El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io:
Aplicaciones, Re os y Bene icios en la Ges ión Clínica
Ti ulación: Más e
Uni e si a io en Di ección
Sani a ia y Ges ión Clínica.
Cu so académico:
2024-2025
ALUMNO/a: Héc o He e a
Yus e
DNI: 47031842-Q
DIRECTOR/a: Sand a
Esc iche Escude
Con oca o ia:
P ime a
13 mayo 2025
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Índice
1. RESUMEN Y PALABRAS CLAVE.........................................................................2
2. INTRODUCCIÓN....................................................................................................3
2.1. Con ex o Especí ico del P oyec o en el Hospi al de La P incesa............. 5
2.2. Obje i os del P oyec o..............................................................................6
2.3. Me odología.............................................................................................. 6
3. LIDERAZGO Y ESTRATEGIA............................................................................... 8
3.1. Misión, Visión y Valo es del P oyec o....................................................... 9
3.2. Análisis Es a égico del En o no............................................................. 10
3.3. Obje i os SMART y Plan Es a égico..................................................... 16
4. PROCESOS, PRODUCTOS Y SERVICIOS.........................................................21
4.1. Mapa de P ocesos Cla e In e enidos po IA.........................................22
4.2. Aplicación de la Me odología REDER pa a la Mejo a Con inua.............26
5. RESULTADOS ESPERADOS Y EVALUACIÓN..................................................29
5.1. Resul ados Espe ados po G upo de In e és:.........................................29
5.2. Sis ema de E aluación:.......................................................................... 32
6. DISCUSIÓN..........................................................................................................34
6.1. Bene icios Po enciales y Alineación con la E idencia............................ 34
6.2. Re os Especí icos de Implemen ación en La P incesa...........................35
6.3. Limi aciones del P oyec o y P opues as de Mi igación...........................37
6.4. Implicaciones Es a égicas pa a el Hospi al de La P incesa.................. 38
7. REFERENCIAS....................................................................................................40
8. Anexos.................................................................................................................43
8.1. Anexo I: Diag ama de Gan del P oyec o.............................................. 43
8.2. Anexo II: Análisis DAFO De allado y Es a egias CAME........................47
1
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
1. RESUMEN Y PALABRAS CLAVE
1.1 Resumen
Es e p oyec o de ges ión p opone la in eg ación es a égica de la in eligencia
a i icial (IA) en el Hospi al Uni e si a io de La P incesa, especializado en oncología,
neu ología y ca diología. Fundamen ado en el Modelo EFQM 2025 y
complemen ado con p incipios de Lean Heal hca e pa a la op imización de
p ocesos, el p oyec o pa e de un análisis si uacional exhaus i o median e
he amien as PESTEL y DAFO. A pa i de es e análisis, se de inen obje i os
es a égicos SMART y se emplea la me odología REDER jun o con el Cuad o de
Mando In eg al (CMI) pa a la e aluación con inua y la medición de esul ados. Se
p io izan dos ejes de in e ención cla e: 1) Diagnós ico asis ido po IA en TAC
o ácicas: Implemen ación de un algo i mo alidado de edes neu onales
con olucionales (CNN) pa a la de ección p ecoz del cánce de pulmón, con el
obje i o de alcanza una sensibilidad diagnós ica del 95% y educi el iempo medio
de diagnós ico de 7 a 4 días. 2) Au oma ización de la asignación de ci as
clínicas: U ilización de modelos p edic i os pa a op imiza la ges ión de agendas,
buscando disminui la asa de incompa ecencias del 15% ac ual a un 8%. El
p oyec o abo da de o ma p oac i a e os c í icos como la mejo a de la
in e ope abilidad de los sis emas de in o mación hospi ala ia In eg ación HCIS (HIS
co po a i o) y la necesidad de p og amas de o mación especializada pa a el
pe sonal, ga an izando p incipios de equidad, e iciencia y calidad asis encial.
Alineado con los Obje i os de Desa ollo Sos enible (ODS) 3 (Salud y Bienes a ) y 9
(Indus ia, Inno ación e In aes uc u a), es e p oyec o busca consolida el
posicionamien o del Hospi al de La P incesa como una en idad sani a ia esilien e,
inno ado a y cen ada en el pacien e.
1.2 Palab as cla e
Ges ión Hospi ala ia; Diagnós ico Asis ido po O denado ; Cánce de Pulmón;
Redes Neu onales Con olucionales; Op imización de Ci as; Ges ión Sani a ia.
2
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
2. INTRODUCCIÓN
La in eligencia a i icial (IA) es á ca alizando una ans o mación p o unda en el
sec o sani a io global. Median e el desa ollo y aplicación de algo i mos de análisis
a anzado, la IA o ece he amien as po en es pa a mejo a an o la p ecisión
diagnós ica como la e iciencia ope a i a en en o nos clínicos complejos.
Tecnologías especí icas, como las edes neu onales con olucionales (CNN), han
demos ado una capacidad no able pa a iden i ica pa ones su iles en imágenes
médicas, pe mi iendo la de ección de pa ologías con al os ni eles de sensibilidad y
especi icidad (1). Pa alelamen e, los modelos p edic i os basados en IA es án
op imizando p ocesos adminis a i os c uciales, como la asignación de ecu sos y
la ges ión de ci as, con ibuyendo a una ope a i a más luida y e icien e (2). El
po encial es as o, aba cando desde la de ección emp ana de en e medades has a
la pe sonalización de a amien os, como se explo a en di e sas aplicaciones
médicas, incluyendo el análisis de imágenes de cohe encia óp ica en o almología
(3).
El Hospi al Uni e si a io de La P incesa, undado en 1857 y un pila del sis ema
sani a io mad ileño, ep esen a un escena io idóneo pa a la implemen ación de
es as inno aciones. Con una do ación de 533 camas (4), una his o ia clínica
elec ónica (HCE) consolidada y se icios de al a especialización en á eas como
oncología, neu ología y ca diología, el hospi al posee una base sólida pa a la
ans o mación digi al. Sin emba go, como muchas ins i uciones sani a ias, en en a
desa íos signi ica i os que deben se abo dados pa a maximiza el po encial de la
IA. Des aca la limi ada in e ope abilidad de su ac ual Sis ema de In o mación
Hospi ala ia (HIS), que puede gene a silos de da os y di icul a la in eg ación luida
de nue as he amien as de IA (5). Adicionalmen e, exis en ba e as cul u ales y
o ganizacionales, incluyendo la esis encia al cambio po pa e de algunos
p o esionales y la necesidad impe a i a de desa olla p og amas de o mación
especí icos que capaci en al pe sonal en el uso e ec i o y é ico de es as nue as
3
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
ecnologías (6). Supe a es os obs áculos es undamen al pa a gene a un impac o
clínico eal y sos enible con la IA (7).
En es e con ex o, el p esen e T abajo de Fin de Más e (TFM) diseña un p oyec o
de ges ión en ocado en la in eg ación es a égica de la IA en dos á eas de al o
impac o den o del Hospi al de La P incesa:
1. Ámbi o Diagnós ico: Se p opone la implemen ación y alidación de un
algo i mo CNN pa a el análisis au oma izado de Tomog a ías Axiales
Compu a izadas (TAC) o ácicas. El obje i o p incipal es mejo a la de ección
emp ana del cánce de pulmón, es ableciendo como me a alcanza una
sensibilidad diagnós ica del 95% y educi signi ica i amen e el iempo
anscu ido en e la p ueba y el diagnós ico.
2. Ámbi o de Ges ión Clínica: Se plan ea la in oducción de un sis ema
basado en modelos p edic i os pa a la au oma ización in eligen e de la
asignación de ci as. Es a in e ención busca op imiza la ocupación de las
agendas, educi la ac ual asa de incompa ecencias y, consecuen emen e,
mejo a la e iciencia adminis a i a y la expe iencia del pacien e.
