El proyecto ‘Desarrollo de modelos de IA para el diagnóstico automatizado de patrones de motilidad digestiva’, del Hospital Universitario La Princesa, en colaboración con la empresa DIGESTAID, ha sido reconocido en los Premios IA Best in Class (BiC) 2026 en la categoría de Proyecto Público-Privado. La iniciativa desarrolla modelos de inteligencia artificial para automatizar el diagnóstico de trastornos de motilidad digestiva.
José Julián Díaz Melguizo, director gerente del centro hospitalario, y Cecilio Santander Vaquero, jefe de servicio de Digestivo, fueron los encargados de recoger el galardón, entregado por Laura Gutiérrez Barrero, viceconsejera de Sanidad de la Comunidad de Madrid, y Santiago de Quiroga, presidente de Fundamed.
Durante la gala, Santander Vaquero recogió el premio «en nombre del Servicio de Aparato Digestivo del Hospital Universitario La Princesa», así como de otros hospitales de la Comunidad de Madrid, centros de Portugal y Estados Unidos, y de la empresa tecnológica internacional DIGESTAID, con sede en Oporto.
«El objeto fundamental está en la aplicación de la IA en la automatización y la valoración de los informes en motilidad digestiva, tanto con machine learning como con deep learning«, señaló. El especialista explicó que la solución se aplica a técnicas como la manometría esofágica, la manometría anorrectal o el EndoFLIP, con el objetivo de acercar «la calidad en la interpretación de estos estudios complejos a hospitales que no puedan tener tanta experiencia».
En concreto, la solución se aplica a cuatro técnicas: manometría anorrectal, manometría esofágica, planimetría por impedancia y cápsula endoscópica. Para ello, utiliza modelos de machine learning y deep learning entrenados con datos multicéntricos e internacionales.
Los algoritmos han sido validados frente a estándares clínicos internacionales (London, Chicago v4.0 y Dallas) y alcanzan una precisión diagnóstica del 87% al 94%, según la técnica. En cápsula endoscópica, la detección de lesiones llega al 96,1%, frente al 76,3% del método convencional, con una sensibilidad del 97,5% y una reducción del tiempo de lectura de hasta el 90%, de 30-120 minutos a unos 3,4 minutos.
El sistema busca reducir la variabilidad diagnóstica, mejorar la eficiencia y favorecer diagnósticos más precoces. Está validado en estudios multicéntricos y se encuentra en proceso de escalado y certificación como dispositivo médico.
Santander Vaquero también tuvo palabras de agradecimiento para la dirección del hospital. «Muchas gracias a mi director, que confió en nosotros en el año 2023, cuando todavía no teníamos ningún resultado», afirmó.
La colaboración público-privada, clave para escalar la IA sanitaria
Las candidaturas de esta categoría reflejan el papel creciente de las alianzas entre instituciones sanitarias y empresas tecnológicas para implementar soluciones de IA en entornos clínicos reales.
Los proyectos abarcan desde infraestructuras para el despliegue y la gobernanza de modelos de IA hasta herramientas de diagnóstico clínico y optimización de procesos asistenciales. El documento destaca tanto plataformas de inferencia, interoperabilidad y MLOps como casos de uso concretos.
En conjunto, las candidaturas muestran proyectos en fases de piloto avanzado o despliegue progresivo, con resultados preliminares en precisión diagnóstica, eficiencia operativa y optimización de recursos. La evidencia clínica y el impacto a largo plazo, no obstante, siguen siendo variables según el caso.
