya está dando ejemplos de cómo obtenemos en desarrollos preclínicos nuevas moléculas y que además, gracias a esa tecnología, acortamos mucho los tiempos y, por lo tanto, también los costes en los que incurrimos. Y esto también afecta a acciones tan directas como puede ser reposicionar un fármaco, es decir, obtener nueva información respecto a efectos no conocidos, utilizando y analizando la información, pero es que también los ensayos clínicos se hacen más dinámicos, cambiantes, flexibles, porque de nuevo el análisis de la información nos hace aprender sobre la marcha y pasamos de un modelo estático a uno algo más dinámico.

Si queremos descender en el ámbito del ensayo clínico, que es lo que terminaba diciendo con la imagen anterior, no sólo será porque obtengamos nuevas moléculas para ensayar en humanos. Esto de momento no va a cambiar. Sí, los gemelos digitales nos van a ayudar, no sólo a personalizar el tratamiento, sino también a la investigación diferente, pero el ensayo clínico en personas continuará, pero la selección y reclutamiento de pacientes ya está empezando a cambiar, porque con la información disponible, el acceso al candidato o candidata correcto para un ensayo clínico se podrá acelerar.

Esto genera también eficiencias de escala, genera también optimización, como decía anteriormente, en el diseño de medicamentos, pero es que también logramos conectar a un campo que ha sido, yo creo que, piedra de toque, diría, en la investigación. Es decir, cómo podemos aproximar la información que se genera en el ensayo clínico con el campo de pruebas bases, es decir, la vida real, y cómo hacemos complementaria toda esa información. Un ejemplo, bueno, pues la utilización de cohortes sintéticas necesitaremos menos pacientes reales para obtener esa información y ensayarla, y podremos aspirar a algo que ya está prácticamente llegando, ¿no?, un ensayo adaptativo, automático, gracias a la inteligencia artificial.

Donde probablemente en el campo farmacéutico podamos tener ya ejemplos reales es en la prescripción y decisión clínica. Todos los sistemas de soporte a la decisión se han mejorado muchísimo y hay muchas empresas invirtiendo en ello, es decir, la recomendación prescripción del tratamiento la va a ofrecer al médico, probablemente un sistema de inteligencia artificial. Eso ayudará a ajustarnos a las necesidades del paciente, pero también evitará y ayudará a modelizar qué interacciones puede haber cuando tenemos pacientes que usan más de un medicamento, lo cual es muy común.

Evitaremos también la utilización inadecuada del medicamento, porque al final, claro, es una tecnología que se tiene que utilizar adecuadamente y evitaremos, gracias a la inteligencia artificial, algunos errores en la prescripción, pero también seremos capaces de predecir respuesta, seremos también capaces de tener una asesoría colegiada con los datos disponibles en el momento actual de las publicaciones científicas de qué está sucediendo en pacientes similares al otro lado del Atlántico, por ejemplo, es decir, hay un reto importante en la colaboración con datos reales y, por último y no menos importante, generar modelos causales para recomendar tratamientos óptimos. Para aprender y para que la inteligencia artificial nos dé información de valor, tenemos que analizar qué está pasando ahora con la utilización de los medicamentos, ese campo de pruebas que es la vida real. Podemos analizar variabilidad en la prescripción, podemos analizar variabilidad en el resultado clínico esperado o cuánto se aleja de lo esperado, gracias a qué, pues a monitorización remota a través de telemetría, valoración también de manera remota de la adherencia, un tratamiento que no se toma es un tratamiento que lógicamente es ineficaz, optimización de dosis, bueno, muchísimas variantes y aplicaciones donde el análisis correcto con esta tecnología nos va a ayudar a optimizar el uso del medicamento y esto enfoca en una palabra muy manida probablemente pero que no tenemos que perder de vista y todo esto de nuevo ¿por qué?, ¿para qué?, porque necesitamos analizar constantemente resultados en salud.