El desa ollo in eg al de es e p oyec o se enma ca me odológicamen e en el
Modelo EFQM 2025 (8), u ilizándolo como guía pa a asegu a la excelencia
o ganizacional, la o ien ación a esul ados y la sos enibilidad.
Complemen a iamen e, se inco po an p incipios de Lean Heal hca e (9) pa a la
iden i icación y eliminación de despe dicios en los p ocesos seleccionados,
omen ando una cul u a de mejo a con inua. Es e en oque dual no solo pe sigue la
op imización in e na, sino que ambién busca una con ibución angible a los
Obje i os de Desa ollo Sos enible (ODS), pa icula men e al ODS 3 (Ga an iza
una ida sana y p omo e el bienes a pa a odos en odas las edades) y al ODS 9
(Cons ui in aes uc u as esilien es, p omo e la indus ialización inclusi a y
sos enible y omen a la inno ación).
4

El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
2.1. Con ex o Especí ico del P oyec o en el Hospi al de La P incesa
Si bien el Hospi al de La P incesa demues a una cla a ocación inno ado a,
e idenciada po su pa icipación en ensayos clínicos digi ales y la consolidación de
su HCE, la plena capi alización de las ecnologías eme gen es como la IA equie e
abo da e os especí icos de su en o no. La mencionada al a de in e ope abilidad
comple a en e sis emas es una ba e a écnica que ac ualmen e limi a el lujo ágil
de in o mación esencial pa a en ena y desplega e icazmen e algo i mos de IA (5).
Asimismo, la adap ación cul u al y la capaci ación del pe sonal son ac o es c í icos;
la in oducción de IA debe acompaña se de una ges ión del cambio e ec i a pa a
mi iga posibles esis encias y asegu a la con ianza y compe encia en el uso de las
nue as he amien as (6).
Es e p oyec o p opone soluciones de IA di ec amen e en ocadas a necesidades
de ec adas en el hospi al:
● En Diagnós ico: El hospi al maneja un olumen conside able de TACs
o ácicas pa a despis aje y seguimien o oncológico. Ac ualmen e, el p oceso
diagnós ico puede ex ende se, con un iempo medio supe io a 7 días en
algunos casos. La implemen ación de un algo i mo CNN alidado, capaz de
iden i ica nódulos pulmona es sospechosos con al a p ecisión (1), no solo
busca ele a la sensibilidad al 95%, sino ambién educi d ás icamen e es e
iempo de diagnós ico a un p omedio de 4 días, agilizando el inicio de
a amien os.
● En Ges ión Clínica: La asa ac ual de incompa ecencias a ci as
p og amadas, si uada en o no al 15%, ep esen a una pé dida signi ica i a
de ecu sos y gene a ine iciencias en la plani icación de agendas y iempos
de espe a. La aplicación de modelos p edic i os, que analicen pa ones
his ó icos y a iables ele an es pa a an icipa la p obabilidad de asis encia
(2), pe mi i á una asignación más dinámica e in eligen e de ci as, con el
obje i o de educi las incompa ecencias al 8% y op imiza la ope a i a
adminis a i a gene al.
5
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
2.2. Obje i os del P oyec o
Obje i o Gene al:
Diseña e implemen a un p oyec o de ges ión basado en la in eligencia a i icial
pa a mejo a la p ecisión diagnós ica en adiología o ácica y op imiza la ges ión de
ci as clínicas en el Hospi al Uni e si a io de La P incesa, inc emen ando así la
calidad asis encial, la e iciencia ope a i a y p omo iendo una a ención más
equi a i a y sos enible.
Obje i os Especí icos:
1. Realiza un análisis exhaus i o del en o no in e no y ex e no del Hospi al de
La P incesa median e las he amien as PESTEL y DAFO, iden i icando los
ac o es c í icos, opo unidades y ba e as especí icas pa a la in eg ación
exi osa de soluciones de IA en diagnós ico y ges ión.
2. De ini y desa olla líneas es a égicas cla as y medibles, basadas en la
aplicación de IA (CNN pa a diagnós ico, modelos p edic i os pa a ci as), que
es én alineadas con la Misión, Visión y Valo es del hospi al, el Modelo EFQM
2025 (8) y los p incipios de Lean Heal hca e.
3. Es ablece un sis ema obus o de seguimien o y e aluación del impac o del
p oyec o, u ilizando indicado es cla e de endimien o (KPIs) cuan i icables y
cuali a i os, y aplicando la me odología REDER (Resul ados, En oque,
Despliegue, E aluación y Re isión) y el Cuad o de Mando In eg al (CMI)
pa a medi el p og eso hacia los obje i os y acili a la mejo a con inua.
2.3. Me odología
Es e p oyec o adop a un en oque es uc u ado y mul i acé ico, undamen ado
p incipalmen e en el Modelo EFQM 2025 (8) como ma co global de excelencia y
ges ión del cambio, y en iquecido con he amien as especí icas de ges ión y mejo a
de p ocesos p o enien es de Lean Heal hca e (9). La me odología se a icula en
es ases in e conec adas:
6
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
● Fase 1: Análisis Si uacional y Diagnós ico:
○ Aplicación del análisis PESTEL pa a comp ende el mac oen o no
polí ico, económico, social, ecnológico, ambien al y legal que in luye
en el hospi al y en la adopción de IA.
○ Realización de un análisis DAFO (Debilidades, Amenazas, Fo alezas,
Opo unidades) de allado pa a e alua la capacidad in e na del
hospi al y los ac o es ex e nos cla e en elación con el p oyec o de
IA. Es a ase pe mi e iden i ica los pun os c í icos y las á eas
p io i a ias de in e ención p esen ado en el Anexo II.
● Fase 2: Diseño Es a égico y Plani icación:
○ De inición de la Misión, Visión y Valo es del p oyec o, alineados con
los del hospi al.
○ Fo mulación de obje i os SMART (Especí icos, Medibles,
Alcanzables, Rele an es, con Plazo de inido) pa a las líneas
es a égicas iden i icadas. Ejemplos cla e incluyen: capaci a a 600
p o esionales sani a ios (médicos, en e me ía, adminis a i os
ele an es) en undamen os y aplicaciones de IA en un plazo de 24
meses; implemen a y alida el pilo o de diagnós ico asis ido po IA
(algo i mo CNN) en el se icio de Radiología en 12 meses; y
desplega el sis ema de au oma ización de asignación de ci as en el
se icio de Medicina In e na (como pilo o inicial) en 12 meses.
○ Diseño del plan de implemen ación de allado, incluyendo c onog ama,
asignación de ecu sos y de inición de esponsabilidades. Diag ama
de Gan , cuyo desglose se puede consul a en el Anexo I
● Fase 3: Implemen ación, Seguimien o y E aluación:
○ Pues a en ma cha de las in e enciones plani icadas (pilo o CNN,
sis ema de ci as).
○ Aplicación de la me odología REDER (Resul ados, En oque,
Despliegue, E aluación y Re isión), ciclo undamen al del Modelo
EFQM, pa a cada una de las líneas de acción p incipales. Es o implica
7
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
de ini el en oque, plani ica el despliegue, medi los esul ados y
e isa /ajus a con inuamen e.
○ Uso del Cuad o de Mando In eg al (CMI) como he amien a de
moni o ización es a égica. Se de ini án indicado es cla e (KPIs)
alineados con las cua o pe spec i as clásicas del CMI
(Financie a/E iciencia, Clien es/Pacien es, P ocesos In e nos, y
Ap endizaje/C ecimien o) pa a ob ene una isión balanceada del
desempeño del p oyec o.
