Inteligencia Artificial y Medicina: fundamentos y aplicaciones

Miércoles, 3 de diciembre de 2025

13:00 h – 13:15 h

IA y medicina: introducción. Dr. Víctor Maojo. Catedrático UPM.

En esta breve introducción al curso, se presentarán aspectos de su historia, fundamentos y aplicaciones que serán de interés para comprender el contexto de las siguientes ponencias.

13:15 h – 13:45 h

Del dato al conocimiento clínico: por qué la calidad y la estandarización importan en la era de la IA en salud. Dra. Ernestina Menasalvas. Catedrática de la Universidad Politécnica de Madrid.

La inteligencia artificial solo puede aportar valor en medicina si los datos clínicos son fiables, completos y comprensibles. Sin una buena calidad del dato, incluso los modelos más avanzados pueden ofrecer resultados incorrectos o poco útiles. En esta charla se explicará, de forma sencilla, cómo se puede mejorar la calidad de la información clínica y por qué la estandarización —incluyendo modelos como OMOP— es clave para comparar, integrar y analizar datos procedentes de distintos servicios y hospitales. Se presentarán ejemplos prácticos del día a día y se mostrará cómo una buena gestión del dato facilita la investigación, la toma de decisiones y el desarrollo de herramientas de apoyo clínico más seguras y efectivas.

13:45 h – 14:15 h

Análisis de Real World Data y grandes repositorios en Salud. Dra. María Elena Hernando Pérez. Catedrática de la Universidad Politécnica de Madrid.

En los hospitales y los centros de salud todos los días se generan grandes cantidades de datos para la atención de los pacientes, lo que se denomina “Datos del mundo real” (Real World Data), y es una información muy valiosa para entender el efecto de los tratamientos en diferentes subcohortes de la población y ayudar en la personalización de las terapias.

14:15 h – 14:45 h

La máquina de Boltzmann restringida, un modelo generativo versátil para recopilar información a partir de datos científicos. Dr. Aurélien Decelle. Profesor Titular en el dpto. de matemáticas aplicada a la Ingeniería Industrial, UPM.

En esta presentación abordaré el uso de modelos generativos de inteligencia artificial aplicados a distintos tipos de datos biomédicos. Me centraré en una familia concreta de modelos, conocidos como energy-based models, que destacan por su sencillez conceptual y su gran versatilidad. Estos modelos permiten identificar patrones recurrentes, agrupar casos con características similares y ofrecer descripciones interpretables de cómo diferentes variables se relacionan entre sí. Por ejemplo, pueden ayudar a detectar asociaciones directas entre síntomas y diagnósticos en bases de datos clínicas, o a identificar las características que mejor distinguen a un grupo de pacientes con una determinada condición. Su estructura compacta los hace especialmente valiosos en escenarios con cantidades de datos limitadas, algo habitual en estudios clínicos.

Presentaré tres ejemplos ilustrativos en contextos biológicos con los que he trabajado. En primer lugar, mostraré cómo pueden aplicarse al análisis de secuencias proteómicas y cómo permiten recuperar información estructural, como contactos entre aminoácidos relevantes para el plegamiento de la proteína. En segundo lugar, describiré cómo el propio proceso de entrenamiento facilita la organización de las secuencias en función de sus propiedades estadísticas, permitiendo clasificarlas en familias proteicas con funcionalidades diferenciadas. Por último, abordaré una aplicación a registros de actividad neuronal, donde estos modelos permiten ir más allá del análisis basado únicamente en correlaciones y ofrecen indicios sobre aspectos de la conectividad neuronal subyacente.

14:45 h – 15:00 h

Ruegos y preguntas

Correo de contacto: fibgestor.hcsc@salud.madrid.org