El temps és cervell
L'ictus és una de les primeres causes de mort al nostre país i la primera causa de discapacitat adquirida en adults. En la majoria dels casos, una artèria del cervell queda obstruïda per un coàgul i, cada minut que passa, moren prop de dos milions de neurones. Tenim dos tractaments eficaços: un fàrmac que dissol el coàgul (la trombòlisi) i una intervenció que l'extreu amb un catèter introduït per l'engonal (la trombectomia). La trombectomia és un dels tractaments més eficaços de tota la medicina, però només es pot fer en un nombre reduït d'hospitals amb equips especialitzats disponibles les vint-i-quatre hores.
Això genera un problema d'organització. La majoria de pacients arriben primer a l'hospital més proper, que sovint no pot fer trombectomies. Allà algú ha de decidir, en pocs minuts, si cal traslladar el pacient a un centre de referència com Vall d'Hebron. La resposta és a les imatges: cal saber si hi ha una oclusió d'un gran vas. La tomografia computada (TC) sense contrast, el «TAC» de tota la vida, està disponible a qualsevol hospital, però no mostra bé les artèries. L'angio-TC, que sí que les mostra, requereix injectar contrast, un protocol addicional i, sobretot, algú capaç d'interpretar-la a les tres de la matinada.
I l'ictus no s'acaba amb l'alta. Aproximadament un de cada sis pacients en patirà un altre en els anys següents. Prevenir-ho depèn, en bona part, de controlar factors de risc com la pressió arterial, el colesterol, la diabetis o el tabac, i de dir-li a cada pacient, de manera creïble i personalitzada, quin risc corre.
Què fa, exactament, la intel·ligència artificial
Convé treure-li el misteri. Un algorisme d'intel·ligència artificial (IA) en medicina és un programa que ha après a reconèixer patrons a partir de molts exemples. En lloc de programar regles a mà, li mostrem TAC i dades de pacients dels quals ja sabem si tenen un ictus, i el programa ajusta els seus paràmetres interns fins que l'encerta. A la nostra unitat treballem amb tres famílies d'eines:
Algorismes que llegeixen imatges: detecten una oclusió o una hemorràgia en un TC sense contrast en menys de dos minuts i avisen l'equip.
Algorismes que estimen riscos a partir de dades clíniques: per exemple, la probabilitat que un pacient pateixi un segon ictus.
Eines que ajuden a coordinar l'atenció: entre hospitals, i amb el pacient un cop a casa.
Cap d'aquestes eines decideix: avisen, estimen, suggereixen. Qui decideix és el neuròleg. No és una fórmula de cortesia: és la clau de com s'han d'avaluar.
L'escala de l'evidència: de l'ordinador a la persona afectada
Ningú acceptaria un fàrmac nou perquè «funciona al laboratori». La IA mereix el mateix rigor, i té la seva pròpia escala de proves.
Primer graó: la validació retrospectiva. L'algorisme s'aplica a dades clíniques i d'imatge de pacients dels quals ja coneixem el diagnòstic, i es compta quants n'encerta. Les dues xifres bàsiques són la sensibilitat (de totes les oclusions reals, quantes en detecta) i l'especificitat (de tots els pacients sense oclusió, quants en descarta correctament). El nostre primer estudi, publicat el 2020 a la revista Stroke, ho va fer amb 1.453 pacients de tres hospitals catalans (Vall d'Hebron, Germans Trias i Pujol i Clínic): a partir del TC sense contrast, l'algorisme detectava més de vuit de cada deu oclusions, una proporció superior a la que aconseguien els experts llegint la mateixa imatge.
Segon graó: la validació externa i independent. Un algorisme pot funcionar molt bé amb les imatges del lloc on s'ha entrenat i pitjor en un altre hospital, amb altres escàners i altres pacients. Cal provar-lo fora de casa, i idealment per equips sense cap vincle amb el desenvolupador. Per al programari que descriurem més endavant, això ha significat un estudi en sis hospitals d'Europa i els Estats Units i un altre, dut a terme per una xarxa hospitalària nord-americana sense participació nostra, amb més de sis-cents TC.