○ Recopilación de da os cuan i a i os (KPIs de sensibilidad, iempos,
asas de incompa ecencia, e c.) y cuali a i os (encues as de
sa is acción de pacien es - PREMs, y de expe iencia de p o esionales
- PROMs si aplica, en e is as es uc u adas, g upos ocales) pa a
una e aluación comple a del impac o. Se ealiza án audi o ías
pe iódicas in e nas pa a e i ica la co ec a implemen ación y
esul ados.
3. LIDERAZGO Y ESTRATEGIA
El éxi o sos enido de un p oyec o ans o mado como la in eg ación de la IA en el
Hospi al de La P incesa depende in ínsecamen e de un lide azgo isible y
comp ome ido a odos los ni eles de la o ganización, así como de una es a egia
cla a, bien comunicada y alineada con los obje i os globales del hospi al. Es e
apa ado de alla es os elemen os undamen ales, enma cados en el Modelo EFQM.
3.1. Misión, Visión y Valo es del P oyec o
Pa a guia la implemen ación y asegu a la cohe encia con la iden idad del hospi al,
se de inen los siguien es elemen os es a égicos especí icos pa a es e p oyec o de
IA:
● Misión: Impulsa la excelencia en la a ención sani a ia del Hospi al
Uni e si a io de La P incesa median e la in eg ación é ica y e icien e de la
8
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
● Debilidades:
○ Limi aciones signi ica i as en la in e ope abilidad ac ual en e dis in os
sis emas de in o mación (5).
○ B echa de compe encias: al a de o mación especí ica y ex endida en
IA en e el pe sonal clínico y de ges ión.
○ Posible esis encia al cambio en algunos colec i os p o esionales y
necesidad de una comunicación y ges ión del cambio p oac i as (6).
● Opo unidades:
○ C ecien e demanda social y del sis ema sani a io po soluciones
digi ales inno ado as que mejo en e iciencia y calidad.
○ Disponibilidad de ondos públicos (nacionales/eu opeos) pa a
inancia la ans o mación ecnológica en salud.
○ Po encial pa a es ablece colabo aciones con uni e sidades y cen os
ecnológicos pa a desa ollo y alidación de IA.
● Amenazas:
○ Cambios en las polí icas de inanciación sani a ia o en las
egulaciones sob e IA y p o ección de da os (11).
○ Riesgos asociados a la cibe segu idad y a la p i acidad de los da os
de los pacien es.
○ Compe encia de o os cen os que ambién a ancen en la adopción
de IA. Descon ianza pública o p o esional si la implemen ación no es
anspa en e o gene a e o es. Es as amenazas obligan a e o za la
gobe nanza de IA y la p o ección de da os con o me al AI Ac y al plan
de cibe segu idad del hospi al, asegu ando con ianza social y en aja
compe i i a.
La Figu a 2 o ece una ep esen ación isual de es e análisis DAFO adap ado al
hospi al, cuya e sión ex endida, jun o con las es a egias CAME, se encuen a en
el Anexo II.
15

El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Figu a 2 : Análisis DAFO del Hospi al pa a Inno ación Digi al
Fuen e: Elabo ación p opia median e código Py hon.
3.3. Obje i os SMART y Plan Es a égico
De i ados del análisis an e io y alineados con la Misión/Visión, se es ablecen las
siguien es líneas es a égicas ope a i izadas median e obje i os SMART:
Línea Es a égica 1: Capaci ación y Ges ión del Cambio.
● Obje i o SMART: Capaci a a un mínimo de 600 p o esionales del hospi al
(incluyendo médicos de adiología, neumología, medicina in e na; pe sonal
de en e me ía; y pe sonal adminis a i o de admisión/ci as) en los
undamen os de la IA, sus aplicaciones clínicas/ges ión ele an es pa a el
p oyec o y aspec os é ico-legales. La o mación consis i á en cu sos
modula es ( o al 20 ho as) con una me odología mix a (online/p esencial) y
se medi á una asa de inalización mínima del 90% en un plazo de 24 meses.
○ Jus i icación: Abo da di ec amen e la Debilidad de al a de o mación y
la Amenaza de esis encia al cambio, ap o echando la Fo aleza del
pe sonal cuali icado y la Opo unidad de mejo a la adopción
ecnológica.
16
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Línea Es a égica 2: Implemen ación de IA en Diagnós ico po Imagen.
● Obje i o SMART: Implemen a y e alua un sis ema de IA basado en un
algo i mo CNN (1) pa a la ayuda al diagnós ico de nódulos pulmona es
sospechosos en TACs o ácicas en el Se icio de Radiología. Se ealiza á un
p oyec o pilo o con olado con una mues a p ospec i a de 500 es udios de
pacien es du an e 12 meses. El obje i o es alcanza una sensibilidad del
algo i mo del 95% ( alidada con a diagnós ico expe o/his opa ológico) y
educi el iempo medio de in o me diagnós ico (desde la ealización del TAC
has a el in o me inal alidado) de los 7 días ac uales a 4 días pa a es os
casos.
○ Jus i icación: Ap o echa la Fo aleza del hospi al en oncología y la
Opo unidad ecnológica, abo dando la necesidad de mejo a la
p ecocidad diagnós ica.
Línea Es a égica 3: Op imización de la Ges ión de Ci as median e IA.
● Obje i o SMART: Desa olla e implemen a un sis ema p edic i o de
ges ión de ci as basado en IA (2) en el Se icio de Medicina In e na (como
pilo o). El sis ema analiza á da os his ó icos y a iables p edic o as pa a
op imiza la asignación y eco da o ios de ci as. El obje i o es educi la asa
de incompa ecencias (ci as "no p esen ado") del 15% ac ual a menos del 8%
en un plazo de 12 meses desde la pues a en ma cha comple a del sis ema.
Es e obje i o se alinea con los p incipios Lean de educción de despe dicios
(9).
○ Jus i icación: Responde a una Debilidad ope a i a (ine iciencia po
incompa ecencias) u ilizando una Opo unidad ecnológica pa a
mejo a la e iciencia y la expe iencia del pacien e. Pa a consolida la
plani icación es a égica, la incula las líneas es a égicas con sus
obje i os, ecu sos e indicado es cla e
Es os obje i os SMART se in eg an en un Plan Es a égico global que se alinea con
los c i e ios cla e del Modelo EFQM 2025 (8), especialmen e los C i e ios 1
17
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
(P opósi o, Visión y Es a egia), 2 (Cul u a O ganiza i a y Lide azgo) y 5 (Ges iona
la Ope ación y la T ans o mación). El seguimien o de es os obje i os se ealiza á a
a és del CMI y la me odología REDER como se de alla en las siguien es
secciones.
Pa a consolida la plani icación es a égica, la siguien e Tabla 2 esume la
inculación en e las líneas es a égicas de inidas, los obje i os SMART asociados,
los ecu sos cla e es imados y los indicado es p incipales pa a medi su
consecución:
Tabla 2 (Es a egias, Obje i os, Recu sos, KPIs):
Línea
Es a égica
Obje i o SMART
(Resumen)
Recu sos Cla e
Es imados
KPI P incipal
Asociado
1. Capaci ación
y Ges ión del
Cambio
Fo ma a 600
p o esionales en
IA (20h/pe s.) en
24 meses (90%
inalización).
- Dp o. Fo mación/RRHH
- P esupues o o mación
- Pla a o ma e-lea ning /
Aulas
-Expe os/Fo mado es
(in e nos/ex e nos)
-Tiempo p o esionales
Nº
p o esionales
o mados;
Tasa
inalización
o mación
2.
Implemen ación
IA en
Diagnós ico
Pilo o CNN (TAC
ó ax):
Sensibilidad 95%
y Tiempo
diagnós ico ≤ 4
días en 12 meses
(500 pac.).
- Algo i mo CNN
(licencia/desa ollo)
-Equipo
Radiología/Neumología
-Dp o. TI (In eg ación
PACS/HIS)
-P esupues o pilo o
(HW/SW)
Sensibilidad
algo i mo
CNN; Tiempo
medio
diagnós ico
18
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
3. Op imización
Ges ión Ci as
(IA)
Pilo o IA
P edic i a (M.
