"La IA en hospitales: más allá de la adopción, la gestión y la consolidación son claves"
Participan profesionales de hospitales generales y instituciones médicas relacionadas
En medio de la creciente adopción de inteligencia artificial (IA) en hospitales, expertos han recomendado trasladar el centro de gravedad del debate desde "qué adoptar" hacia "cómo gestionar y consolidar" estas tecnologías.
El Despacho de abogados Barun anunció que, junto con Caleb & Company, celebró el 8 de septiembre el "Primer Foro de Líderes en Innovación de IA - Transformación y salto cualitativo de la IA hospitalaria: de datos y gobernanza a soluciones clínicas" en la sala Melon, piso 5 del edificio anexo El Tower, ubicado en el distrito de Seocho, Seúl.
La Agencia Coreana de Información en Salud y Medicina, junto con AI Nation y Jeongwon Systems, participaron como socios colaboradores. El evento contó con la asistencia de aproximadamente 100 profesionales de gestión, planificación y tecnología de la información de hospitales generales y instituciones médicas relacionadas.
En la primera sesión, bajo el tema "Transformación de la gobernanza de IA", Yang Gwang-mo, profesor de la Facultad de Medicina de la Universidad Sungkyunkwan y director del Centro de Investigación en IA del Hospital Médico de Samsung, presentó "La transformación fundamental de la IA hospitalaria: el hospital donde fluyen los datos", diagnosticando la desconexión estructural en el sector. El profesor Yang señaló que "aunque la IA hospitalaria aprueba verificaciones de desempeño, a menudo no llega a traducirse en operaciones reales, generando una brecha significativa", e identificó como problemas centrales la desconexión entre instituciones (limitaciones en estándares y alcance de intercambio de imágenes), entre procesos (canales dispersos y clasificación manual/asignación), y entre evaluaciones (inconsistencias entre definiciones de indicadores y datos de desempeño).
Yang señaló además que los cambios normativos nacionales e internacionales, como la Ley de Reforma Hospitalaria de Alemania, el plan decenal centrado en la Aplicación NHS del Reino Unido y el programa de apoyo a la transformación estructural de hospitales terciarios de Corea del Sur, exigen comúnmente "la definición y conexión de información necesaria".
Como solución, propuso un "sistema operativo donde fluyen los datos" que sigue una secuencia: estándares-datos-decisión de IA-ejecución operativa-evaluación de resultados. Yang presentó casos prácticos del consorcio del Hospital Médico de Samsung, incluyendo el intercambio de imágenes médicas centrado en el paciente (entre 6 instituciones, con un total de 938 intercambios), la clasificación automática de solicitudes de interconsulta mediante un modelo de lenguaje local (LLM) en las instalaciones internas (análisis de 6.624 solicitudes de interconsulta electrónicas, con una tasa de coincidencia en la asignación del responsable del 75,4 % que aumentó al 84,7 % tras revisor especializado), y el sistema integrado de solicitud y derivación "S-CARENet".
Enfatizó que "después del juicio de IA, es esencial diseñar de antemano quién, dónde y cómo procesará la información, conectando datos, IA, operaciones y evaluación bajo la premisa de verificación final humana (Human-in-the-loop), destacando la división de roles entre los departamentos de gestión, planificación y tecnología de la información".
Ahn Joo-hyun, abogado del Despacho Barun, diagnosticó el panorama regulatorio que enfrentan los hospitales en su presentación "Regulación de IA en Corea del Sur y respuesta hospitalaria: puntos de verificación para la implementación de IA desde la óptica regulatoria y legal". El abogado Ahn señaló que "la IA hospitalaria no está sujeta a una única ley, sino que enfrenta regulaciones simultáneas de la Ley Básica de IA, regulaciones de productos médicos digitales, la Ley de Protección de Datos Personales y otras normas" y enfatizó que "el objeto de la regulación no es el modelo en sí, sino la combinación del procesamiento de datos y el acto de uso clínico". También señaló que, incluso con la misma función de apoyo clínico, las vías regulatorias—como la aprobación de dispositivos médicos—pueden variar según el contexto de presentación/publicidad y uso real.