Tercer graó: el marcatge CE i les autoritzacions reguladores. A Europa, un programari que ajuda a diagnosticar és un producte sanitari i necessita el marcatge CE; als Estats Units, l'autorització de la FDA, l'agència reguladora de medicaments i productes sanitaris. Aquestes certificacions garanteixen seguretat i un rendiment mínim en condicions definides. Però no garanteixen el que de debò ens importa.
Quart graó: la pregunta de veritat. L'algorisme canvia el que passa al pacient? Arriba abans al tractament? Es tracten pacients que abans es quedaven sense tractar? Es recupera millor? Això només es pot saber amb estudis prospectius en condicions reals i, quan és possible, amb assajos aleatoritzats. Aquí hi ha una particularitat: sovint la unitat que s'aleatoritza no és el pacient sinó l'hospital o la xarxa sencera, perquè la intervenció no és una pastilla sinó un canvi en el circuit assistencial. Un assaig d'aquest tipus publicat el 2023 a JAMA Neurology va mostrar que un programari de detecció d'oclusions escurçava en una desena de minuts el temps fins a la trombectomia.
Cinquè graó: la vigilància un cop en ús. Els algorismes no s'espatllen, però el món al seu voltant canvia: escàners nous, protocols nous, pacients diferents. Cal seguir mesurant.
I hi ha una subtilesa que val la pena explicar. Un mateix algorisme pot ser molt útil en un context i gairebé inútil en un altre. Imaginem que l'apliquem només a pacients que un neuròleg ja ha avaluat i considera molt sospitosos: vuit de cada deu tindran una oclusió, i una alerta positiva gairebé sempre serà correcta. Si l'apliquem a tothom que entra a urgències amb qualsevol símptoma neurològic, on potser només un o dos de cada deu tenen una oclusió, més de la meitat de les alertes poden ser falses, encara que l'algorisme sigui el mateix i igual de bo. Una revisió sistemàtica de 87 cohorts que vam publicar el 2025 ho quantifica. Per això «funciona?» és una pregunta mal formulada. La bona és: «funciona aquí, amb aquests pacients, dins d'aquest circuit?»
Primer cas: un algorisme que ja és al mercat
Des de fa uns anys, el Dr. Marc Ribó, neurointervencionista de la nostra unitat, treballa amb Methinks AI, una empresa de Barcelona, en una idea senzilla d'enunciar i difícil d'executar: detectar l'oclusió d'un gran vas directament en el TC sense contrast, la prova que qualsevol hospital pot fer, perquè l'hospital local pugui demanar el trasllat sense esperar l'angio-TC.
El recorregut ha seguit l'escala que acabem de descriure. Validació retrospectiva el 2020; marcatge CE el 2023, com a primer programari certificat a Europa per detectar aquestes oclusions en un TC sense contrast; autorització de la FDA el 2025, primer per al TC sense contrast i després per a l'angio-TC; validacions externes a Europa i als Estats Units; i avui, ús clínic en hospitals de diversos països. Hi ha, a més, una forma de validació que ens agrada especialment: el programari ha estat escollit per seleccionar els pacients d'un assaig clínic internacional aleatoritzat sobre el tractament de l'ictus en finestres de temps ampliades. Que la comunitat investigadora confiï en un algorisme per decidir qui entra en un assaig és una prova de maduresa.
El que no va sortir com esperàvem
Però el graó més important era el quart, i el vam pujar a casa nostra. L'estudi CATalyze-AI, publicat aquest any a l'European Stroke Journal, va avaluar què passava quan incorporàvem aquest algorisme al circuit real de dos hospitals comarcals de la xarxa de teleictus de Vall d'Hebron, a Vic i a Granollers. Vam comparar 129 pacients traslladats durant els quinze mesos anteriors amb 136 traslladats durant els quinze mesos posteriors a la implantació. La hipòtesi era clara: amb l'alerta de la IA sobre el TC sense contrast, la decisió de traslladar seria més ràpida.
No va ser així. El temps entre l'arribada del pacient a l'hospital local i la trucada demanant el trasllat no va canviar: una hora, aproximadament, abans i després. Per què? Primer, perquè el nostre circuit de teleictus ja era molt madur: un neuròleg vascular disponible les vint-i-quatre hores per videoconferència i imatges compartides a l'instant. Hi havia poc marge per guanyar. Segon, perquè els clínics, tal com permetia el protocol, van preferir confirmar l'oclusió amb una angio-TC abans de decidir, en lloc de refiar-se d'una probabilitat calculada per un algorisme. I això és raonable: una alerta sobre un TC sense contrast dona un número; una angio-TC mostra el coàgul.