In e na): Tasa
Incompa ecencia
s < 8% en 12
meses.
- Sis ema IA P edic i a
(licencia/desa ollo)
-Equipo Admisión/M.
In e na
- Dp o. TI (In eg ación
HCIS)
- P esupues o pilo o
Tasa de
Incompa ecen
cias;
Ocupación
agendas
Fuen e: Elabo ación p opia.
Pa a consolida la plani icación es a égica, la incula las líneas es a égicas con
sus obje i os, ecu sos e indicado es cla e. Más allá de la de inición de me as, la
ejecución exi osa de es e p oyec o de ans o mación equie e una cuidadosa
plani icación empo al que asegu e la coo dinación de ac i idades, la asignación
e icien e de ecu sos y la moni o ización del p og eso. La plani icación empo al
de allada pa a alcanza los obje i os SMART y desplega las líneas es a égicas de
capaci ación, diagnós ico po IA y op imización de ci as, se isualiza en el
c onog ama es imado p esen ado en la Tabla 2 y Figu a 3. Es e diag ama de Gan
de alla las p incipales ases (desde la plani icación inicial has a el análisis inal), las
ac i idades c í icas y sus in e dependencias es imadas pa a la implemen ación del
p oyec o de in eg ación de IA en el Hospi al Uni e si a io de La P incesa a lo la go
de un pe iodo de 24 meses. Es a hoja de u a isual no solo es uc u a la ejecución,
sino que ambién se con ie e en un elemen o cla e pa a la ges ión ac i a de la
ans o mación (alineado con el C i e io 5 del Modelo EFQM), pe mi iendo el
seguimien o de hi os, la iden i icación emp ana de posibles des iaciones y la
acili ación de la comunicación en e los equipos implicados. Un desglose más
de allado de cada ac i idad, incluyendo esponsables especí icos y du aciones
p ecisas, se encuen a disponible en el Anexo I.
Pa a maximiza su e icacia, el c onog ama inco po a á e isiones imes ales
di igidas po el Comi é de T ans o mación Digi al, con paneles de indicado es en
iempo eal que pe mi an co egi des iaciones y easigna ecu sos de o ma ágil.
19
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Es e ciclo PDCA, cohe en e con la lógica REDER del Modelo EFQM, consolida la
cul u a de mejo a con inua y e ue za la sos enibilidad del p oyec o.
Figu a 3: Diag ama de Gan Es imado del P oyec o (24 Meses).
Fuen e: Elabo ación p opia median e código Py hon.
Es os obje i os SMART y su plani icación empo al se in eg an en un Plan
Es a égico global que se alinea con los c i e ios cla e del Modelo EFQM 2025 [8],
especialmen e los C i e ios 1 (P opósi o, Visión y Es a egia), 2 (Cul u a
O ganiza i a y Lide azgo) y 5 (Ges iona la Ope ación y la T ans o mación). El
seguimien o de es os obje i os se ealiza á a a és del CMI y la me odología
REDER como se de alla en las siguien es secciones.
20

El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
4. PROCESOS, PRODUCTOS Y
SERVICIOS
T as de ini el ma co es a égico en el capí ulo an e io , es e apa ado ep esen a la
aducción ope a i a del p oyec o en el Hospi al Uni e si a io de La P incesa. La
ges ión po p ocesos cons i uye un pila undamen al en la excelencia de las
o ganizaciones sani a ias, ya que pe mi e isualiza y op imiza los lujos de abajo
no como compa imen os es ancos, sino como un sis ema in eg ado y o ien ado al
alo pa a el pacien e.
En es e sen ido, la selección de los p ocesos in e enidos —el diagnós ico po
imagen (TAC o ácica) y la ges ión de ci as en Medicina In e na— esponde a un
análisis es a égico igu oso, iden i icándolos como nodos c í icos con al o po encial
de mejo a. Ambos concen an ine iciencias signi ica i as según la iloso ía Lean,
como demo as diagnós icas, a iabilidad en la calidad asis encial y a eas
adminis a i as epe i i as que consumen ecu sos cla e.
La in eg ación de la in eligencia a i icial en es os pun os no se concibe como un
me o ecu so ecnológico, sino como un acele ado de ans o mación
o ganizacional, o ien ado a agiliza los i ine a ios asis enciales, mejo a la
expe iencia de los usua ios y, en úl ima ins ancia, po encia los esul ados de salud.
Pa a con ex ualiza adecuadamen e la in e ención, esul a imp escindible dispone
de una isión global y es uc u ada de los p ocesos hospi ala ios. Po ello, a
con inuación se p esen a un mapa gene al que clasi ica los p ocesos del Hospi al
Uni e si a io de La P incesa en es ni eles: es a égicos, ope a i os y de sopo e,
esal ando los p ocesos p io i a ios sob e los que incide es e p oyec o como se
puede comp oba en la Figu a 4.
21
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Figu a 4: Mapa Gene al de P ocesos del Hospi al Uni e si a io de La P incesa.
Fuen e: Elabo ación p opia.
4.1. Mapa de P ocesos Cla e In e enidos po IA
Den o del complejo mapa de p ocesos del hospi al, es e p oyec o p io iza la
in e ención en es á eas especí icas donde la IA puede gene a un al o impac o
en calidad y e iciencia:
1. P oceso de Diagnós ico po Imagen (TAC To ácica):
○ Desc ipción Ac ual: Recepción de solici ud, ealización de TAC,
in e p e ación po adiólogo, elabo ación de in o me, alidación y
22
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
comunicación. P oceso secuencial con posible a iabilidad en
iempos.
○ In eg ación de IA: El algo i mo CNN (1) ac ua á como un sis ema de
apoyo a la decisión (CAD - Compu e -Aided De ec ion/Diagnosis).
Analiza á las imágenes de TAC después de su adquisición y an es o
en pa alelo a la e isión del adiólogo, señalando á eas sospechosas
de nódulos pulmona es y p opo cionando una es imación de
p obabilidad de malignidad. El in o me inal siemp e se á alidado po
el adiólogo.
○ KPIs Cla e:
■ Sensibilidad del sis ema IA en de ección de nódulos malignos
con i mados: Me a ≥ 95%.
■ Tiempo medio desde ealización de TAC has a in o me
alidado: Me a ≤ 4 días (Reducción desde >7 días).
■ Tasa de conco dancia en e IA y diagnós ico inal del adiólogo.
■ Sa is acción del adiólogo con la he amien a (encues a
especí ica).
2. P oceso de Ges ión de Ci as (Pilo o en Medicina In e na):
○ Desc ipción Ac ual: Solici ud de ci a (p esencial, ele ónica, online),
asignación manual o semi-au oma izada basada en disponibilidad,
en ío de eco da o ios es ánda . Tasa de incompa ecencia ac ual:
~15%.
○ In eg ación de IA: Implemen ación de un sis ema p edic i o (2) que:
■ Analiza da os his ó icos de asis encia, pe il del pacien e
(anonimizado), ipo de ci a, an elación, e c., pa a calcula la
p obabilidad de incompa ecencia de cada ci a p og amada.
■ Pe mi e es a egias de o e booking in eligen e y selec i o en
anjas de al a p obabilidad de incompa ecencia.
■ Pe sonaliza los eco da o ios (canal, ecuencia) según el
iesgo p edicho.
23
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
■ Op imiza la asignación inicial de huecos pa a maximiza la
ocupación eal.
○ P incipios Lean Aplicados: Reducción del despe dicio (muda)
asociado a iempos mue os de p o esionales po incompa ecencias y
a la espe a innecesa ia de pacien es. Mejo a del lujo (Heijunka) de
pacien es.
○ KPIs Cla e:
■ Tasa de incompa ecencias: Me a < 8%.