Como medidas de respuesta, presentó criterios de verificación por fase de aplicación. Al utilizar IA generativa en la redacción de registros médicos o guía de pacientes, es necesario cumplir puntos de verificación de protección de datos personales tales como eliminación de identificadores de pacientes, uso de IA en redes internas o seguras, y notificación del uso de IA. Asimismo, es preciso diseñar previamente procedimientos para el tratamiento, exportación, combinación y gestión de información anonimizada y datos de salud. El abogado Ahn enfatizó que "la gobernanza de IA hospitalaria debe ser un sistema permanente que funcione antes de la implementación, durante la operación y en caso de cambios", destacando la necesidad de una respuesta integral legal e institucional que abarque no solo regulaciones de IA, sino también regulaciones de dispositivos médicos, protección de datos personales y ley de salud.
En la segunda sesión, bajo el tema "Estrategia de IA y soluciones", Bae Ki-won, director del Centro de Innovación de Caleb & Company, diagnosticó patrones de fracaso en la implementación en su presentación "Estrategia de experiencia de IA hospitalaria (AX) y gobernanza: de la A a la Z". El director Bae señaló que "aunque las implementaciones van en aumento, no está claro quién aprueba ni quién es responsable", identificando como causa común de los "7 grandes fracasos" ya evidentes—disparidad entre verificación y realidad operativa, fatiga de alertas, ausencia de gestión posterior y degradación de desempeño (drift), sesgo, dependencia del proveedor, vacíos en responsabilidad y gobernanza, y discontinuidad de sostenibilidad—la "brecha de gobernanza". También señaló que si todos los sistemas de IA se someten al mismo nivel de escrutinio, los entornos operativos tienden a evadir la regulación, aumentando la "IA sombra".
Como solución, propuso que "el primer paso es realizar un inventario para identificar toda la IA dispersa en la institución", sugiriendo un análisis diferenciado proporcional al nivel de riesgo y la implementación de estructuras de gobernanza multinivel con organizaciones dedicadas. Señaló que "una gobernanza bien diseñada no ralentiza, sino acelera la velocidad de implementación" y recomendó que "la administración considere la conformidad regulatoria no como un costo, sino como una cuestión de velocidad de implementación".
Lee Se-ra, jefa de equipo en AI Nation, diagnosticó las preocupaciones del sector a través de "IA nacida del entorno clínico: crónica del codiseño de una solución de úlceras por presión". La jefa Lee explicó que "la gestión de úlceras por presión es un trabajo de alto consumo de mano de obra que requiere medición, fotografía, juicio de estadio y registro repetidos para cada lesión", compartiendo desafíos en la purificación de datos recopilados en el entorno operativo y la dificultad de distinguir "úlceras por presión cicatrizadas" de lesiones similares como dermatitis.
Presentó el viaje del codiseño de una solución de detección de úlceras por presión por estadio desarrollada durante 21 meses con el Hospital Severance de Yonsei, explicando el etiquetado de aproximadamente 33.011 datos de lesiones y la definición de sistemas de clasificación y criterios de evaluación, así como el proceso de tres etapas: captura-inferencia (segmentación de región de lesión y clasificación de estadio)-confirmación de resultados. Enfatizó que "se trata de un registro creado conjuntamente con el entorno operativo, no un producto vendido por un proveedor".
Kwon Chan-young, jefe de la División de Estrategia de IA de Jeongwon Systems, abordó la esencia de la IA de video en tiempo real en su presentación "IA de diagnóstico en tiempo real". El jefe Kwon explicó que "un video es esencialmente una secuencia de imágenes estáticas que, a 30 fotogramas por segundo (30 fps), requiere que el IA de detección realice 30 juicios independientes por segundo", diagnosticando las limitaciones de depender de la detección de fotogramas individuales, que puede causar parpadeo de marcadores o falsos positivos en fotogramas borrosos.