Yo llevo en el mundo sanitario poco más de 20 años y probablemente puedo decir que hemos avanzado muy, muy poco. Ahora estamos ante un cambio de paradigma para facilitar al profesional sanitario, al gestor, al directivo, a un comité de dirección, ¿qué está pasando con la utilización del medicamento?, ¿cuál es el retorno de esa inversión?, focalizada en ese concepto que es valor, que a veces es etéreo, hay que definir desde qué perspectiva, pero que al final en el consenso global de la sociedad y del equipo clínico o del directivo tenemos que aproximar. ¿Cómo? Bueno, pues teniendo en cuenta la opinión del paciente, los conceptos y el paradigma del Patient-Reported Outcome y el Patient-Reported Experience, pero con los objetivos clínicos clásicos o los que vayan a aparecer en el futuro, no perdiendo de vista la inversión que ya decía anteriormente económica que estamos haciendo como sociedad, como sistema y en cada contexto por igual.

Evaluación continua de lo que es la patología del paciente y luego, como siempre, adaptándonos flexiblemente a lo que puede suceder, porque la situación que vivimos hoy en un resultado clínico puede cambiar por unos motivos que de manera priorística o exigente no vamos a poder anticipar si no es con la ayuda de inteligencia artificial. Una cuestión también interesante que ya se está ensayando es cómo podemos hacer una compra inteligente y esto es muy importante porque de nuevo la economía de escala aplicada a esta tecnología, que es el medicamento, puede verse mejorada con la inteligencia artificial. Podemos predecir la demanda o al menos intentarlo, ¿no?, los consumos estacionales o no en función de variables que tienen que ver con la epidemiología, con el tipo de población, bueno, con múltiples circunstancias directamente o indirectamente relacionadas con la salud, pero también determinar o prevenir algunas ineficiencias en el uso.

Un tratamiento o un medicamento mal utilizado es un derroche para el sistema, es un derroche para un hospital y es un derroche para el propio paciente. También podemos hacer, llegar, ¿no?, a un paradigma muy debatido, pero gracias a la tecnología yo creo que más plausible llegar a ello, hacer una compra basada en resultados. Esto también no es la única manera de cambiar o innovar, no es la panacea, todos los problemas, pero sí que probablemente nos ayudará a entender que ese valor es dinámico, que cambia con el tiempo, que por lo tanto lo que estamos invirtiendo se ajusta a lo que esperamos como tecnología medicamentosa.

Eso a que nos lleva a entender que el precio puede ser dinámico en función del valor esperado a esa tecnología, que de nuevo también en el ámbito del medicamento puede quedar obsoleta en un corto periodo de tiempo. Podremos automatizar incluso la gestión contractual de los medicamentos e incluso, ¿por qué no?, hacer negociaciones basadas en inteligencia artificial. Y ya para ir terminando, esto sí que afecta a un día a día que es el mío actual, la gestión de una farmacia de hospital que cada vez también conecta más con las farmacias comunitarias, con las farmacias de atención primaria, es decir, la cadena global de utilización del medicamento.

¿Por qué? Porque, ya lo decían los compañeros previamente, las personas, también los farmacéuticos, tenemos que trabajar en el equipo de salud y tenemos que hablar con pacientes, familiares, gestores, automatizando tareas en el servicio farmacéutico lograremos un mejor servicio más humanizado y también aspirando a mantener la ética y la seguridad. Pero también priorizaremos pacientes, lograremos estratificar aquel individuo, aquel sujeto, aquel paciente que necesita más de una información adecuada, ajustada en el uso correcto del medicamento, en cómo prevenir un efecto adverso. Seremos también más predictivos, pero también tomaremos mejores decisiones, seremos más prescriptivos.