■ Tiempo medio de espe a pa a consegui ci a: Me a (es ablece
línea base y obje i o de educción, ej., -10%).
■ Tasa de ocupación eal de las agendas: Me a > 90% (desde
~85% ac ual). La Tabla 3 esume los p ocesos in e enidos y
KPLs
■ Sa is acción del pacien e con el p oceso de ci ación (encues a
PREMs).
3. P oceso de Ges ión de Recu sos (Vinculado a Ci as y Po encial Fu u o):
○ Desc ipción: Si bien el en oque p ima io de es e p oyec o se cen a
en el diagnós ico y la ges ión de ci as, la op imización log ada en es a
úl ima á ea iene epe cusiones secunda ias di ec as y posi i as
en la ges ión gene al de ecu sos del hospi al. Una p edicción más
iable de la asis encia a ci as ( educiendo las incompa ecencias del
15% a <8%) pe mi e una plani icación más p ecisa y e icien e de:
Pe sonal: Se educe la ince idumb e en la ca ga de abajo dia ia del
pe sonal clínico y adminis a i o asociado a las consul as ex e nas (ej.
Medicina In e na). Es o minimiza los iempos mue os po huecos
inespe ados y pe mi e una asignación más es able del pe sonal,
po encialmen e educiendo la necesidad de eajus es de úl ima ho a o
cos es po ho as ex a.
Espacios Físicos: Una mayo p edic ibilidad en el uso de las salas de
consul a en Medicina In e na lle a a una u ilización más e icien e del
24
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
○ Con ibución a ODS: A ances conc e os hacia el ODS 3 (Salud y
Bienes a ) po la mejo a diagnós ica y de ges ión, y el ODS 9
(Inno ación e In aes uc u a) po la adopción de ecnología a anzada
y la mejo a de la esiliencia del sis ema sani a io.
○ Posicionamien o Es a égico: Re ue zo de la imagen del Hospi al de
La P incesa como cen o inno ado y de excelencia. La Figu a 5
sin e iza el impac o espe ado de es as mejo as en los dis in os g upos
de in e és.
Figu a 5: Impac o Espe ado del P oyec o de IA po G upo de In e és.
Fuen e: Elabo ación p opia median e código Py hon.
31

El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
5.2. Sis ema de E aluación:
● Me odología REDER: Como se desc ibió en la sección 4.2, se aplica án
ciclos de E aluación y Re isión pe iódicos ( imes ales/mensuales) pa a
cada p oceso, pe mi iendo ajus es ágiles basados en la e idencia ecogida.
● Cuad o de Mando In eg al (CMI): Se implemen a á un CMI especí ico pa a
el p oyec o, que in eg a á los KPIs cla e en las cua o pe spec i as:
○ Pe spec i a del Clien e/Pacien e: Sa is acción (PREMs), Tiempos de
espe a/diagnós ico.
○ Pe spec i a de P ocesos In e nos: Sensibilidad del algo i mo, Tasa de
incompa ecencias, Tasa de ocupación de agendas, Tiempo de ciclo
de p ocesos.
○ Pe spec i a de Ap endizaje y C ecimien o: Nº de p o esionales
o mados, Tasa de inalización de o mación, Sa is acción del pe sonal
con las he amien as IA, Compe encias adqui idas.
○ Pe spec i a Financie a/E iciencia: Cos e po p oceso op imizado, ROI
(a medio plazo), Reducción de cos es asociados a
incompa ecencias/ e asos.
○ El CMI se á e isado semes almen e po el comi é de di ección del
p oyec o.
● E aluación Cuali a i a: Se complemen a á con en e is as
semi-es uc u adas a p o esionales y pacien es, y g upos ocales pa a
comp ende en p o undidad el impac o, las ba e as y los acili ado es. La
Tabla 6 p esen a un esumen consolidado de los KPIs p incipales del
p oyec o, sus me as y plazos, alineados con las pe spec i as del CMI.
32
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Tabla 6 Resumen de KPIs P incipales y Me as:
Á ea
Indicado Cla e
Línea Base
(Es imada)
Me a
Plazo Obje i o
Pe spec i a
CMI
Pacien es
Tiempo
Diagnós ico TAC
C. Pulmón
>7 días
≤ 4
días
18
meses
Clien e /
P ocesos
Pacien es
Sa is acción
(PREMs
ele an es)
X
X +
10%
12
meses
Clien e
Pacien es
Tasa
Incompa ecencia
(M. In .)
15%
< 8%
12
meses
Clien e /
P ocesos
P o esionales
Sensibilidad
Algo i mo CNN
N/A
≥ 95%
12
meses
P ocesos
P o esionales
Reducción Ca ga
Admin. (Ci as)
N/A
-20%
(Es ima
do)
12
meses
P ocesos /
Ap endizaje
P o esionales
Nº P o esionales
Fo mados
0
600
24
meses
Ap endizaje
O g./Socieda
d
Ocupación
Agenda (M. In .)
~85%
> 90%
12
meses
P ocesos /
E iciencia
33
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
O g./Socieda
d
Acceso
Equi a i o (P oxy)
Y
Y +
15%
24
meses
Clien e /
Sociedad
O g./Socieda
d
Con ibución
ODS 3 y 9
N/A
Mejo a
Sus an
cial
24
meses
Es a égica
Fuen e: Elabo ación p opia.
6. DISCUSIÓN
La in eg ación plani icada de la in eligencia a i icial en el diagnós ico po imagen y
la ges ión de ci as en el Hospi al Uni e si a io de La P incesa ep esen a una
opo unidad es a égica signi ica i a, pe o no exen a de desa íos impo an es. Es a
sección discu e los bene icios espe ados en el con ex o de la li e a u a y la p ác ica,
los e os especí icos a supe a , las limi aciones inhe en es al p oyec o y sus
implicaciones gene ales pa a el hospi al.
6.1. Bene icios Po enciales y Alineación con la E idencia
Los bene icios p oyec ados se alinean con la c ecien e e idencia sob e el impac o
posi i o de la IA en salud:
● Mejo a de la P ecisión y Opo unidad Diagnós ica: La implemen ación de
algo i mos CNN alidados pa a el análisis de imagen médica, como el
p opues o pa a TAC o ácica (1), iene el po encial demos ado de iguala o
incluso supe a la p ecisión humana en a eas especí icas de de ección,
con ibuyendo a diagnós icos más emp anos y po encialmen e educiendo
e o es o a iabilidad in e -obse ado (12). Alcanza la me a del 95% de
sensibilidad se ía un a ance clínico ele an e.
● Inc emen o de la E iciencia Ope a i a: La au oma ización in eligen e de
a eas adminis a i as, como la ges ión de ci as median e modelos
34
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
p edic i os (2), puede libe a iempo alioso del pe sonal, op imiza el uso de
ecu sos (consul as, equipamien o) y educi cos es asociados a ine iciencias
como las al as asas de incompa ecencia. Es o es cohe en e con los
p incipios de Lean Heal hca e en ocados en elimina despe dicios.
● Po enciación del P o esional Sani a io: Con a io a la isión de eemplazo,
la IA se plan ea aquí como una he amien a de aumen o de las capacidades
del p o esional. El sis ema CAD apoya al adiólogo, no lo sus i uye, y la
op imización de agendas libe a iempo adminis a i o pa a a eas de mayo
alo . La colabo ación humano-IA es cla e pa a maximiza los bene icios
(13).
● Con ibución a la Equidad y Sos enibilidad: Al es anda iza pa e del
p oceso diagnós ico y op imiza el acceso a ci as, la IA puede ayuda a
mi iga algunas ba e as geog á icas o socioeconómicas (10), con ibuyendo
a una sanidad más equi a i a (ODS 3). La mejo a de la e iciencia ambién
apo a a la sos enibilidad del sis ema (ODS 9).