El que sí que va canviar va ser el circuit. Els hospitals locals van passar de fer angio-TC al 28% dels pacients al 81%; el centre receptor va haver de repetir la prova en el 42% dels casos en lloc del 79%; i el temps des de l'arribada a l'hospital local fins a l'inici de la trombectomia es va escurçar en una mitjana de 31 minuts. Val a dir que les alertes de l'algorisme sobre el TC sense contrast encertaven en dos de cada tres pacients que van acabar rebent trombectomia: una xifra respectable, però que no permet decidir un trasllat sense mirar res més.
Les lliçons són diverses. El coll d'ampolla sovint no és la lectura de la imatge sinó el circuit: els protocols, la comunicació entre hospitals, les proves repetides. Una implantació d'IA s'ha d'avaluar com el que és, una intervenció organitzativa, i no només com un programa informàtic. Els resultats positius d'altres estudis es poden deure, en part, a les plataformes de comunicació que acompanyen el programari, més que a l'algorisme. I hi ha un risc que ja hem observat: si l'alarma sona massa sovint en pacients que finalment no tenen res, els professionals deixen d'escoltar-la. Per això ara dissenyem alertes graduades, que distingeixen la sospita alta de la intermèdia, i apliquem aquestes eines en poblacions prèviament seleccionades pel clínic. Un resultat nul ben fet ensenya més que un resultat positiu mal explicat.
Segon cas: predir el risc d'un segon ictus
PRERISK, publicat el 2024 a Stroke, va néixer d'una pregunta de consulta: «Doctor, em pot tornar a passar?» Volíem respondre-hi amb un número personalitzat i honest. Vam utilitzar dades anonimitzades de més de 36.000 pacients ingressats per ictus als hospitals públics de Catalunya, seguits durant prop de tres anys de mitjana, durant els quals un 16% va patir una recurrència. Vam comparar models d'aprenentatge automàtic amb models estadístics clàssics.
El que vam aprendre va sorprendre algú. Els factors que més pesaven eren pocs i coneguts: el temps transcorregut des de l'ictus anterior, el grau de dependència, la fibril·lació auricular, el colesterol, l'edat, la diabetis i el sexe. Un model simplificat amb aquestes variables, més els factors de risc modificables, rendia pràcticament igual que el model més complex. La complexitat no és una virtut: un model que el metge entén i pot explicar al pacient val més que una caixa negra lleugerament més precisa. El valor real de l'eina és un altre: permet simular, per a cada pacient, com canvia la seva corba de risc si controla la pressió o la glucèmia, o si deixa de fumar. És un instrument per motivar i per millorar l'adherència al tractament.
Però una predicció només és útil si arriba al pacient. Prevenir exigeix conscienciar-lo i comunicar-s'hi de manera eficient i propera, i a la unitat cobrim aquesta necessitat amb NORA, una aplicació de seguiment després de l'ictus que va néixer com a projecte de recerca i que avui és una empresa derivada (spin-off) de la unitat. És també l'entorn natural per comprovar, en condicions reals, si conèixer el propi risc ajuda el pacient a canviar d'hàbits.
Tercer cas: entrenar la IA sense moure les dades
TRUSTroke és un projecte europeu Horizon Europe (2023–2027, sis milions d'euros, tretze socis) que coordinem des del Vall d'Hebron Institut de Recerca. Parteix d'un problema que ja ha aparegut: un algorisme entrenat en un sol hospital sovint rendeix pitjor en un altre. La solució òbvia és entrenar-lo amb dades de molts hospitals; l'obstacle, igualment obvi, és que les dades dels pacients no poden viatjar lliurement, per raons legals, ètiques i de confiança.
L'aprenentatge federat capgira la lògica: en lloc de portar les dades a l'algorisme, portem l'algorisme a les dades. Cada hospital entrena el model a casa seva i només envia a un servidor central els paràmetres resultants, uns números que no permeten reconstruir cap pacient. El servidor els combina, millora el model i el torna a enviar. El servidor és al CERN, a Ginebra, que ha adaptat per a la medicina una plataforma creada originalment per detectar anomalies en la cadena d'acceleradors de partícules. Hi participen grans hospitals com Vall d'Hebron, la Universitat de Lovaina i el Policlínic Gemelli de Roma.
