Ignacio Hernández, fundador de Savana: “La IA va a entrar en el sistema sanitario porque lo que hay falla mucho”

Ignacio Hernández (Alicante, 41 años) eligió para su vida un camino poco ortodoxo. Durante sus años de formación como neurólogo ya tenía claro que su lugar estaba fuera del hospital. Empezó a trabajar en labores de gestión, pero se dio cuenta, buceando en las estadísticas del Ministerio de Sanidad, de que solo la tecnología podría deshacer el embrollo de datos, nombres y listas en los que estaba inmerso el sistema sanitario. ...

Ignacio Hernández (Alicante, 41 años) eligió para su vida un camino poco ortodoxo. Durante sus años de formación como neurólogo ya tenía claro que su lugar estaba fuera del hospital. Empezó a trabajar en labores de gestión, pero se dio cuenta, buceando en las estadísticas del Ministerio de Sanidad, de que solo la tecnología podría deshacer el embrollo de datos, nombres y listas en los que estaba inmerso el sistema sanitario. Junto a dos amigos de la infancia fundó Savana, una empresa dedicada a utilizar la inteligencia artificial para mejorar los procesos asistenciales. Dejó el hospital para dedicarse por completo a este proyecto, que lleva ya 10 años en marcha y que le colocó como uno de los 100 empresarios más creativos de España en 2021 y 2023, según la revista Forbes. Hernández habla con EL PAÍS en la sede de su empresa en Madrid y opina que el uso de la IA en el ámbito sanitario es imparable y necesario.

Pregunta: La administración pública tiene fama de llegar tarde a las innovaciones tecnológicas. ¿Le pasará lo mismo al sistema sanitario con la inteligencia artificial (IA)?

Respuesta: Puede ser que volvamos a llegar tarde, pero yo mantengo una tesis que no tiene por qué ser cierta: el sistema sanitario está en quiebra. No solo el español, también los europeos. Todo el mundo lo percibe en la calle. Y en un mundo donde las cosas son imperfectas, es mucho más fácil que se produzca un cambio. El algoritmo es una cosa muy incómoda, todo el mundo quiere que le atienda un humano, pero cuando la alternativa son listas de espera de 14 meses para una prueba, creo que la gente va a preferir el algoritmo. La IA no va a entrar porque sea muy buena, va a entrar porque lo que hay falla mucho.

P: Los problemas que tienen los sistemas sanitarios son variados, ¿qué puede aportar la IA?

R: Estoy convencido de que servirá para optimizar recursos y mejorar la velocidad de trabajo, algo que será fundamental para sostener los sistemas públicos. La IA no va a resolver todos los problemas. Pero si hay algo que tiene posibilidades de sacarnos de la espiral de empeoramiento de la calidad en la que estamos metidos es la tecnología, la digitalización y la toma de decisiones apoyada en algoritmos. No digo deshumanizarla, ni mucho menos, pero creo que una de las pocas salidas que le queda a nuestro sistema sanitario es el proveerse de inteligencia artificial para poder dar salida a una demanda que no para de crecer.

Por ejemplo, estamos creando modelos que predicen, antes de hacerte una prueba, la probabilidad de dar positivo. Con eso, solo habría que hacer la prueba a aquellos que tienen una alta probabilidad. Y hemos demostrado que podemos reducir un 40% del gasto evitando hacer tests a quienes darían negativo.

P: ¿Qué es Savana y qué busca aportar en todo este proceso?

R: En Savana buscamos predecir el comportamiento de las enfermedades y de los enfermos, basándonos en el enorme histórico de datos que se acumulan todos los días en los centros de atención sanitaria. Si se piensa en la meteorología o en el tráfico, somos capaces de saber lo que va a pasar en los siguientes días, semanas o a veces incluso meses, porque tenemos un histórico de datos. Si aplicamos la IA en la sanidad, podemos modelizar, por ejemplo, si un paciente concreto va a responder a un fármaco concreto. Nosotros nos dedicamos a acceder a la información, armonizarla, analizarla y después elaborar esos modelos.

El problema de las técnicas estadísticas tradicionales es que te dejas fuera aquello que no sabes que desconoces

P: ¿Qué tipo de información utilizan?

R: Toda la que se recoge cada día en los centros donde se atiende a los pacientes. Por ejemplo, en los casos de pacientes con EPOC, no solo contamos con los datos de cuando van a neumología, sino también cuando van a medicina interna, a urgencias, a ginecología, si tiene otras enfermedades, sus cirugías previas o los resultados de pruebas, aunque inicialmente no tengan nada que ver. Toda esa información, junto a la capacidad que nos da la IA para encontrar asociaciones o correlaciones donde la mente humana no lo haría, es lo que nosotros explotamos en el ámbito clínico para encontrar los predictores.

P: ¿Y por qué es la IA capaz de encontrar relaciones que los humanos no?