6.2. Re os Especí icos de Implemen ación en La P incesa
Aunque los bene icios de la in eligencia a i icial en el hospi al son e iden es, su
implan ación e ec i a equie e an icipa y ges iona una se ie de e os especí icos.
En La P incesa, es os desa íos a ec an an o a la in aes uc u a ecnológica como a
la capaci ación del pe sonal y al cumplimien o del ma co é ico y legal.
Es e p oyec o inco po a es os e os en la plani icación y p opone es a egias
especí icas pa a a on a los. La Figu a 6 sin e iza los p incipales desa íos y las
soluciones plan eadas pa a su implemen ación en el hospi al.
En pa icula , se p e é la c eación de un Comi é de Gobe nanza de IA que
supe ise la azabilidad algo í mica y la ges ión de iesgos, la ac ualización del plan
di ec o de cibe segu idad clínica y un p og ama con inuo de o mación ce i icada
pa a pe sonal asis encial y écnico.
35
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Figu a 6: Desa ios de Implemen ación de IA en En o nos Hospi ala ios
Fuen e: Elabo ación p opia median e código Py hon.
El éxi o del p oyec o depende á de la capacidad del hospi al pa a ges iona
p oac i amen e a ios e os iden i icados:
● In e ope abilidad Técnica: La in eg ación luida de las he amien as de IA
con el HIS/PACS exis en e es c í ica pe o compleja (5). Requie e no solo
in e sión ecnológica sino la adopción de es ánda es (como HL7 FHIR) y
posiblemen e la adap ación de sis emas legados. Supe a es e e o es
undamen al y abo da di ec amen e el C i e io 5 del Modelo EFQM
('Ges iona la Ope ación y la T ans o mación').
● Ges ión del Cambio y Fo mación: La esis encia al cambio es una ba e a
humana na u al (6). Es c ucial implemen a un p og ama de o mación
obus o (Obje i o SMART 1) y una es a egia de comunicación anspa en e
36

El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
que explique los bene icios, abo de p eocupaciones (ej. segu idad labo al,
con ianza en la "caja neg a") y omen e la pa icipación ac i a del pe sonal.
In oluc a a los p o esionales desde el inicio (co-diseño) es i al e impac a el
C i e io 3 de EFQM ('Implica a los G upos de In e és: Pe sonas'). La
pe cepción de la IA como colabo ado y no como amenaza debe cul i a se
(13).
● Aspec os É icos y Legales: La IA en salud maneja da os ex emadamen e
sensibles. Es impe a i o ga an iza el cumplimien o es ic o del RGPD y la
LOPDGDD (11), asegu ando la p i acidad, segu idad y con idencialidad.
Además, la anspa encia y explicabilidad de los algo i mos (2), aunque
écnicamen e desa ian e pa a modelos complejos como las CNN, es un
equisi o é ico y de con ianza. Se deben es ablece mecanismos de
gobe nanza de da os y audi o ía é ica cla os. La esponsabilidad en caso de
e o diagnós ico asis ido po IA es un á ea legal aún en e olución que
equie e p o ocolos de inidos.
6.3. Limi aciones del P oyec o y P opues as de Mi igación
Es impo an e econoce las limi aciones inhe en es a es e p oyec o:
● Calidad y He e ogeneidad de los Da os: La pe o mance de los algo i mos
de IA depende c í icamen e de la calidad, can idad y ep esen a i idad de los
da os de en enamien o y alidación. Los da os del Hospi al de La P incesa
pueden p esen a he e ogeneidad o sesgos no iden i icados.
○ P opues a: Implemen a p o ocolos igu osos de cu ación y
es anda ización de da os. U iliza écnicas de alidación obus as
( alidación c uzada, da ase s ex e nos si es posible) y moni o iza
con inuamen e posibles sesgos (10). Adop a es ánda es como HL7
FHIR (5) a medio plazo pa a mejo a la homogeneidad.
● Cos es Iniciales y Sos enibilidad Financie a: La in e sión en ecnología,
licencias de so wa e, in eg ación y o mación es conside able.
37
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
○ P opues a: Busca ac i amen e inanciación ex e na ( ondos
eu opeos, ayudas nacionales/ egionales del SERMAS). Realiza un
análisis cos e-bene icio de allado pa a jus i ica la in e sión y
demos a el ROI a medio plazo a a és de las mejo as en e iciencia
y calidad.
● Gene alizabilidad y Escalabilidad: Los esul ados del pilo o en Medicina
In e na o Radiología pueden no se di ec amen e ex apolables a o os
se icios con dinámicas di e en es.
○ P opues a: Diseña los pilo os con la escalabilidad en men e. E alua
cuidadosamen e los ac o es con ex uales an es de ex ende la
implemen ación a o as á eas. Plani ica ases de despliegue
g aduales.
● Sesgo algo í mico y explicabilidad: los modelos pueden mos a
endimien os desiguales en e subpoblaciones (edad, sexo, como bilidad) y
gene a salidas opacas.
○ P opues a: aplica mé icas de equidad (p. ej., TPR gap) y un panel
XAI (G ad-CAM) audi ado semes almen e; een ena el modelo
cuando la di e encia de sensibilidad supe e 5 pun os po cen uales.
● E aluación del Impac o Real: Medi el impac o clínico inal (ej. mejo a en
supe i encia) equie e seguimien os a la go plazo que exceden el ma co
empo al de es e TFM. La e aluación de mé icas de p oceso y esul ados
in e medios puede p esen a desa íos .
○ P opues a: Cen a se en KPIs de p oceso y esul ados in e medios
obus os y bien de inidos. Es ablece mecanismos pa a el seguimien o
a la go plazo más allá del p oyec o inicial. U iliza una combinación de
mé icas cuan i a i as y cuali a i as.
6.4. Implicaciones Es a égicas pa a el Hospi al de La P incesa
Más allá de los esul ados especí icos en diagnós ico y ges ión de ci as, la
implemen ación exi osa de es e p oyec o iene implicaciones es a égicas p o undas
pa a el hospi al.
38
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
Es as implicaciones adican undamen almen e en la capacidad del p oyec o pa a
ges iona e icazmen e el da o como ac i o es a égico, un p oceso que se puede
en ende a a és del modelo DIKW (Da a–In o ma ion–Knowledge–Wisdom).
Según Acko (14), los da os son egis os b u os que, una ez o ganizados y
p ocesados, se con ie en en in o mación; es a, al con ex ualiza se y analiza se,
gene a conocimien o; y ese conocimien o, aplicado con c i e io, conduce a la
sabidu ía, que o ien a la oma de decisiones es a égicas en el ámbi o clínico y
o ganiza i o Acko , (14). De es e modo, el p oyec o no se limi a a aplica algo i mos
de IA, sino que demues a y po encia la capacidad del hospi al pa a es uc u a un
lujo con inuo que ans o me los da os de los sis emas HIS y PACS en
conocimien o ú il y, inalmen e, en sabidu ía ope a i a, e o zando la calidad
asis encial y la e iciencia o ganiza i a. Es as implicaciones es a égicas cla e
incluyen:
● Posicionamien o como Líde en Inno ación: Demues a un comp omiso
angible con la adopción de ecnologías de angua dia, mejo ando su
epu ación y a ac i o pa a pacien es y p o esionales.
● Impulso a la Cul u a de Mejo a Con inua: La aplicación igu osa del
Modelo EFQM (8) y Lean Heal hca e, jun o con la IA, puede ac ua como
ca alizado pa a una cul u a o ganizacional más o ien ada a los da os, la
e iciencia y la inno ación sis emá ica.
● Desa ollo de Capacidades In e nas: Gene a conocimien o y expe iencia
in e na en la selección, implemen ación, ges ión y e aluación de soluciones
de IA, una capacidad cla e pa a el u u o.