El «trust» del nom no és retòrica. Confiable vol dir explicable (per què el model ha donat aquesta predicció), robust davant d'atacs (algú podria intentar enverinar el model enviant paràmetres manipulats) i avaluat per una infraestructura europea independent. Què hem après? Que la part més difícil no és l'algorisme sinó posar-se d'acord, entre diversos països, sobre què significa cada variable i harmonitzar les dades: ha costat molt més temps del previst. I que la federació redueix, però no elimina, la pèrdua de rendiment d'un hospital a un altre. Per això la validació externa no és negociable.
UMBRELLA: tot el recorregut del pacient
UMBRELLA és el projecte més ambiciós en què participem: una iniciativa publicoprivada de la Innovative Health Initiative de la Unió Europea (2024–2029, 26,9 milions d'euros), que coliderem amb Siemens Healthineers, amb set grans hospitals de sis països europeus i més de vint socis, incloses associacions de pacients. L'objectiu és estandarditzar com es recullen les dades de l'ictus al llarg de tot el recorregut, des de l'ambulància fins a la rehabilitació i la prevenció, construir una plataforma federada i desenvolupar i validar, entre tots els centres, una desena d'algorismes d'IA. Els que demostrin que funcionen hauran de passar l'última prova: entrar a les guies clíniques europees. Un algorisme «funciona», en darrera instància, quan la comunitat professional, després de veure l'evidència, el recomana.
Si alguna cosa ens ha ensenyat CATalyze-AI és que el que compta és el circuit, no l'algorisme aïllat. UMBRELLA neix d'aquesta convicció: no busca un algorisme estrella, sinó una aproximació holística que millori tota la cadena, de l'ambulància a casa del pacient, perquè cada eina arribi al lloc i al moment en què pot canviar alguna cosa i el seu efecte es mesuri en el pacient, no en la màquina.
El circuit, més enllà de l'algorisme
Si l'algorisme sol no basta, el que de debò es pot compartir és el circuit sencer. El circuit d'ictus que hem construït a Catalunya és un cas d'èxit que estem estenent a Europa amb l'evidència que l'avala. Ara, en un altre projecte, gràcies a un fons de cooperació amb l'Amèrica Llatina de l'Agència Espanyola de Cooperació Internacional per al Desenvolupament (AECID), el compartirem amb hospitals del Paraguai, Costa Rica i el Perú, perquè s'hi puguin sumar: un circuit complet que va de l'avís prehospitalari a la selecció de pacients amb IA sobre el TC sense contrast i al seguiment amb NORA després de l'alta.
Què ve ara: la IA com a company d'equip
La següent frontera és la IA generativa: els grans models de llenguatge capaços de llegir una història clínica, resumir-la, redactar un informe o respondre preguntes d'un pacient. En una unitat d'ictus, on un sol pacient pot acumular desenes de proves, informes i medicaments, i on els equips treballen sota una pressió assistencial que no afluixa, aquestes eines poden ajudar a gestionar el pacient complex de manera integral: sintetitzar, prioritzar, no oblidar res, coordinar hospitals i acompanyar el pacient després de l'alta. És la promesa que més ens il·lusiona i també el risc més gran: un text segur de si mateix però equivocat és més perillós que una imatge mal llegida, perquè és més difícil de detectar.
L'exigència ha de ser la mateixa que per a qualsevol altre algorisme: estudis prospectius, resultats mesurables (temps estalviat, errors evitats, satisfacció de pacients i professionals) i supervisió humana real. La nova regulació europea de la IA i el reglament de productes sanitaris ja ho demanen. Ho formularíem així: la IA ha d'entrar a la unitat com un nou membre de l'equip, al qual exigim credencials, període de prova, supervisió i avaluació contínua. Ni més ni menys que a qualsevol de nosaltres.
Conclusió
Quatre idees per endur-se. Un bon algorisme no és encara una bona eina: depèn d'on i com s'utilitza. La pregunta correcta no és si funciona, sinó si canvia el que passa a aquest pacient dins d'aquest circuit. Els resultats nuls són resultats, i sovint els més instructius. I la persona continua al capdavant: amb prou coneixement per saber quan confiar en l'alerta i quan no.