Como solución, propuso un enfoque que rastrea en el eje temporal (Temporal) entre fotogramas si la misma lesión se detecta continuamente para garantizar confiabilidad, y que omite inferencias en fotogramas borrosos (Skip) para lograr detección suave sin parpadeos, presentando casos de detección de pólipos en tiempo real (CADe) y asistencia de diagnóstico (CADx) en endoscopia.
En el panel de discusión, Lee Jun-hee, jefe del Instituto de Estrategia Corporativa del Despacho Barun, actuó como moderador, con Kim Kyung-yun, asesor principal de AWS Healthcare; Min Gyu-hong, jefe general de hospital inteligente y director de estrategia de información del Hospital Católico de Seúl; Lee Ui-gyou, abogado del Despacho Barun; y Han Eun-jin, enfermera especialista del equipo de apoyo clínico del Hospital Severance como panelistas. Se abordaron intensivamente el cambio de roles hospitalarios y los desafíos de datos y gobernanza.
Min Gyu-hong, jefe de estrategia de información del Hospital Católico de Seúl (secretario general de la Asociación Coreana de Información Hospitalaria), enfatizó que "los hospitales deben transformarse de lugares de tratamiento de enfermedades a espacios de gestión de la salud que abarquen prevención y gestión proactiva". Destacó además que "es imperativo proporcionar información médica personal a los pacientes mientras se utiliza en investigación de IA a través de procedimientos legales apropiados, cerrando el ciclo nuevamente hacia la atención clínica. Para lograrlo, es urgente contar con 'datos médicos listos para IA' que hayan pasado por estandarización, depuración y control de calidad". Identificó como tareas comunes reales de la transformación de IA la conversión de datos dispersos en estructuras accesibles y controlables, así como el fortalecimiento de la estructura y significado de los datos existentes.
Lee Ui-gyou, abogado del Despacho Barun, señaló que "el núcleo de la gobernanza de IA es que el hospital identifique toda la IA que utiliza, establezca procedimientos de aprobación, verificación y monitoreo, así como responsables, de acuerdo con el nivel de riesgo". Recomendó además que "es necesario distinguir entre IA de apoyo administrativo e IA que afecta la atención clínica, garantizar el poder de decisión final del personal médico, y mantener registros de los procesos de verificación, cambio y respuesta ante incidentes como un sistema de cumplimiento". Agregó que "esta gobernanza no es una regulación, sino la base para la implementación rápida y segura de IA".
Yeom Min-seop, director de la Agencia Coreana de Información en Salud y Medicina, enfatizó que "la competitividad de la IA médica no se construye únicamente con algoritmos; solo cuando se combinan con datos de calidad, estándares y sistemas seguros de conexión y utilización se logra la verdadera innovación en la práctica médica". Presentó además la estrategia básica de IA en medicina del gobierno, el corredor de alta velocidad de IA para medicina pública, el corredor de información de salud (mis datos médicos), y la iniciativa nacional de macrodatos de bioinformática integrados, afirmando que "la Agencia Coreana de Información en Salud y Medicina continuará colaborando para generar innovación médica que los ciudadanos puedan experimentar a través de datos médicos e IA".
Lee Dong-hun, abogado representante del Despacho Barun, señaló que "para una adopción exitosa de IA médica es esencial una respuesta integral a diversas leyes e instituciones, incluyendo no solo regulaciones de IA, sino también regulaciones de productos médicos digitales y dispositivos médicos, protección de datos personales y protección de información médica, y ley de salud". Agregó que "el Despacho Barun, habiendo acumulado experiencia y expertise en digitalización de salud, protección de datos personales y datos, regulaciones de IA y consultoría de instituciones médicas, desempeñará plenamente su papel como socio estratégico que verifica y resuelve de manera proactiva los problemas legales que enfrentan hospitales e instituciones médicas en cada etapa de la transformación de IA".