● Con ibución a un Sis ema Sani a io más Resilien e: Al mejo a la
e iciencia y la capacidad diagnós ica, el hospi al con ibuye a la
sos enibilidad y esiliencia gene al del sis ema sani a io público.
En conclusión, si bien los desa íos écnicos, o ganizacionales y é icos son
conside ables, un en oque es uc u ado basado en EFQM, Lean y una ges ión del
cambio p oac i a, puede pe mi i al Hospi al de La P incesa capi aliza el eno me
po encial de la IA pa a ans o ma posi i amen e la a ención sani a ia que o ece.
39
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
En sín esis, la adap ación emp ana al AI Ac eu opeo e ue za la legi imidad
egula o ia del p oyec o y con ie e el cumplimien o no ma i o en una en aja
compe i i a sos enible, an icipando equisi os que se án obliga o ios pa a los
sis emas sani a ios de al o iesgo . Es a an icipación, unida al en oque DIKW ya
desc i o, po encia un ciclo i uoso de da os–in o mación–conocimien o–sabidu ía
que consolida al hospi al como o ganización in eligen e.
La con e gencia de Lean Heal hca e (9) , Modelo EFQM 2025 (8) y capacidades
de IA explicable si úa a la ins i ución en el cuad an e de excelencia ope acional y
ap endizaje o ganiza i o con inuo. A co o plazo apo a e iciencia; a medio, gene a
nue o conocimien o clínico; y a la go, c ea un ecosis ema inno ado capaz de
au o- econ igu a se an e cambios ecnológicos y egula o ios.
Finalmen e, es e posicionamien o es a égico o alece la p opues a de alo pa a
pacien es, p o esionales y inanciado es: mejo a la segu idad y la calidad
asis encial, inc emen a la sa is acción del pe sonal al libe a les de a eas de bajo
alo y demues a esponsabilidad social median e la educción de huella de
ca bono asociada a lujos innecesa ios de pacien es y p uebas duplicadas. Con
ello, el Hospi al Uni e si a io de La P incesa consolida su lide azgo como e e en e
en inno ación sani a ia basada en in eligencia a i icial.
Además, la c eación de da os clínicos es uc u ados de al a calidad —de i ada del
uso de algo i mos explicables— ab e nue as opo unidades de in es igación
aslacional y ensayos colabo a i os mul icén icos, e o zando la misión
docen e‑in es igado a del cen o. Es e ecosis ema digi al a o ece, asimismo, la
esiliencia o ganiza i a en e a u u as c isis sani a ias, al pe mi i una escalabilidad
ápida de los ecu sos asis enciales guiada po analí ica p edic i a. Finalmen e, la
adopción emp ana de es ánda es egula o ios del AI Ac eu opeo posiciona al
hospi al con en aja compe i i a pa a la ce i icación de u u os disposi i os de al o
iesgo, ga an izando con ianza ins i ucional y a acción de inanciación pública y
p i ada.
40
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
6.2 Ejecución y
Recogida Da os
Pilo o Ci as
M. In e na /
Admisión
6
17
12
[============]
7
Fase 7:
Seguimien o y
E aluación
Con inua
(REDER/CMI)
Comi é
Di ección
P oyec o
6
24
19
[===================]
7.1
Moni o ización
KPIs y Feedback
Pilo os
Responsabl
es
Pilo o/Comi
é
6
18
13
[=============]
7.2 Re isiones
Pe iódicas
(T imes al/Mens
ual)
Comi é
Di ección
P oyec o
8
24
17
[=================]
8
Fase 8: Análisis
Final de
Resul ados y
P opues a
Escalado
Comi é
Di ección
P oyec o
18
24
7
[=======]
8.1 Análisis
Resul ados
Finales Pilo os
Comi é /
Equipos
Pilo o
18
20
3
[===]
8.2 In o me Final
y P opues a de
Escalado/Ajus e
s
Comi é
Di ección
P oyec o
21
24
4
[====]
Fuen e: Elabo ación p opia.
8.2. Anexo II: Análisis DAFO De allado y Es a egias CAME
Es e anexo p esen a un análisis de allado de las Fo alezas, Debilidades,
Opo unidades y Amenazas (DAFO) especí icas pa a el p oyec o de
implemen ación de IA en el Hospi al Uni e si a io de La P incesa. Se complemen a
47

El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
con es a egias CAME (Co egi , A on a , Man ene , Explo a ) diseñadas pa a
o ien a la ges ión es a égica del p oyec o.
Tabla 8: Análisis DAFO De allado y Es a egias CAME Asociadas
ANÁLISIS INTERNO
ANÁLISIS EXTERNO
FORTALEZAS
OPORTUNIDADES
F1. HIS consolidado y expe iencia
p e ia en digi alización y ensayos
clínicos digi ales. <b > * MANTENER:
Capi aliza la expe iencia acumulada.
Usa lecciones ap endidas de
p oyec os p e ios pa a la
implemen ación de IA. Documen a
buenas p ác icas in e nas.
O1. Disponibilidad de ondos públicos (Nex
Gen EU, planes nacionales/ egionales del
Minis e io de Sanidad/Comunidad de Mad id)
pa a ans o mación digi al en salud. <b > *
EXPLOTAR: P epa a p opues as de
inanciación sólidas, bien documen adas y
alineadas con las con oca o ias especí icas.
Busca ac i amen e co inanciación pública y/o
p i ada si es iable.
F2. Pe sonal clínico (médicos,
en e me ía) al amen e cuali icado y con
p es igio en á eas cla e di ec amen e
bene iciadas (oncología, adiología,
neumología, medicina in e na). <b > *
MANTENER: In oluc a ac i amen e a
líde es clínicos de es os se icios
como 'champions' y co-diseñado es del
p oyec o. Reconoce y po encia su ol
en la alidación y adopción de la IA.
O2. C ecien e demanda social y del sis ema
sani a io po se icios más ágiles, p ecisos,
pe sonalizados y accesibles, impulsada po la
ans o mación digi al gene al. <b > *
EXPLOTAR: Comunica ac i amen e los
bene icios espe ados del p oyec o pa a los
pacien es ( educción iempos de
diagnós ico/espe a, mejo a p ecisión). Alinea
el p oyec o con las expec a i as ciudadanas y
los planes de humanización del SERMAS.
F3. Exis encia de una cul u a
o ganizacional con cie a o ien ación a
la mejo a con inua y la ges ión de la
calidad (pa icipación en audi o ías,
comi és de calidad, planes de mejo a).
<b > * MANTENER: In eg a el
p oyec o de IA den o de los sis emas
de ges ión de calidad exis en es.
U iliza los ma cos EFQM y Lean
Heal hca e como ca alizado es pa a
sis ema iza la inno ación y la mejo a
con inua asociada a la IA.
O3. Po encial pa a es ablece colabo aciones
es a égicas con uni e sidades (ej. Poli écnica,
Au ónoma de Mad id), cen os de in es igación
biomédica (ej. CNIO, IIS P incesa) y emp esas
ecnológicas especializadas en IA pa a salud.
<b > * EXPLOTAR: Busca ac i amen e
acue dos ma co o p oyec os especí icos pa a
co-desa ollo, alidación ex e na de algo i mos,
acceso a conocimien o especializado o
o mación a anzada. Pa icipa en edes de
inno ación.
48
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
F4. Reconocimien o y epu ación del
Hospi al Uni e si a io de La P incesa
como cen o de e e encia a ni el
egional y nacional. <b > *
MANTENER: U iliza la epu ación y
isibilidad del hospi al pa a a ae
alen o especializado en IA si es
necesa io. Gene a con ianza en el
p oyec o an o in e na como
ex e namen e, p esen ándolo como
una e olución na u al de la excelencia
del cen o.
