HT Médica - grupo sanitario especializado en imagen médica con más de 20 centros diagnósticos ubicados en España y Siemens Healthineers - líder en tecnología médica - han desarrollado de forma conjunta una solución que permite a los facultativos acceder a la última generación de herramientas para el diagnóstico aprovechando la flexibilidad que ofrece el entorno Cloud.

Esta solución, apoyada en el uso intensivo de Inteligencia Artificial, abre nuevos horizontes en la especialidad, mejorando la precisión del diagnóstico y la automatización de procesos rutinarios.

Ambas compañías han confiado en las ventajas que ofrece el cloud en materia de escalabilidad, flexibilidad, seguridad y acceso a los últimos avances tecnológicos e integración de servicios y datos respecto a las arquitecturas tradicionales. Con el objetivo de impulsar la innovación y la transformación digital en la sanidad española, Siemens Healthineers y HT Médica se han asociado con Amazon Web Services (AWS) – líder del sector de tecnologías cloud con un amplio catálogo de servicios IT en la nube – y Overon – compañía líder del sector de transporte audiovisual en España, perteneciente al grupo Mediapro.

Las diferentes soluciones de AWS y la amplia experiencia de Overon han sido clave para hacer frente a retos tecnológicos. De cara al futuro, el desarrollo de esta solución abre la puerta a la aplicación de nuevas tecnologías basadas en IA que requieren de gran potencia de procesamiento y almacenamiento.

Alberto Martínez, director general de Siemens Healthineers en España, ha destacado, “Para nosotros, éste es solo un ejemplo más de nuestra apuesta por la innovación responsable. Aquella que se pone al servicio del paciente, el personal sanitario y el sistema de salud para conseguir unos estándares de alta eficiencia. Seguiremos trabajando en ofrecer soluciones que no solo sirvan para superar retos actuales, sino que posibiliten ir un paso más allá y anticiparnos al futuro”.

Disminución de costes y carga de trabajo

Según el Dr. Antonio Luna, Director científico de HT médica, la solución adoptada permite el acceso desde la nube tanto a los programas de postproceso avanzado de imagen médica de Siemens Healthineers, como a la plataforma de investigación. De esta forma, cualquier profesional - incluso con condiciones limitadas de conectividad - podrá acceder a estas herramientas de cuantificación y modelado de la imagen médica.

Esto permite optimizar las cargas de trabajo de los departamentos de radiología, minimizar la inversión en software y automatizar muchos de los postprocesos que conllevan los estudios de radiología permitiendo obtener la máxima información de cada uno de ellos de forma rápida. Por tanto, esta solución permite disminuir el coste para los sistemas de salud, la carga de trabajo de los radiólogos y técnicos de reconstrucciones y mejorar la calidad de la atención a los pacientes y la experiencia de estos al reducir potencialmente el tiempo de generación de los informes.

El acceso a herramientas de postproceso avanzado desde la nube en vez desde servidores locales permite que centros sanitarios o radiológicos pequeños puedan disminuir la inversión en software o que los radiólogos o técnicos de reconstrucciones puedan adoptar el “teletrabajo” con todas las herramientas a las que tienen acceso desde su hospital.

Además, como parte de la implantación de esta solución Siemens Healthineers ha desarrollado a petición de los profesionales de HT médica un “integrador” de Inteligencia Artificial que optimiza la incorporación de cualquier tipo de solución de cuantificación y postproceso en el flujo de trabajo del radiólogo, que es el principal cuello de botella actual para que se utilicen clínicamente las herramientas de iA en imagen médica.

Beneficios para toda la cadena de valor del sector sanitario

El nuevo modelo tecnológico desarrollado mediante la colaboración de HT Médica y Siemens Healthineers aporta beneficios demostrables para pacientes, personal sanitario y el sistema de salud. Así, mientras que los primeros contarán con una mayor precisión en los diagnósticos, los profesionales médicos dispondrán de nuevas herramientas que mejoran la velocidad, la flexibilidad y el soporte a la decisión diagnóstica.

Gracias a la Inteligencia Artificial, los médicos contarán con herramientas de ayuda en la detección, cualificación y cuantificación de lesiones y hallazgos críticos, así como de una priorización en la lectura de estudios y se verán beneficiados de un aligeramiento de su carga de trabajo gracias a la automatización y simplificación de algunas de las tareas más rutinarias. Por su parte, el Sistema de Salud se verá reforzado por una mayor capacidad en la siempre creciente demanda en diagnóstico por imagen y una gestión más eficaz de sus recursos IT: almacenamiento de datos, computación y flexibilidad para sacar el máximo partido a las últimas tecnologías incrementando los niveles de seguridad en el tratamiento de la información.

Según ha señalado el Dr. Antonio Luna, Director científico de HT médica, “la puesta en marcha del software de Siemens Healthineers en la nube supone para HT médica una democratización del acceso al postproceso avanzado desde cualquier punto de la organización, que tiene condiciones de conectividad variable según la zona geográfica.

Además, nos va a permitir introducir en nuestro día a día más soluciones de IA, que nos van a ayudar a mejorar la calidad de nuestros servicios, dar diagnósticos más certeros y ser capaces de afrontar el crecimiento de la compañía en un complicado entorno de aumento de la demanda y escasez de profesionales”.

Siemens Healthineers y HT Médica participarán, junto con otros líderes del sector, en un webinar gratuito producido por AWS el próximo 29 de junio. “Reinventando el uso de la imagen médica gracias al Machine Learning” mostrará cómo, gracias al aprendizaje automático, es posible reinventar la manera de trabajar con imágenes médicas mejorando la agilidad en el diagnóstico y el tratamiento de las enfermedades. Además, en este webinar se proporcionarán las herramientas necesarias para crear, entrenar e implementar modelos de aprendizaje automático a escala para aplicaciones clínicas.