El Despacho de abogados Barun anunció que, junto con Caleb & Company, celebró el 8 de septiembre el "Primer Foro de Líderes en Innovación de IA - Transformación y salto cualitativo de la IA hospitalaria: de datos y gobernanza a soluciones clínicas" en la sala Melon, piso 5 del edificio anexo El Tower, ubicado en el distrito de Seocho, Seúl.
La Agencia Coreana de Información en Salud y Medicina, junto con AI Nation y Jeongwon Systems, participaron como socios colaboradores. El evento contó con la asistencia de aproximadamente 100 profesionales de gestión, planificación y tecnología de la información de hospitales generales y instituciones médicas relacionadas.
En la primera sesión, bajo el tema "Transformación de la gobernanza de IA", Yang Gwang-mo, profesor de la Facultad de Medicina de la Universidad Sungkyunkwan y director del Centro de Investigación en IA del Hospital Médico de Samsung, presentó "La transformación fundamental de la IA hospitalaria: el hospital donde fluyen los datos", diagnosticando la desconexión estructural en el sector. El profesor Yang señaló que "aunque la IA hospitalaria aprueba verificaciones de desempeño, a menudo no llega a traducirse en operaciones reales, generando una brecha significativa", e identificó como problemas centrales la desconexión entre instituciones (limitaciones en estándares y alcance de intercambio de imágenes), entre procesos (canales dispersos y clasificación manual/asignación), y entre evaluaciones (inconsistencias entre definiciones de indicadores y datos de desempeño).
Yang señaló además que los cambios normativos nacionales e internacionales, como la Ley de Reforma Hospitalaria de Alemania, el plan decenal centrado en la Aplicación NHS del Reino Unido y el programa de apoyo a la transformación estructural de hospitales terciarios de Corea del Sur, exigen comúnmente "la definición y conexión de información necesaria".
Como solución, propuso un "sistema operativo donde fluyen los datos" que sigue una secuencia: estándares-datos-decisión de IA-ejecución operativa-evaluación de resultados. Yang presentó casos prácticos del consorcio del Hospital Médico de Samsung, incluyendo el intercambio de imágenes médicas centrado en el paciente (entre 6 instituciones, con un total de 938 intercambios), la clasificación automática de solicitudes de interconsulta mediante un modelo de lenguaje local (LLM) en las instalaciones internas (análisis de 6.624 solicitudes de interconsulta electrónicas, con una tasa de coincidencia en la asignación del responsable del 75,4 % que aumentó al 84,7 % tras revisor especializado), y el sistema integrado de solicitud y derivación "S-CARENet".
Enfatizó que "después del juicio de IA, es esencial diseñar de antemano quién, dónde y cómo procesará la información, conectando datos, IA, operaciones y evaluación bajo la premisa de verificación final humana (Human-in-the-loop), destacando la división de roles entre los departamentos de gestión, planificación y tecnología de la información".
Ahn Joo-hyun, abogado del Despacho Barun, diagnosticó el panorama regulatorio que enfrentan los hospitales en su presentación "Regulación de IA en Corea del Sur y respuesta hospitalaria: puntos de verificación para la implementación de IA desde la óptica regulatoria y legal". El abogado Ahn señaló que "la IA hospitalaria no está sujeta a una única ley, sino que enfrenta regulaciones simultáneas de la Ley Básica de IA, regulaciones de productos médicos digitales, la Ley de Protección de Datos Personales y otras normas" y enfatizó que "el objeto de la regulación no es el modelo en sí, sino la combinación del procesamiento de datos y el acto de uso clínico". También señaló que, incluso con la misma función de apoyo clínico, las vías regulatorias—como la aprobación de dispositivos médicos—pueden variar según el contexto de presentación/publicidad y uso real.