O4. Posibilidad de ob ene mejo as
signi ica i as y cuan i icables en la e iciencia
ope a i a ( educción de cos es asociados a
incompa ecencias, op imización de agendas y
uso de equipos) y en la calidad asis encial
(diagnós ico p ecoz, es anda ización). <b > *
EXPLOTAR: Cuan i ica y moni o iza
igu osamen e los aho os gene ados y las
mejo as en KPIs cla e (ROI, cos e-bene icio).
U iliza es os da os obje i os pa a jus i ica la
in e sión inicial, asegu a la sos enibilidad y
plani ica el escalado u u o.
O5. Opo unidad de posiciona al hospi al como
un líde inno ado y pione o en la aplicación
é ica y e ec i a de la in eligencia a i icial den o
del Sis ema Nacional de Salud español. <b > *
EXPLOTAR: Di undi los esul ados y lecciones
ap endidas del p oyec o en cong esos
cien í icos, publicaciones p o esionales y
medios de comunicación especializados.
Desa olla una es a egia de comunicación
ex e na p oac i a.
DEBILIDADES
AMENAZAS
D1. Limi aciones signi ica i as y
cons a adas en la in e ope abilidad
semán ica y écnica en e los dis in os
sis emas de in o mación ac uales (HIS,
PACS, RIS, sis emas depa amen ales
especí icos), di icul ando un lujo de
da os homogéneo y comple o. <b > *
CORREGIR: P io iza y asigna
ecu sos su icien es a la Fase 3 del
Gan (Adecuación In aes uc u a).
Desa olla un plan de in e ope abilidad
cla o, ealis a y po ases. E alua e
implemen a p og esi amen e
es ánda es in e nacionales (HL7 FHIR,
DICOMweb). In oluc a al Dp o. TI
desde el inicio.
A1. Cambios en las polí icas sani a ias
gube namen ales (nacionales/ egionales), en
las p io idades de inanciación pública, o en las
egulaciones especí icas sob e el desa ollo,
alidación y uso de la IA en el sec o salud (ej.
impac o inal del AI Ac eu opeo). <b > *
AFRONTAR: Man ene una igilancia ac i a del
en o no egula o io y polí ico. Es ablece
canales de comunicación luidos con el
SERMAS y el Minis e io. Diseña el p oyec o
con lexibilidad pa a adap a se a posibles
cambios no ma i os o de inanciación.
49
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
D2. B echa de compe encias digi ales
y al a de o mación especí ica
gene alizada en concep os y
he amien as de IA en e el pe sonal
clínico, de ges ión y de sopo e écnico
del hospi al. <b > * CORREGIR:
Implemen a de o ma igu osa y
e aluada el ambicioso plan de
o mación mul imodal con emplado
(Fase 4 del Gan ). Adap a los
con enidos y me odologías a los
dis in os pe iles p o esionales (desde
sensibilización básica has a uso
a anzado). Fomen a una cul u a de
ap endizaje digi al con inuo.
A2. Riesgos ele ados de cibe segu idad
inhe en es al manejo de g andes olúmenes de
da os de salud sensibles: posibilidad de acceso
no au o izado, ansomwa e, iolación de la
p i acidad de los da os de pacien es, a aques a
la in eg idad de los sis emas de IA. <b > *
AFRONTAR: Implemen a medidas de
segu idad écnica y o ganiza i a de úl ima
gene ación (ci ado, con ol de accesos,
moni o ización, e c.). Realiza análisis de
iesgos y audi o ías de segu idad pe iódicas
especí icas pa a los sis emas de IA. Asegu a
el cumplimien o es ic o del RGPD/LOPDGDD
(10). Desa olla un plan obus o de
con ingencia y espues a a inciden es.
D3. Posible esis encia al cambio
cul u al y o ganizacional po pa e de
algunos p o esionales an e la
in oducción de nue as ecnologías
que modi ican lujos de abajo
es ablecidos, gene an ince idumb e o
son pe cibidas como una amenaza.
<b > * CORREGIR: Desa olla e
implemen a una es a egia explíci a de
ges ión del cambio: comunicación
anspa en e y con inua sob e
obje i os, bene icios y limi aciones;
omen o de la pa icipación ac i a de
los usua ios inales en el diseño y
alidación; ges ión p oac i a de
expec a i as; iden i icación y apoyo a
'ea ly adop e s' y líde es de opinión
in e nos.
A3. Al a in e sión inicial eque ida en
ecnología (ha dwa e, so wa e, licencias),
in eg ación y o mación, sumada a posibles
di icul ades pa a asegu a la sos enibilidad
inancie a a la go plazo (cos es ecu en es de
man enimien o, ac ualizaciones, sopo e). <b >
* AFRONTAR: Di e si ica las uen es de
inanciación buscando ac i amen e ondos
ex e nos (O1). Realiza un análisis
cos e-bene icio de allado pa a demos a el
ROI y la e iciencia gene ada (O4). Plani ica los
cos es de ciclo de ida comple o (adquisición,
implemen ación, ope ación, man enimien o,
ac ualización) desde el inicio. E alua modelos
al e na i os como So wa e as a Se ice
(SaaS) si son écnica y económicamen e
iables.
50
El Impac o de la In eligencia A i icial en el Diagnós ico Hospi ala io: Aplicaciones , Re os y Bene icios en la Ges ión Clínica
D4. Calidad a iable y he e ogeneidad
in ínseca de los da os clínicos
his ó icos disponibles en el hospi al
(da os no es uc u ados, al a de
es anda ización, posibles sesgos), que
pueden a ec a nega i amen e al
endimien o, obus ez y gene alización
de los algo i mos de IA en enados.
<b > * CORREGIR: Es ablece
p o ocolos cla os de gobe nanza de
da os pa a IA. Implemen a p ocesos
de limpieza, cu ación y es anda ización
de los da os u ilizados pa a
en enamien o y alidación. Realiza
alidaciones igu osas de los
algo i mos con da os locales
ep esen a i os y e alua ac i amen e
la p esencia de sesgos (ej. po géne o,
edad, e c.) (9).
A4. Riesgo de pe cepción pública nega i a o
descon ianza hacia el uso de la IA en
decisiones clínicas si la implemen ación no se
comunica adecuadamen e, si se pe cibe como
una "caja neg a" incomp ensible, o si ocu en
e o es diagnós icos o de ges ión con
consecuencias no o ias. <b > * AFRONTAR:
Desa olla una es a egia de comunicación
ex e na e in e na cla a, hones a y anspa en e,
explicando los bene icios pe o ambién las
limi aciones y el ol de supe isión humana.
P io iza el uso de algo i mos explicables (XAI)
siemp e que sea posible (2). Es ablece
p o ocolos cla os pa a la ges ión p oac i a y
anspa en e de posibles inciden es o e o es.
D5. Dependencia po encial signi ica i a
de p o eedo es ex e nos pa a el
desa ollo, suminis o, man enimien o y
ac ualización de las he amien as de IA
más complejas. <b > * CORREGIR:
Realiza p ocesos de selección de
p o eedo es igu osos. Negocia
con a os cla os y equilib ados que
asegu en ni eles de se icio
adecuados, sopo e écnico ágil,
ac ualizaciones pe iódicas, acceso a
da os y minimicen el iesgo de ' endo
lock-in'. E alua la iabilidad de
desa olla cie as capacidades
in e nas en IA a la go plazo.
A5. Rápida e olución y obsolescencia
ecnológica ca ac e ís ica del campo de la
in eligencia a i icial, que puede hace que las
soluciones implemen adas queden
desac ualizadas en un plazo ela i amen e
co o. <b > * AFRONTAR: Diseña una
a qui ec u a ecnológica lo más modula ,
escalable y lexible posible. Man ene una
igilancia ecnológica ac i a pa a iden i ica
nue as endencias y he amien as ele an es.
Plani ica ciclos de e isión y ac ualización
ecnológica pe iódicos den o de la es a egia
de sos enibilidad inancie a.
Fuen e: Elabo ación p opia.
51