Yo creo que una palabra que a mí me interesa es, bueno, pues que sea el asistente, el copiloto del propio farmacéutico, porque a lo que aspiramos es a ayudar a la gestión adecuada, la gestión integral del medicamento que se basa en un balance de beneficio-riesgo que al final enfoca en ese paradigma que es la obtención de valor. Creo que el doctor Mayor lo decía respecto a ese efecto Mateo, pero bueno, aquí yo utilizo un poco la analogía de Yuval Noah Harari, que seguro conocéis, ¿no?, un israelita antropólogo que ya hablaba del Homo Deus o el Homo Useless. Lo que está claro es que tenemos que aproximarnos, tenemos que conocer la tecnología, tenemos que saber para qué nos va a ayudar y para qué no, o dónde es menos prioritaria hoy por hoy, pero lo que está claro es que es una cuestión de decisión.

Lo que no es de recibo es que sigamos estáticos, sin asumir que tenemos que aprender a utilizar la inteligencia artificial de una manera adecuada. Muchísimas gracias por vuestra atención. Muchas gracias, señor Manuel, muchísimas gracias.

Bueno, abrimos ahora un espacio para cualquiera de ustedes que quiera hacer cualquier pregunta a nuestros panelistas. Por ahí no sé quién lleva los micrófonos. Sí, por favor.

Doctor, adelante. Una pregunta, muy interesante todo y el tema fascinante, en verdad, porque es un reto gigante el manejo de lo que es el Big Data, pero una pregunta es, ¿qué ha impactado la inteligencia artificial hasta este momento en la investigación clínica propiamente tal? Porque están las ayudas a la parte tecnológica, imaginológica, anatomopatología, la parte administrativa, diseño de moléculas, pero como un instrumento, sin embargo, como racionamiento, como inteligencia propiamente tal, así están los médicos que dominan un área, que están tratando de resolver una situación clínica, ¿qué se ha visto, qué ha producido la inteligencia artificial junto con el médico clínico, el investigador que sabe del tema, para resolver algún problema importante para la humanidad? Ahora mismo la evidencia más importante que existe es el estudio MASAI que se publicó hace no mucho en Lancet, en el que la inteligencia artificial predictiva mejoraba la detección del cáncer de mama, mejoraba el cribado y la detección del cáncer de mama cuando se asociaba con un radiólogo clínico comparado con dos radiólogos. Ahora mismo ya hay evidencia científica de que algunos modelos de inteligencia artificial, en este caso machine learning, mejoran las capacidades diagnósticas de los humanos aisladamente.

Hay mucha utilización que está todavía no declarada. Ahora mismo, aunque las revistas científicas exigen que se declare la utilización de inteligencia artificial, es probable que no se esté haciendo y que muchas de nuestras producciones en la publicación sean generadas con inteligencia artificial. Lo importante es saber si eso realmente no es fake science, que es ciencia real y también se está utilizando, aunque no es declarado, para la revisión de artículos científicos.

Pero desde luego, desde el punto de vista de aplicación en la clínica, el ensayo clínico MASAI ha demostrado que la inteligencia artificial bien combinada con un humano aumenta la capacidad diagnóstica y el cribado en el cáncer de mamás. Es evidente y muy tangible. Muy bien.

¿Cuál sería la primera parte para el uso de la automatización de la inteligencia artificial que usted recomendaría para una clínica o un hospital de conseguir las fuentes o el dinero para ese primer paso para la automatización? ¿Cuál usted recomendaría o qué se usó en el hospital Einstein cuando usted comenzó? ¿La fuente de recursos? No. ¿Cuál sería el paso número uno para esa automatización de uso de inteligencia artificial en una clínica o un hospital? Yo pienso que el paso número uno es saber dónde utilizar, cuál es tu problema, porque su problema probablemente no es lo mismo que lo mío. Entonces este es el paso número uno.

Decidir qué respuesta necesitas para tus pacientes para tu negocio. Segundo, para mí lo más importante es involucrar las equipes clínicas. Desde el inicio, el equipo clínico necesita estar involucrado, participar de la decisión, participar del desarrollo de la iniciativa.

Y pienso que es necesario siempre comenzar pequeño. No necesita muchas iniciativas al mismo tiempo. Comence pequeño, pero empiece pequeño pero bien, solucionando uno problema que necesita solucionar.