Como medidas de respuesta, presentó criterios de verificación por fase de aplicación. Al utilizar IA generativa en la redacción de registros médicos o guía de pacientes, es necesario cumplir puntos de verificación de protección de datos personales tales como eliminación de identificadores de pacientes, uso de IA en redes internas o seguras, y notificación del uso de IA. Asimismo, es preciso diseñar previamente procedimientos para el tratamiento, exportación, combinación y gestión de información anonimizada y datos de salud. El abogado Ahn enfatizó que "la gobernanza de IA hospitalaria debe ser un sistema permanente que funcione antes de la implementación, durante la operación y en caso de cambios", destacando la necesidad de una respuesta integral legal e institucional que abarque no solo regulaciones de IA, sino también regulaciones de dispositivos médicos, protección de datos personales y ley de salud.
En la segunda sesión, bajo el tema "Estrategia de IA y soluciones", Bae Ki-won, director del Centro de Innovación de Caleb & Company, diagnosticó patrones de fracaso en la implementación en su presentación "Estrategia de experiencia de IA hospitalaria (AX) y gobernanza: de la A a la Z". El director Bae señaló que "aunque las implementaciones van en aumento, no está claro quién aprueba ni quién es responsable", identificando como causa común de los "7 grandes fracasos" ya evidentes—disparidad entre verificación y realidad operativa, fatiga de alertas, ausencia de gestión posterior y degradación de desempeño (drift), sesgo, dependencia del proveedor, vacíos en responsabilidad y gobernanza, y discontinuidad de sostenibilidad—la "brecha de gobernanza". También señaló que si todos los sistemas de IA se someten al mismo nivel de escrutinio, los entornos operativos tienden a evadir la regulación, aumentando la "IA sombra".
Como solución, propuso que "el primer paso es realizar un inventario para identificar toda la IA dispersa en la institución", sugiriendo un análisis diferenciado proporcional al nivel de riesgo y la implementación de estructuras de gobernanza multinivel con organizaciones dedicadas. Señaló que "una gobernanza bien diseñada no ralentiza, sino acelera la velocidad de implementación" y recomendó que "la administración considere la conformidad regulatoria no como un costo, sino como una cuestión de velocidad de implementación".
Lee Se-ra, jefa de equipo en AI Nation, diagnosticó las preocupaciones del sector a través de "IA nacida del entorno clínico: crónica del codiseño de una solución de úlceras por presión". La jefa Lee explicó que "la gestión de úlceras por presión es un trabajo de alto consumo de mano de obra que requiere medición, fotografía, juicio de estadio y registro repetidos para cada lesión", compartiendo desafíos en la purificación de datos recopilados en el entorno operativo y la dificultad de distinguir "úlceras por presión cicatrizadas" de lesiones similares como dermatitis.
Presentó el viaje del codiseño de una solución de detección de úlceras por presión por estadio desarrollada durante 21 meses con el Hospital Severance de Yonsei, explicando el etiquetado de aproximadamente 33.011 datos de lesiones y la definición de sistemas de clasificación y criterios de evaluación, así como el proceso de tres etapas: captura-inferencia (segmentación de región de lesión y clasificación de estadio)-confirmación de resultados. Enfatizó que "se trata de un registro creado conjuntamente con el entorno operativo, no un producto vendido por un proveedor".
Kwon Chan-young, jefe de la División de Estrategia de IA de Jeongwon Systems, abordó la esencia de la IA de video en tiempo real en su presentación "IA de diagnóstico en tiempo real". El jefe Kwon explicó que "un video es esencialmente una secuencia de imágenes estáticas que, a 30 fotogramas por segundo (30 fps), requiere que el IA de detección realice 30 juicios independientes por segundo", diagnosticando las limitaciones de depender de la detección de fotogramas individuales, que puede causar parpadeo de marcadores o falsos positivos en fotogramas borrosos.
