82 red seguridad cuarto trimestre 2025 monográfico entidades críticas La expansión de la inteligencia artificial (IA) en el ámbito médico ha transformado la manera en que los profesionales de la salud diagnostican y previenen enfermedades. La capacidad de analizar grandes volúmenes de datos clínicos e imágenes médicas en cuestión de segundos permite detectar patologías en fases tempranas, optimizando el tratamiento y mejorando los resultados clínicos. Sin embargo, este avance plantea desafíos técnicos y éticos de gran calado: la protección de la información sanitaria, la anonimización de los datos empleados en el entrenamiento de los algoritmos y la seguridad en los procesos de validación y marcaje regulatorio, así como en su almacenamiento. Para garantizar una correcta metodología según estos desafíos, es preciso establecer un marco previo de colaboración entre personal técnico cualificado y equipos médicos. Entrenar a un algoritmo para ayudar a diagnosticar enfermedades requiere de miles de imágenes positivas y negativas, partiendo siempre de una primera donde el facultativo señala los signos que permiten detectar malignidad. Y el sistema lo aprende. Este método exige comprobar su efectividad con nuevas imágenes. Toda tecnología que trabaja con datos de pacientes debe pasar un proceso para anonimizar cada imagen empleada en entrenamiento de un algoritmo. Anonimizar la imagen (ecografía, mamografía…) requiere eliminar o modificar información que podría usarse para identificar a una persona. Se trata de proteger datos como el nombre del paciente, pero también cualquier información sensible o identificativa que pueda estar vinculada a la imagen. Este proceso incluye la eliminación de metadatos sensibles y la modificación de las etiquetas, lo que exige mucha precisión para que no afecte a la calidad de la imagen. Para completar este procedimiento y asegurar su éxito, los ingenieros pasan las imágenes por varias capas de revisión y validación. Comprueban así que no queda ningún dato que pueda identificar al paciente. No conviene olvidar que, dentro de la ética del marcaje de las imágenes, debe existir una trazabilidad completa sobre quién realiza el etiquetado, cómo se lleva a cabo y bajo qué criterios o protocolos se aplican las anotaciones. Esta trazabilidad no solo permite garantizar la calidad y coherencia científica del proceso, sino que constituye un elemento esencial para salvaguardar el principio de responsabilidad y rendición de cuentas. Cada acción de etiquetado debe quedar registrada de forma que se pueda identificar el autor, su perfil profesional, la metodología utilizada y las decisiones tomadas en caso de discrepancia o error. Asimismo, los criterios de marcaje deben estar documentados, consensuados y auditables, evitando arbitrariedades o sesgos personales. De esta manera, el proceso de anotación se convierte en un ejercicio transparente, verificable y éticamente sólido, que refuerza la confianza en los resultados de los sistemas de inteligencia artificial y en la integridad del tratamiento Seguridad, marcaje y ética de la IA aplicada a la salud David Fernández Director general de Transmural Biotech Es preciso establecer un marco previo de colaboración entre personal técnico cualificado y equipos médicos
RkJQdWJsaXNoZXIy MTI4MzQz