"La Cátedra TIC Salut i Social ofrece un entorno muy cercano a la realidad del sistema de salud, y esto es especialmente valioso para un doctorando"

Hablamos con el Dr. Guillem Hernández, investigador del grupo eXiT, Ingeniería de Control y Sistemas Inteligentes del Instituto de Informática y Aplicaciones de la Universidad de Girona y también del grupo de Innovación, Economía de la Salud y Transformación Digital del Instituto de Investigación Germans Trias i Pujol, sobre su tesis doctoral centrada en la toma de decisiones sanitarias basadas en datos longitudinales. Su investigación ha sido codirigida por la Cátedra TIC Salut i Social de la UVic-UCC.

¿Nos puedes explicar en qué ha consistido tu tesis?

Mi tesis ha consistido en desarrollar métodos de IA para ayudar al sistema sanitario a anticiparse mejor a las necesidades de los pacientes y tomar decisiones más informadas. He trabajado con datos reales de salud recogidos a lo largo del tiempo para construir modelos capaces de predecir la demanda asistencial, identificar relaciones relevantes entre diagnósticos y estimar el riesgo individual de evolución de un paciente.

La idea central no ha sido sólo hacer modelos que acierten, sino crear herramientas que también sean interpretables, fiables y útiles para los profesionales sanitarios. En este sentido, la tesis combina IA, razonamiento causal y datos clínicos para avanzar hacia una medicina más preventiva, personalizada y eficiente.

En resumen, el trabajo busca demostrar cómo la IA puede transformar grandes volúmenes de datos sanitarios en conocimiento accionable para planificar mejor los recursos, detectar riesgos antes y apoyar una mejor atención a los pacientes.

¿Qué utilidad pueden tener los resultados de tu investigación para el sistema de salud?

Los resultados de mi investigación pueden ayudar al Sistema de Salud a pasar de un modelo más reactivo a un modelo más anticipativo, preventivo y eficiente. Por un lado, los modelos desarrollados pueden servir para predecir la evolución de la demanda sanitaria y, por tanto, ayudar a planificar mejor profesionales, agendas, recursos y servicios. Esto es especialmente relevante en atención primaria, donde anticipar picos de demanda puede contribuir a reducir la presión asistencial, mejorar la organización y adaptar mejor los recursos a las necesidades reales de la población. De hecho, esta línea de investigación ya se está trasladando a un caso práctico y aplicativo: actualmente estamos desarrollando un sistema basado en IA para predecir la evolución de la demanda en toda la atención primaria de Cataluña. El objetivo es que estos modelos no queden sólo en el ámbito académico, sino que puedan convertirse en herramientas útiles para la planificación y gestión del sistema sanitario.

Por su parte, la tesis aporta herramientas para entender mejor la evolución de los pacientes, identificando relaciones entre diagnósticos y estimando riesgos individuales. Esto puede facilitar una detección más precoz de pacientes vulnerables y ayudar a los profesionales a priorizar intervenciones.

Por último, un punto clave es que los modelos buscan ser interpretables, no sólo predictivos. Esto es esencial para que la IA pueda integrarse en la práctica clínica como una herramienta de soporte fiable, comprensible y orientada a mejorar la toma de decisiones y el uso de los recursos sanitarios.

Has desarrollado tu tesis en un ámbito en constante evolución que, especialmente en el sector de la salud, está generando un gran impacto en los últimos años. ¿Cómo ha sido esa experiencia?

Ha sido una experiencia muy intensa, exigente y al mismo tiempo muy enriquecedora. Trabajar en IA aplicada a la salud significa moverse en un ámbito donde la tecnología avanza muy rápido, pero donde cada decisión debe tener sentido clínico, ético y práctico.

Durante la tesis he aprendido que no es suficiente desarrollar modelos que funcionen bien sobre el papel: deben ser útiles, interpretables y pensados ​​para encajar en la realidad del sistema sanitario. Este equilibrio entre investigación, tecnología e impacto real probablemente ha sido uno de los grandes aprendizajes del proceso.

También ha sido una etapa de crecimiento personal. El doctorado tiene momentos de incertidumbre, frustración y mucho trabajo invisible, pero también momentos muy gratificantes, sobre todo cuando ves que lo que estás desarrollando puede tener una aplicación real para mejorar la salud de las personas.

Quiero aprovechar también para agradecer a mis directores de tesis, a todas las personas que me han acompañado desde el ámbito clínico y académico, ya los equipos de investigación con los que he compartido este camino. También a mi familia ya las personas cercanas, por el soporte constante durante todo este proceso. Y, especialmente, a todas aquellas personas que entienden a la IA no sólo como una amenaza o una fuente de incertidumbre, sino como una tecnología con un enorme potencial transformador. Una herramienta que, si se desarrolla con rigor, responsabilidad y sentido humano, puede ayudar a mejorar el sistema sanitario y sobre todo la vida de las personas.

Por último, ¿qué destacarías del acompañamiento y el entorno que ofrece la Cátedra TIC Salut i Social a los doctorandos?

Destacaría sobre todo que la Cátedra TIC Salut i Social ofrece un entorno muy cercano a la realidad del sistema de salud, y esto es especialmente valioso para un doctorando. Hacer una tesis en este ámbito no consiste sólo en desarrollar tecnología, sino en entender qué necesidades reales tienen los profesionales, los pacientes y las instituciones. En este sentido, la Cátedra ayuda a conectar la investigación con la aplicación práctica, facilitando el contacto con proyectos, expertos y retos reales del sector.

También destacaría el acompañamiento humano y profesional. Sentir que formas parte de un ecosistema que impulsa la innovación, pero que a su vez entiende la complejidad del sistema sanitario y social, da mucho valor al proceso doctoral. Para mí, este entorno ha sido clave para orientar la investigación hacia resultados que no queden sólo a nivel académico, sino que puedan tener impacto real en la transformación digital del sistema de salud.

Artículos científicos relacionados con el estudio:

Esta tesis se ha presentado como un compendio de tres artículos científicos, cada uno de ellos aborda una necesidad o limitación diferente del sistema sanitario, pero todos con un hilo conductor común: el uso de la IA y el razonamiento causal para mejorar la toma de decisiones:

• Hernández Guillamet, G. , López Seguí, F., Vidal-Alaball, J., López, B. (2023). CauRuler: Causal irredundant association rule miner for complex patient trajectory modelling. In Computers in Biology and Medicine (Vol. 155, p. 106636). Elsevier BV. [JCR IF 7.0 (2023): , Q1]
• Hernández Guillamet, G. , López Seguí, F., Vidal-Alaball, J., López, B. (2025). CTBN-PH: A Continuous-Time Bayesian Network for Individualised Diagnostic Risk Prediction. In Computers in Biology and Medicine (Vol. 197, p. 111069). Elsevier BV. [JCR IF 6.3 (2024): , Q1]
• Hernández Guillamet, G. , López Seguí, F., Vidal-Alaball, J., López, B. (2025). CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand. In Computer Methods and Programs in Biomedicine (Vol. 272, p. 109057). Elsevier BV. [JCR IF 4.8 (2024): , Q1]