El Impacto de la Inteligencia Artificial en el Diagnóstico Hospitalario: Aplicaciones, Retos y Beneficios en la Gestión Clínica

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