Un algoritmo español basado en inteligencia artificial predice si un paciente con cáncer de pulmón responderá a la inmunoterapia antes de iniciarla. Esto permite evitar terapias costosas, tanto en términos clínicos como energéticos. La herramienta, desarrollada con datos de historia clínica y hemogramas, tiene implicaciones directas sobre el uso de recursos en hospitales: menos sesiones innecesarias, menos consumo de luz, gas y materiales, y una reducción directa de la huella de carbono sanitaria.
Inmunoterapia bajo control: menos tratamientos, menos energía
El desarrollo ha sido liderado por investigadores de la Universidad Politécnica de Madrid (UPM), CIBER, la Fundación Jiménez Díaz, la Clínica Universidad de Navarra y el Hospital Universitario 12 de Octubre. Su modelo ha sido publicado en Cancer Immunology, Immunotherapy y demuestra cómo la inteligencia artificial puede evitar la administración de inmunoterapia a pacientes que no van a beneficiarse, basándose únicamente en datos rutinarios antes de iniciar el tratamiento.
Esta optimización tiene un fuerte impacto en términos energéticos:
- Cada sesión de inmunoterapia implica refrigeración de fármacos, funcionamiento de bombas de infusión, iluminación y climatización de salas.
- Reducir el número de tratamientos innecesarios disminuye el uso de electricidad y gas, bajando la potencia contratada necesaria para picos de actividad.
Además, al evitar hospitalizaciones derivadas de efectos adversos en pacientes no respondedores, el algoritmo mejora la eficacia clínica y la eficiencia energética. Se reduce el tiempo en planta, el uso de dispositivos electrónicos, el consumo de gases medicinales y la frecuencia de pruebas complementarias, que suelen requerir máquinas de alto consumo energético y afectar al ahorro de luz y gas.
Datos médicos como vía hacia hospitales más sostenibles
El algoritmo ha sido entrenado con información de 319 pacientes de cuatro hospitales públicos, utilizando únicamente variables disponibles en el momento del diagnóstico: valores de hemograma (leucocitos, plaquetas, hemoglobina) y antecedentes clínicos. Esta elección evita el uso de laboratorios de alta demanda energética y el transporte de muestras a centros externos.
Los autores han validado el modelo en entornos clínicos reales, garantizando su aplicabilidad donde las limitaciones presupuestarias y energéticas exigen soluciones rentables. Esta herramienta usa datos ya existentes para tomar decisiones más inteligentes, sin añadir procesos que impliquen mayor gasto eléctrico o de gas.
Desde la perspectiva de la gestión energética hospitalaria, estos avances permiten:
- Optimizar el dimensionamiento de infraestructuras.
- Reducir la necesidad de refrigeración, presión constante de aire o climatización.
- Influir directamente en la potencia contratada mensual de hospitales con alto consumo energético.
En contextos con costes variables por tramos horarios, como ocurre con el precio de la luz, esta reducción se traduce en menor dependencia de tarifas punta.
IA médica como aliada de la descarbonización hospitalaria
Los hospitales son instalaciones de alta intensidad energética, responsables de una parte significativa de las emisiones del sector público. Introducir inteligencia artificial que evite tratamientos ineficaces supone también una medida de descarbonización. Se trata de reducir la huella de carbono sin comprometer la calidad médica.
Al seleccionar de antemano a los pacientes que se beneficiarán del tratamiento, se evita la:
- Producción, transporte y administración de fármacos de alto coste energético.
- Generación de residuos sanitarios como materiales de infusión y consumibles clínicos.
Este modelo se presenta como una herramienta escalable y replicable, útil para hospitales con restricciones energéticas o en zonas con infraestructura limitada. Refuerza el papel de la IA en la transición hacia centros de salud más sostenibles e inteligentes.
En una etapa donde los hospitales buscan:
- Fuentes para reducir el consumo energético
- Monitorización energética
- Reducción de emisiones
…este tipo de algoritmos ofrece un nuevo eje de acción: evitar lo innecesario para consumir menos. Así, la IA no solo personaliza tratamientos, sino que ayuda a racionalizar el uso de electricidad, gas y recursos, posicionando al sector salud como agente activo de la transición energética.
Fuente: papernest.es