Coloque el liderazgo clínico junto para desarrollo de solución. Y a los pocos tú vas escalando más iniciativas. Un punto muy importante es siempre medir los impactos.

Siempre, simultáneamente, conforme las acciones, medir los impactos y garantir que los dados que se usaron son dados confiables. Sí, pienso que es un camino. Muchísimas gracias, doctora.

Doctora. Yo, como yo soy cirujano, la inteligencia artificial va a incidir de manera dramática, en una nueva era del desarrollo de la medicina, en este caso la quirúrgica. Me permito recordarle que en el año 1887 a los cirujanos nos llamaban barberos.

Y fue un decreto del rey Luis XIV que autorizó a los cirujanos a no llamarse barberos sino médicos. Y entonces los cirujanos hacían grandes cirugías sin anestesia. Extraerse una muela para aquella época era una tragedia clínica.

Fíjense en lo que hemos avanzado. Resulta que la cirugía general ha avanzado, que hay libros completos, que se llaman libros de Madden, otro el Sabiton, que nos traen todas las características de la cirugía. Esas cirugías son costosas de arriba abajo para la realidad del pueblo dominicano.

Entonces, ¿qué viene? Esas cirugías pasaron de la cirugía tradicional, o sea abierta, que como les decía hace un momentito es un trauma adicional a aquel que ya está previamente traumatizado. O sea que la cirugía abierta es un fracaso, es un doble trauma. Siempre que no se pueda y siempre tendrá utilidad.

Y el cirujano joven debe formarse con la cirugía tradicional y la inteligencia artificial. Debe caer detrás de eso. El segundo choque fue con la cirugía laparoscópica.

Eso cambió el mundo de la cirugía, completamente. O sea, yo tuve dos pacientes que se internaron de vesícula vial 2 cólico en una misma habitación en Clíniaco Domingos. La primera me dijo que no le hiciera hortreollitos, que allá me llorara.

A mí mejor me abren. Yo complacía a la paciente, no tenía otra opción que hacer. Respetarle su deseo.

Firmé mi consentimiento y fui formado. Yo procedo. Operé la abierta, se pasó 7 días en la clínica llorando.

Operé la laparoscópica y se fue en la tarde del día que la operé. Reducción económica, reducción del dolor, la parte humana. Pero no todo se queda ahí.

Viene la tercera fase, es la cirugía laparoscópica. Progresa desde la vesícula a estirpar un útero sin abrir la cavidad abdominal por la vagina. Estirpar un riñón por la parte pérrica del hombre.

Y así sucesivamente. Asunto de disminuir el trauma y el dolor humano. Pero no se detiene ahí.

Y esta es la última fase de la cirugía. Usted es cirugano 1 cuando es abierto y se queda ahí. Usted no busca nada siendo cirugano general ahora.

Si no, se sube a pensar ahí. El cirugano 2, el que hace cirugía tradicional y a la vez hace la laparoscópica. El cirugano 3, estoy hablando de categoría de cirugano.

El que hace la abierta con madurez. Conoce la anatomía del cuerpo entero, por donde se va a mover. La cirugía 4 es la cirugía robótica que se hace con magneto.

O sea, estamos hablando de que ya no se abre el intestino. Se adosan dos asas intestinales con la atracción de una cápsula de magneto que se entra por un solo orificio en el abdomen. Para usted tener dos partes atractivas del magneto.

Lo deja un mes. Y esa presión que hace el magneto sobre las dos vísceras intestinales en este caso termina siendo un hoyo. O sea, una anastomosis.

Que el paciente no paga nada de lo que pagaba antes. Y eso se está generalizando. ¿Cómo implementaríamos la agilización de ese altar de la medicina que es la cirugía? Porque si no fuera por la cirugía, con todo lo que duele, hubiéramos la mitad de la población que hubiéramos muerto.