Como solución, propuso un enfoque que rastrea en el eje temporal (Temporal) entre fotogramas si la misma lesión se detecta continuamente para garantizar confiabilidad, y que omite inferencias en fotogramas borrosos (Skip) para lograr detección suave sin parpadeos, presentando casos de detección de pólipos en tiempo real (CADe) y asistencia de diagnóstico (CADx) en endoscopia.
En el panel de discusión, Lee Jun-hee, jefe del Instituto de Estrategia Corporativa del Despacho Barun, actuó como moderador, con Kim Kyung-yun, asesor principal de AWS Healthcare; Min Gyu-hong, jefe general de hospital inteligente y director de estrategia de información del Hospital Católico de Seúl; Lee Ui-gyou, abogado del Despacho Barun; y Han Eun-jin, enfermera especialista del equipo de apoyo clínico del Hospital Severance como panelistas. Se abordaron intensivamente el cambio de roles hospitalarios y los desafíos de datos y gobernanza.
Min Gyu-hong, jefe de estrategia de información del Hospital Católico de Seúl (secretario general de la Asociación Coreana de Información Hospitalaria), enfatizó que "los hospitales deben transformarse de lugares de tratamiento de enfermedades a espacios de gestión de la salud que abarquen prevención y gestión proactiva". Destacó además que "es imperativo proporcionar información médica personal a los pacientes mientras se utiliza en investigación de IA a través de procedimientos legales apropiados, cerrando el ciclo nuevamente hacia la atención clínica. Para lograrlo, es urgente contar con 'datos médicos listos para IA' que hayan pasado por estandarización, depuración y control de calidad". Identificó como tareas comunes reales de la transformación de IA la conversión de datos dispersos en estructuras accesibles y controlables, así como el fortalecimiento de la estructura y significado de los datos existentes.
Lee Ui-gyou, abogado del Despacho Barun, señaló que "el núcleo de la gobernanza de IA es que el hospital identifique toda la IA que utiliza, establezca procedimientos de aprobación, verificación y monitoreo, así como responsables, de acuerdo con el nivel de riesgo". Recomendó además que "es necesario distinguir entre IA de apoyo administrativo e IA que afecta la atención clínica, garantizar el poder de decisión final del personal médico, y mantener registros de los procesos de verificación, cambio y respuesta ante incidentes como un sistema de cumplimiento". Agregó que "esta gobernanza no es una regulación, sino la base para la implementación rápida y segura de IA".
Yeom Min-seop, director de la Agencia Coreana de Información en Salud y Medicina, enfatizó que "la competitividad de la IA médica no se construye únicamente con algoritmos; solo cuando se combinan con datos de calidad, estándares y sistemas seguros de conexión y utilización se logra la verdadera innovación en la práctica médica". Presentó además la estrategia básica de IA en medicina del gobierno, el corredor de alta velocidad de IA para medicina pública, el corredor de información de salud (mis datos médicos), y la iniciativa nacional de macrodatos de bioinformática integrados, afirmando que "la Agencia Coreana de Información en Salud y Medicina continuará colaborando para generar innovación médica que los ciudadanos puedan experimentar a través de datos médicos e IA".
Lee Dong-hun, abogado representante del Despacho Barun, señaló que "para una adopción exitosa de IA médica es esencial una respuesta integral a diversas leyes e instituciones, incluyendo no solo regulaciones de IA, sino también regulaciones de productos médicos digitales y dispositivos médicos, protección de datos personales y protección de información médica, y ley de salud". Agregó que "el Despacho Barun, habiendo acumulado experiencia y expertise en digitalización de salud, protección de datos personales y datos, regulaciones de IA y consultoría de instituciones médicas, desempeñará plenamente su papel como socio estratégico que verifica y resuelve de manera proactiva los problemas legales que enfrentan hospitales e instituciones médicas en cada etapa de la transformación de IA".
* Este artículo ha sido traducido por IA.