R: El problema de las técnicas estadísticas tradicionales es que te dejas fuera aquello que no sabes que desconoces. Pero con el machine learning se pueden encontrar correlaciones no sospechadas. Eso lo consigue porque aprende como un niño en su casa: por repetición. Los modelos no aprenden reglas, sino que reconocen patrones. Tienen la capacidad de aprender repitiendo casos, aunque no entienden el sistema al que se enfrentan. Ocurre lo mismo que con mi hijo, que sabe hablar español mucho mejor que un extranjero y, sin embargo, no le pidas que te explique ni una sola regla gramatical. Tienen la gran ventaja de que son mucho más eficientes que las matemáticas normales, pero tienen la desventaja de que no son sistemas explicables.

P: ¿Pero podemos permitirnos no saber por qué un algoritmo toma una decisión sobre un diagnóstico o sobre un tratamiento?

R: En realidad, es un poco hipócrita decir que, porque no sabes exactamente la última razón por la que algo funciona, no lo vas a utilizar. Sería ignorar que la historia de la industria farmacéutica consiste en descubrir fármacos por pura asociación. Durante años hemos visto en las grandes revistas científicas críticas a la no explicación, pero ya vemos voces que aseguran que alcanzarla es una falsa esperanza.

Al final, de lo que se trata es de que el algoritmo funcione, y lo bueno de la ciencia es que lo puedes demostrar. Si tú tienes un algoritmo, lo pasas sobre el historial de un set de pacientes y puedes comprobar fácilmente si funciona o no. Otra cosa es la interpretabilidad, que es que la máquina tenga la obligación de decirte cuáles son las variables principales en las que se está fijando.

P: Un problema al que se enfrenta el sector es que los datos en cada país o en cada región se han recopilado de una manera. Eso ha provocado que no se pudiesen utilizar conjuntamente. ¿Están las entidades trabajando para corregir eso?

R: Empezamos muy mal, porque cada uno implementó un sistema de historia clínica electrónica distinto, que no podían hablar entre sí. Pero eso está mejorando. Se daba la paradoja de que te podías ir a Zambia con una tarjeta de crédito, pero no podías llevar tu historial de Toledo a Madrid. Ahora, con trabajos como el nuestro, y el de otras empresas e instituciones, se empiezan a desarrollar sistemas que armonizan los datos. Básicamente, es a lo que nos hemos dedicado los últimos 10 años en Savana.

P: Los datos se han convertido en una gran fuente de dinero y poder. ¿Cómo han llegado a conseguir esa gran cantidad de datos con los que trabajan?

R: Es muy fácil, nosotros no poseemos los datos. Además, no creemos en los monopolios de datos. Creemos en compartir la información con fines de investigación o de gestión de manera controlada por el que los genera. En Savana no acumulamos los datos de los hospitales, sino que somos una plataforma gracias a la cual ellos pueden reutilizar una información que de lo contrario se quedaría ahí perdida en un archivo o gracias a la cual pueden entrar en estos estudios multicéntricos o multipaís.

No creemos en los monopolios de datos. Creemos en compartir la información con fines de investigación o de gestión de manera controlada

P: ¿Entonces, estos últimos años, cuál ha sido la dificultad más grande a la que se han enfrentado?

R: Quizá la más importante tiene que ver con elementos que no son racionales, sino con aproximaciones ideológicas. Es esta idea de que “yo no voy a permitir que una empresa privada utilice mi dato para nada y no voy a permitir que el dato físicamente salga de los servidores del servicio de salud”. No hay una argumentación racional para eso. Hay una ley europea de Protección de Datos, que dice claramente que, si el dato está anonimizado y es con fines de investigación, es una obligación compartirlo. No solo es ético usarlo, sino que lo que no es ético es no usarlo.

De todas formas, estoy convencido de que muy pronto será al revés. Estará tan mal visto no compartirlo. Los países y los hospitales tendrán que desarrollar sus propios modelos. Desde el punto de vista asistencial, será tan malo no tener modelos de inteligencia artificial predictivos como lo es hoy no tener un aparato de resonancia magnética.

P: Dejar el camino asistencial es poco frecuente en el ámbito médico, ¿por qué decidió emprender?

R: En la carrera ya sabía que me iba a gustar hacer cosas que estuvieran fuera del ambiente de ver pacientes. Eso me gusta, lo he hecho años, pero nunca oculté mi intención de hacer gestión hospitalaria. Cuando tuve que elegir una rotación voluntaria, me recomendaron el ministerio de Sanidad. Allí podría empaparme de todas las estadísticas de España. Allí me di cuenta de que era interesantísimo. Todavía no se hablaba del Big Data, pero toda esa información iba a necesitar una capa enorme de tecnología, que, por otro lado, nos estaba llegando a través del móvil. Y pensé que había una oportunidad muy interesante. Así que en vez de seguir por la vía de la dirección y la gestión, lo voy a hacer más desde el punto de vista de la innovación, porque es más fácil cambiar las cosas desde la innovación tecnológica.