¿Cómo llevaríamos eso a un conjunto de propiedades, de herencia, de costo, de frecuencia, de estadística? Y sobre todo, llevarlo a la parte humana que necesita toda la población. Como soy cirujano, me siento más apelado. Y además he vivido todo ese cambio.

El cambio es extremadamente complicado. Maquiavelo lo escribió ya en El Príncipe. Porque hay dificultad para entender cuál es la nueva posición cuando se producen transformaciones tan importantes.

La mayor herramienta que tenemos los humanos para poder ayudar en las transformaciones es la educación. Solamente mediante una educación y un liderazgo por parte de personas que son capaces de crear una visión de futuro, solamente esa combinación hace posible que nuestras sociedades avancen más rápidamente. Y actualmente la utilización de inteligencia artificial ayuda a ese cambio.

Sin educación, sin visión de transformación, las sociedades tienden a estancarse, a quedarse atrás, a preferir el pasado frente al futuro. Así que un gran reto para una sociedad como esta es tener líderes que vean un futuro mejor, segundo, que utilicen herramientas para educar a la sociedad. Porque es, si no, complicadísimo que de manera aislada podamos actuar, accionar ese cambio.

Y compartir experiencias, compartirlas con personas que ven la realidad de una manera diferente. Tenemos que promover a ese tipo de personas que son capaces de cuestionar lo que hacemos ahora mismo. Normalmente esas personas tienen mucho riesgo social, se generan muchos anticuerpos contra los que quieren promover el cambio.

Necesitamos un sandbox, esa palabra que está tan utilizada ahora, un sandbox que proteja a los que son diferentes para que puedan experimentar. Tenemos que ser personas que abandonen la idea de una instrucción obligada y siempre secuencial para promover la experiencia, el juego, la experimentación como método de educar a las personas. Y eso nosotros lo hemos puesto en marcha a través de esos hackatones o datatones.

Ponemos a personas con diferentes perspectivas a jugar juntos, a encontrar respuestas para retos que no son los comunes. No es fácil. Si fuera fácil, no tendría interés.

Muy bien, pues, ¿alguna cuestión más, alguna pregunta? Sí, buenos días. Leslie Vargas, soy oftalmóloga dominicana, actualmente formo parte del staff del Baptist Healthcare en Miami, Florida. Excelente panel.

De verdad, muchísimas felicidades. Mi pregunta va dirigida hacia el Dr. Mayor. ¿Cuál sería de los modelos actuales de inteligencia artificial que usted considera que es el mejor en cuanto al análisis de la data en research? En large-sanguage model, de los actuales.

Así es. No tengo ningún conflicto de interés. No tengo acciones ni participo en ninguno.

Tengo que hacerlo de entrada. Ahora mismo, yo jugaría por cloud. Ahora mismo, cloud, para lo que nosotros hacemos, para un investigador habitual, es una herramienta muy potente.

Pero no me restringiría a uno. Mi planteamiento es utilizar varios modelos que me permitan extraer el beneficio que cada uno de ellos da. Lo hablábamos antes.

La combinación de GPT, OpenAI, con cloud. Y en algunos casos, Perplexity, por ejemplo, o en mi caso, Gemini, en algunas aplicaciones específicas, la combinación de los tres mejora la calidad de mis prompts y después me permite extraer el mayor beneficio en análisis de datos. Pero recuerden, siempre protegiendo la privacidad de sus datos y de sus preguntas.

Bloqueen la posibilidad de que el modelo utilice toda su información para entrenar el propio modelo, porque si no, su conocimiento pasa al dominio público y eso, por ejemplo, cuando se evalúan artículos científicos o proyectos de otras personas, supone un riesgo. Por tanto, siempre protección de la privacidad. Muy bien, una última pregunta.

Sí que estamos ya fuera de tiempo. Doctor. Un panel sin desperdicio, en realidad.

Yo tengo dos inquietudes. La primera va dirigida. ¿Qué están haciendo para minimizar las alucinaciones que tiene la inteligencia artificial y que no dé una información no real? Y la segunda se conecta con la primera.

