Professional de laboratori treballant amb sistemes digitals assistits per IA

Intel·ligència artificial per a entorns de salut regulats

Instal·lem models d'IA a la vostra infraestructura o en servidors de la UE i els integrem en els vostres processos amb traçabilitat, supervisió humana i compliment normatiu.

Parlem del vostre cas d'IA Veure un exemple

Dos serveis, un mateix principi

Les dades de salut no surten d'on han de ser, i cada resultat de la IA es pot explicar, revisar i auditar.

IA local: instal·lació, configuració i entrenament

Despleguem models de pesos oberts (open-weight) als vostres servidors o en servidors dedicats a la UE. Les dades no surten del vostre perímetre i no depeneu d'un proveïdor extern ni de llicències per ús.

Adaptem el model a la vostra feina: el connectem a la vostra documentació (RAG) i, quan aporta valor, l'entrenem amb exemples validats pel vostre equip.

Selecció del model segons tasca i idioma
Dimensionament del servidor (GPU, memòria)
Servidor d'inferència amb API interna
Cerca sobre els vostres documents (RAG)
Ajust fi (fine-tuning) amb dades pròpies
Avaluació, validació i versions

Capacitats avançades via API

Incorporem IA a les aplicacions que ja feu servir mitjançant API: contra els vostres models locals o contra models existents de proveïdors amb allotjament i tractament de dades a la UE.

Entre l'aplicació i el model posem una capa de control que decideix quines dades s'envien, registra cada petició i garanteix que una persona valida abans que el resultat tingui efecte.

La informació sensible no surt cap a models externs. La IA proposa i la persona decideix: cap sortida del model s’aplica sense validació quan afecta dades clíniques o de qualitat.

Integració en aplicacions existents
Models externs només amb dades no sensibles
Pseudonimització abans d'enviar dades
Registre d’entrada, sortida, model i usuari
Validació humana en cada decisió
Control d'accessos i xifratge

Control de la informació

La informació sensible no es comparteix amb models d'IA externs

Copiar dades de pacients, resultats o documentació interna en una eina d'IA pública equival a lliurar-les a un tercer. En salut i en entorns regulats, això no és una opció.

El risc dels serveis d'IA externs

Les dades surten de la vostra organització i es poden emmagatzemar en servidors fora de la UE.
Segons el servei i la llicència, el proveïdor pot conservar les converses o fer-les servir per millorar els seus models.
Es perd el control sobre qui accedeix a la informació i durant quant de temps.
Pot suposar un incompliment del RGPD, del secret professional o dels acords de confidencialitat.
No queda registre intern de què s'ha enviat, qui ho ha fet ni quina resposta s'ha fet servir.

El nostre enfocament: control i models locals

La informació sensible es processa amb models locals, als vostres servidors o en servidors dedicats a la UE: mai surt del vostre perímetre.
Els models locals actuals resolen molt bé tasques com classificar, extreure dades, codificar, resumir o cercar en documents.
Si un cas concret necessita un model extern, només rep dades no sensibles o pseudonimitzades, amb tractament a la UE i garantia contractual que no s'utilitzen per entrenar.
Una capa de control filtra el que surt, bloqueja el que no ha de sortir i registra cada petició.
Una política d'ús clara indica a l'equip què pot i què no pot fer amb la IA.

Informació que tractem sempre en local

Dades de pacients
Resultats clínics i de laboratori
Dades personals del personal
Fórmules i processos de fabricació
Documentació de qualitat
Preus, contractes i ofertes

Els models locals permeten aprofitar la IA sense renunciar a la confidencialitat: el mateix tipus d’ajuda, amb les dades a casa i un cost previsible, sense pagar per ús.

Com instal·lem una IA local

Un projecte acotat, amb lliuraments a cada fase i documentació pensada per a una auditoria.

Cas d'ús i riscos
Tasca, dades implicades, nivell de risc i avaluació d'impacte.
Elecció del model
Mida, idioma, rendiment i llicència compatible amb ús professional.
Infraestructura
Servidor propi o dedicat a la UE, amb la xarxa aïllada.
Desplegament
Servidor d'inferència, API interna, SSO i registres.
Adaptació
RAG sobre els vostres documents i entrenament amb dades validades.
Validació i seguiment
Proves, mètriques, revisió periòdica i control de canvis.

Què cal per tenir una IA local

Els elements que dimensionem i documentem a cada instal·lació.

Maquinari

Un servidor amb GPU dimensionada al model. Per a models petits o tasques de classificació pot ser suficient la CPU.

Model

Un model de pesos oberts amb llicència compatible amb ús professional, triat per tasca i idioma.

Servidor d'inferència

El programari que executa el model i l'exposa com una API interna, amb cues i control de concurrència.

Dades

Documents i exemples de qualitat, amb permisos clars, per a RAG o entrenament. Validats pels vostres experts.

