El Impacto de la Inteligencia Artificial en el Diagnóstico Hospitalario: Aplicaciones, Retos y Beneficios en la Gestión Clínica

Descripción (ES)

Trabajo Fin de Máster (TFM) Dirección Sanitaria y Gestión Clínica (VIU, curso 2024–2025). El proyecto diseña y pilota la integración de inteligencia artificial (IA) en el Hospital Universitario de La Princesa (Madrid) con dos ejes: (1) diagnóstico asistido por IA en TAC torácica mediante redes neuronales convolucionales para la detección precoz de nódulos pulmonares; y (2) optimización de la citación con modelos predictivos para reducir incomparecencias y mejorar la ocupación de agendas. El diseño se apoya en el Modelo EFQM 2025, la metodología REDER y principios de Lean Healthcare. Se definen KPIs: sensibilidad ≥95% y reducción del tiempo diagnóstico de 7→4 días (radiología); incomparecencias 15%→<8% y ocupación >90% (citación). Incluye análisis PESTEL y DAFO, plan formativo (600 profesionales), cronograma a 24 meses, gobernanza ético-legal (RGPD/LOPDGDD) y requisitos de interoperabilidad HIS/PACS (HL7 FHIR). El trabajo propone una hoja de ruta replicable y un cuadro de mando integral para monitorizar valor clínico, operativo y de experiencia del paciente.

Description (EN)

Master’s Thesis (TFM), Master’s in Healthcare Management and Clinical Governance (VIU, AY 2024–2025). The project designs and pilots the integration of artificial intelligence (AI) at Hospital Universitario de La Princesa (Madrid) along two axes: (1) AI-assisted thoracic computed tomography (CT) using convolutional neural networks for early detection of lung nodules; and (2) appointment-scheduling optimization with predictive models to reduce no-shows and improve clinic schedule occupancy. The design is grounded in the EFQM 2025 Model, the REDER cycle, and Lean Healthcare principles. Defined KPIs include: sensitivity ≥95% and reduction of diagnostic turnaround time from 7→4 days (radiology); no-shows 15%→<8% and occupancy >90% (scheduling). It includes PESTEL and SWOT analyses, a 24-month roadmap, a training plan (600 staff), ethical-legal governance (GDPR/LOPDGDD), and HIS/PACS interoperability requirements (HL7 FHIR). The thesis proposes a replicable roadmap and a balanced scorecard to monitor clinical, operational, and patient-experience value.