¿Cómo hacer para que esos prompts, esa bidata que se recolecta, sea de calidad, sea real y no sea un copy-paste? Bueno, me toca otra vez. Primero, tenemos que instruir en el pensamiento crítico. Hablamos normalmente del pensamiento crítico y no lo ejercitamos tanto.

Todo tiene que estar supervisado por humanos. Cualquier producto tiene que estar supervisado por humanos, sobre todo en nuestro sector. Human in the loop.

Tenemos que tomar decisiones y tenemos que ser capaces de habernos formado para evaluar el producto que produce la inteligencia artificial. Que la inteligencia artificial alucine, no deberían llamarse alucinaciones, deberían llamarse confabulations o fabulaciones, es parte de la imitación del pensamiento humano. Los humanos mentimos continuamente.

Y, por tanto, la inteligencia artificial, que está entrenada con nuestros datos, reproduce esos mismos patrones. Cuando uno es un estudiante, usted ha sido estudiante, yo he sido estudiante, ¿cuántas veces se ha inventado la contestación? Es una característica de nuestra red neuronal, que es que cuando hay un hueco y no tiene conocimiento, se inventa algo. Por tanto, esto obliga a una supervisión humana experta de manera continua.

Una manera de reducirlo es agentificar, utilizar varias herramientas para que supervisen las contestaciones que les da la anterior. De esa manera reducirlo. Pero, ¿nunca debemos dejar de supervisar la inteligencia artificial? Entre otras cosas, porque si no se equivocara, ¿cuál sería nuestro papel? No debemos buscar la perfección.

Debemos buscar aquello en lo que nos ayuda porque nos libera tiempo para pensar. Pensar es crítico en este momento. Muy bien, pues muchísimas gracias.

Una más. Una ya la última. Muy buenos días.

Mi nombre es Ádric. Yo trabajo aquí en el HOMS como ingeniero de datos. Quería hacer una pregunta con respecto a la trayectoria del Hospital Albert Einstein.

Principalmente como nosotros tomamos marcos de referencia para poder avanzar en esa parte del análisis de datos. A mí me gustaría saber cuáles fueron los principales desafíos y retos que tuvieron en la transición de una cultura no basada en datos a una cultura impulsada por los datos. Principalmente, ¿cómo garantizaron esa gobernanza de datos? ¿Cómo garantizaron que los datos sean privados, como mencionaban? Y cumplir con los estándares, principalmente.

Creo que ha contribuido mucho a traer una lideranza técnica de la parte de la tecnología de la información que se aproximó de las lideranzas clínicas. Y hubo una visión conjunta del futuro. Entonces, creo que esta visión conjunta… Estoy hablando en portugués.

¿Me entienden? Esta visión conjunta creo que fue el punto fundamental para que buscáramos cada vez más entender cuál sería el mejor uso. En relación con los datos, la consistencia de los datos, esta es una crítica que tenemos hasta los días actuales. Con el uso del prontuario electrónico, de la tarjeta clínica, y con la utilización de diversos sistemas, porque tenemos diversos sistemas conectados, fue necesario utilizar mucha supervisión de datos para que pudiéramos garantizar la consistencia de esos datos.

Recuerdo que al principio hablábamos de que nuestros datos eran imbatibles. No batían con nada. Cada uno producía un dato diferente.

Y hoy hay una supervisión constante en la producción de esos datos. Incluso un ojo utilizando inteligencia artificial para que podamos constatar si los datos producidos son los datos más correctos. Entonces, diría que fueron estos puntos, los puntos fundamentales para caminar en una cultura de utilización de datos de manera más asertiva.

Muy bien, pues muchas gracias. La verdad es que muchas gracias a todos. Teníamos la intención de que este fuera un foro que queremos que continúe.

Ya empezamos a trabajar en el foro del año que viene. Y sobre todo la base de darles también la perspectiva de que Santiago se merece ser el polo de innovación en salud por todas las características que en él se acoge. Muchísimas gracias.