Seguretat

Xarxa aïllada, SSO, xifratge en trànsit i en repòs, i registre de cada petició.

Governança

Responsables, procediments d'ús, criteris d'acceptació i control de canvis de cada versió del model.

Compliment normatiu des del disseny

Servidors a la UE

Dades tractades i emmagatzemades a la UE. Amb IA local, sense sortir de la vostra infraestructura.

Traçabilitat completa

Cada proposta queda registrada amb entrada, model, versió, sortida, usuari i decisió final.

Supervisió humana

El professional veu la justificació de cada proposta i és qui valida.

RGPD i dades de salut

Minimització, pseudonimització i avaluació d'impacte quan escau.

Reglament europeu d'IA

Classificació del risc, transparència i documentació tècnica del sistema.

GxP i validació

Validació basada en el risc i control de canvis del model, alineats amb l'Annex 11 de les GMP.

Exemple

Codificació LOINC de proves de laboratori, assistida per IA

Assignar el codi LOINC correcte a cada prova d'un catàleg és una feina experta i repetitiva. La IA proposa; el professional decideix.

Càrrega del catàleg
El laboratori aporta el nom local de cada prova, la mostra, la tècnica i les unitats del resultat.
Proposta raonada
El model cerca a la taula LOINC i proposa els codis més adequats, explicant quins eixos coincideixen: component, propietat, sistema, escala i mètode.
Validació humana
L'usuari revisa la informació que es mostra i valida, corregeix o descarta. No es codifica res sense la seva confirmació.
Registre i millora
Cada decisió queda registrada amb usuari, data, model i versió. Els mapatges validats milloren les propostes següents.

Mapatge LOINCCatàleg del laboratori › GLU-S

Prova: Glucosa
Mostra: Sèrum
Tècnica: Enzimàtica (hexoquinasa)
Unitats: mg/dL

Propostes del model

2345-7Confiança 92 %
Glucose [Mass/volume] in Serum or Plasma
Coincideixen component, sistema (sèrum o plasma) i propietat: massa/volum, coherent amb mg/dL.
2339-0Confiança 61 %
Glucose [Mass/volume] in Blood
Unitats coherents, però el sistema és sang total i la mostra és sèrum.
14749-6Confiança 23 %
Glucose [Moles/volume] in Serum or Plasma
Sistema correcte, però la propietat és molar (mmol/L) i no encaixa amb mg/dL.

Valida 2345-7Tria un altre codi

Registre: proposta del model local v1.3, pendent de validació per l'usuari.

Pantalla d'exemple amb dades fictícies.

LOINC® és una marca registrada de Regenstrief Institute, Inc. El mateix patró serveix per a SNOMED CT, CIM-10 o catàlegs interns.

Més exemples

Altres processos en què la IA proposa i l'usuari decideix

El mateix patró, amb dades diferents: la IA fa la feina de cerca i comparació, i la persona experta valida amb tota la informació al davant.

Laboratoris · Xarxes hospitalàries

Unificació de la codificació de proves entre diversos sistemes

Després d’una fusió o en una xarxa de centres, cada sistema de laboratori (LIS) fa servir els seus propis codis i noms per a la mateixa prova. Sense un catàleg comú no es poden integrar resultats ni explotar les dades.

Dades de partida: Catàlegs de cada sistema: codi local, nom, mostra, tècnica, unitats i rangs de referència.
Què proposa la IA: Agrupa les proves equivalents entre sistemes, proposa un catàleg mestre amb el seu codi LOINC i assenyala els conflictes: unitats diferents (mg/dL davant mmol/L), mostres o tècniques que no coincideixen.
Què decideix l'usuari: Confirma o separa cada grup, resol els conflictes i fixa les conversions d’unitats.
Resultat: Catàleg mestre i taula d'equivalències versionats, a punt per a la integració, la història clínica i l'anàlisi de dades.

Compres · Àrea comercial

Estimació de costos i generació de pressupostos

Preparar un pressupost o una oferta obliga a creuar l'històric de compres amb preus de mercat. Fet a mà, porta hores i depèn de qui el prepari.

Dades de partida: Estats i històric de compres, preus adjudicats en licitacions públiques i preus de la competència obtinguts de fonts públiques (catàlegs i tarifes publicats).
Què proposa la IA: Identifica productes equivalents encara que tinguin noms diferents, estima el cost i un rang de preu de mercat i genera un esborrany de pressupost amb el marge objectiu, indicant la font de cada xifra.
Què decideix l'usuari: Ajusta partides, marges i condicions, i aprova el pressupost. No s'envia res sense la seva aprovació.
Resultat: Pressupostos més ràpids i coherents, amb cada preu justificat i un històric de decisions per afinar les ofertes següents.

Teniu un procés que la IA podria accelerar?

Codificació, classificació de documents, cerca en procediments o revisió de registres: analitzem el vostre cas i us diem si té sentit i com fer-ho amb garanties.

Parlem del vostre cas