>
"Integración de soluciones digitales en el flujo de trabajo oncológico"
Dras. Celeste Lema y Julieta Caridi
En la última edición del Simposio de Informática Oncológica del Instituto Alexander Fleming, el Hospital Italiano presentó dos desarrollos que ilustran el camino de la transformación digital en salud.
El avance tecnológico en el sector salud no debe ser un fin en sí mismo, sino una respuesta a necesidades concretas de pacientes y profesionales. La oncología se consolida como una de las disciplinas médicas con mayor producción de datos, lo que abre una oportunidad para mejorar diagnósticos, tratamientos y procesos de gestión. En esta línea, el Departamento de Informática en Salud del Hospital Italiano sostiene esta premisa desde hace más de veinte años, con una misión y visión definidas que permiten gobernar proyectos de complejidad creciente e innovar de forma sostenida. Sobre esa infraestructura institucional se apoyaron las dos experiencias presentadas en el Simposio de Informática Oncológica 2026 organizado por el Instituto Alexander Fleming (IAF). De acuerdo con la Mg. Melanie Cassarino, jefa de Informática en Salud del IAF, estas presentaciones “resultaron especialmente valiosas por tratarse de iniciativas maduras, sostenidas en el tiempo y profundamente integradas al trabajo asistencial”.
La primera abordó el modelo de Computerized Physician Order Entry (CPOE) aplicado al ciclo de medicación oncológica; la segunda describió el ciclo de vida completo de Artemisia, un proyecto de inteligencia artificial para la evaluación de densidad mamaria con seis años de trayectoria. Ambas experiencias comparten como eje común la tecnología como medio al servicio de las necesidades clínicas, y no como fin en sí mismo. Además, Cassarino concuerda con que los dos casos “dialogaron con las distintas temáticas trabajadas a lo largo del Simposio, particularmente aquellas vinculadas con inteligencia artificial aplicada a la práctica clínica, transformación digital, calidad e interoperabilidad de datos, seguridad del paciente y adopción de tecnología en contextos reales de atención. Lejos de presentarse como casos aislados, funcionaron como ejemplos concretos que enriquecieron las discusiones de los paneles y conversaciones posteriores”.
CPOE en el ciclo de medicación oncológica
La medicación oncológica presenta características que la distinguen de otras especialidades: elevada toxicidad con estrecho rango terapéutico, dosis dinámicas dependientes de variables individuales, alto costo y una población de pacientes especialmente vulnerable. Estos factores, sumados a los riesgos inherentes al momento de la prescripción, fundamentaron la implementación del CPOE para infusiones oncológicas en 2015, extendido posteriormente a la población pediátrica.
El sistema funciona a partir de la interoperabilidad entre cinco aplicativos: el sistema de admisión, alta y transferencia (ADT) para la gestión de camas, el sistema de Alta, Baja y Modificaciones (ABM) oncológico como repositorio de protocolos, la Historia Clínica Electrónica (HCE) donde se registran los cambios de estado del proceso, el Sistema Administrativo de Farmacia (SAF) para la trazabilidad de fármacos y Docutrack para la vinculación de consentimientos firmados. El flujo es secuencial: cada actor –médico, enfermero, farmacéutico– interviene según su perfil de acceso, sin posibilidad de omitir pasos.
El ecosistema se completa con TANA, un sistema de inteligencia artificial generativa basado en un modelo de lenguaje de desarrollo propio, integrado en la HCE. TANA actúa como asistente clínico: permite consultar en lenguaje natural efectos adversos previos, el día del ciclo en curso y el estado actual de la enfermedad, siempre condicionado a la calidad del registro médico.
El objetivo central del conjunto es brindar mayor seguridad, trazabilidad y eficiencia: transformar la seguridad clínica en conocimiento computable.
Artemisia: seis años del ciclo de vida de la IA en salud
Artemisia nació en 2018 con el objetivo de asistir en la clasificación de densidad mamaria según la escala BIRADS, un factor de riesgo independiente presente en la mitad de las pacientes y que puede reducir la sensibilidad diagnóstica de las mamografías convencionales. El proyecto representa el recorrido o ciclo de vida completo de un desarrollo de IA, desde la factibilidad inicial hasta el monitoreo continuo en un entorno asistencial. El punto de partida no fue la tecnología, sino un problema clínico concreto: la variabilidad inherente a una estimación visual cualitativa. La solución adoptada fueron redes neuronales convolucionales entrenadas sobre una base local de más de 9.000 mamografías bajo aprendizaje supervisado, garantizando que el modelo refleja la realidad epidemiológica y técnica del entorno institucional.
Tras una Prueba de Concepto que midió el desempeño del algoritmo frente al juicio clínico experto, el sistema fue implementado en 2019. Desde entonces ha clasificado más de 170.000 mamografías, con monitoreo continuo mediante tableros de gestión en tiempo real. Una lección central del proyecto es que el éxito de una herramienta de IA reside en su integración efectiva en el flujo de trabajo real, la persistencia de su uso y la utilidad percibida por el profesional, más que en la precisión del algoritmo. El sistema no emite diagnósticos autónomos: actúa como segunda opinión que el especialista siempre debe validar.