Candidatura

RONTGEN – Revisión y Optimización Normalizada del Tratamiento y la Gestión de Estudios y sus Notificaciones

RONTGEN-130 es un programa integral de transformación digital del proceso de radiodiagnóstico del Hospital Gregorio Marañón que integra inteligencia artificial en todo el ciclo asistencial: desde la petición de pruebas hasta la comunicación de resultados al paciente.

El proyecto articula cuatro ejes: (1) adecuación de peticiones mediante software MAPAC integrado en HCIS; (2) priorización inteligente basada en IA y procesamiento de lenguaje natural sobre la historia clínica, que asigna automáticamente un score de criticidad en 5 niveles; (3) ecosistema de hasta 10 algoritmos de IA diagnóstica multimodal (RM, TAC, RX, mamografía, ecografía) con marcado CE; y (4) protocolo automatizado de comunicación de hallazgos relevantes.
Actualmente hay 3 algoritmos en producción, paneles de priorización operativos al 90% y el módulo de hallazgos críticos funcionando. El proyecto es pionero en España en visión end-to-end y posiciona al HGUGM como referente europeo en IA aplicada a radiodiagnóstico.

Antecedentes

El HGUGM gestiona más de 350.000 pruebas diagnósticas anuales en radiodiagnóstico, con una demanda creciente que tensiona las listas de espera. La problemática central es la ausencia de criterios unificados de priorización entre especialidades: cada servicio aplica sus propios criterios de urgencia, generando inequidad en el acceso.

Esta situación provoca: retrasos en casos clínicamente urgentes que no son identificados como tales; uso ineficiente de recursos al no discriminar peticiones inadecuadas; comunicación deficiente con pacientes (más de 200.000 cartas postales anuales); riesgo de que el paciente conozca hallazgos graves por la carpeta de salud antes de ser contactado por su médico; y consultas suspendidas por falta de informe radiológico.

Adicionalmente, la incorporación de algoritmos de IA diagnóstica carece de un procedimiento estandarizado de validación, lo que dificulta su despliegue sistemático. El proyecto nace para abordar estos retos con una visión integral del proce

Retos

Objetivo general: Transformar integralmente el proceso de radiodiagnóstico mediante IA, mejorando calidad asistencial, equidad y sostenibilidad.

Objetivos específicos:

Reducir 10-15% las peticiones inadecuadas mediante integración de MAPAC en HCIS.

Implantar priorización automática basada en IA/PLN que clasifique pacientes en 5 niveles de criticidad clínica, unificando criterios entre especialidades.

Eliminar la comunicación postal de citas (>200.000 cartas/año), sustituyéndola por correo electrónico cifrado y Tarjeta Sanitaria Virtual.

Desplegar al menos 6 algoritmos de IA diagnóstica validados en diferentes modalidades de imagen.

Establecer protocolo de comunicación inmediata de hallazgos relevantes con integración en Centro de Control.

Habilitar consulta sucesiva telefónica para resultados sin hallazgos, reduciendo desplazamientos innecesarios.

Crear procedimiento estandarizado de validación de algoritmos de IA (7 fases) replicable en otros centros.

Fases

Fases (2025-2027):

F1. Análisis y diseño (Q1 2025):Mapeo del proceso actual, identificación de puntos de mejora, definición de arquitectura técnica.

F2. Desarrollo modelo priorización (Q1-Q2 2025):
Colaboración con NFQ Advisory Services.
Equipo: AI Lead (50%), Data Analyst (100%), AI Engineer (100%), Experto Salud (50%).
Duración: 4 meses. Inversión: 75.000€.

F3. Integración MAPAC (Q2-Q4 2025): Coordinación con DGSD para integración en HCIS.

F4. Despliegue IA diagnóstica (continuo): Validación mediante protocolo 7 fases con OSSI y Oficina Impulso IA. Pilotos gratuitos 4-6 meses por algoritmo.

F5. Comunicación digital (2026-2027): Desarrollo de canal cifrado y conexión con TSV.
Recursos: Infraestructura existente (HCIS, PACS, RIS, Centro Control, PowerBI).
Equipo interno multidisciplinar (Sistemas Información, Radiodiagnóstico, Admisión, Calidad).
Proveedores IA: NEUROCLOUD, AZMED, QUIBIM, Google/ATOS, GE.

Nuevos Servicios

Nuevos servicios:

-Priorización automática de pacientes basada en criterios clínicos objetivos extraídos de la HCE.
-Ecosistema de IA diagnóstica multimodal (3 algoritmos ya en producción: NEUROCLOUD, ABUS GE, RAYVOLVE).
-Panel de priorización de informes pendientes en Centro de Control (90% operativo).
-Protocolo de comunicación inmediata de hallazgos críticos (RX y Anatomía Patológica en producción).

Mejoras en eficiencia:

-Unificación de criterios de prioridad entre más de 40 servicios clínicos.
-Reducción de consultas suspendidas por falta de informe radiológico.
-Disminución de llamadas telefónicas a radiodiagnóstico para consultar estado de informes.

Reducción de costes:

-10-15% menos pruebas inadecuadas (ahorro en consumo energético equipos TAC/RM).
-Eliminación de 200.000+ cartas postales/año (papel, sobres, envío).
-Reducción de consultas presenciales innecesarias mediante consulta telefónica.
-Menor carga administrativa por automatización de procesos.

Conclusiones

RONTGEN-130 demuestra que la integración transversal de inteligencia artificial en el proceso diagnóstico es viable, sostenible y generadora de valor real en el sistema público de salud.Principales conclusiones:

La visión end-to-end multiplica el impacto frente a intervenciones aisladas. Abordar el ciclo completo (petición-realización-informado-comunicación) genera sinergias y facilita la adopción organizativa.

La priorización basada en criterios clínicos objetivos elimina sesgos entre especialidades y mejora la equidad en el acceso a pruebas diagnósticas.

El procedimiento estandarizado de validación de IA (7 fases) es esencial para un despliegue seguro y conforme con el marco regulatorio europeo.

La cocreación con profesionales clínicos desde el diseño es clave para la coherencia del modelo y su aceptación.

La tecnología debe ser un medio, no un fin: el criterio clínico siempre prevalece sobre la recomendación algorítmica.

El HGUGM se posiciona como referente europeo en IA