La inteligencia artificial en las ciencias médicas: construir la plataforma y crecer el ecosistema

Marzo de 2025
La inteligencia artificial (IA) evoluciona a una velocidad vertiginosa y está
transformando las ciencias médicas. Para las personas que esperan un
medicamento nuevo o tener acceso a una atención médica superior, esta es una
gran noticia. Para las empresas de tecnología, la demanda de contar con
innovación en IA presenta oportunidades extraordinarias. A la vez, plantea
desafíos, como la seguridad, el sesgo de los datos y la accesibilidad, por nombrar
algunos. La solución a estos desafíos es el desarrollo open source.
El open source es mucho más que código abierto. En ese sentido, Red Hat lanzó
InstructLab, para garantizar que el perfeccionamiento de modelos y la creación de
casos de uso para la IA generativa (gen AI) incorporen la transparencia, una
comunidad heterogénea y una vía de acceso sencilla. También, impulsa una
plataforma tecnológica en la que los investigadores del área, los ingenieros y los
proveedores globales de hardware y software puedan colaborar para desarrollar
nuevas herramientas y soluciones de IA y mejorar las que ya están en uso.
A través de la colaboración por años entre Red Hat Research y la Mass Open
Cloud Alliance (MOC-A), la compañía está construyendo un ecosistema que
impulsa los avances en ciencias biológicas con el poder de la IA a través del open
source.
La MOC-A es una colaboración entre universidades, organismos gubernamentales
y líderes del sector para construir y mantener una nube abierta y brindar a los
investigadores los recursos informáticos a los que, de otra forma, no podría
acceder la mayoría, como CPU, GPU, almacenamiento, conjuntos de datos
grandes y diversos, herramientas y modelos de IA, todo alojado en un centro de
datos carbono neutral.
Prácticas de IA de código abierto en las ciencias médicas
En noviembre de 2024, Red Hat se unió a la Universidad de Boston, IBM
Research, MOC-A y a otras instituciones de investigación para patrocinar un foro
abierto sobre IA para el descubrimiento de fármacos, en el cual lanzó el Grupo de
trabajo de IA para el descubrimiento de fármacos de la AI Alliance. Descubrir y
desarrollar un medicamento nuevo demora, en promedio, entre 10 y 15 años y los

costos se miden en miles de millones de dólares. Agilizar el descubrimiento de
fármacos con IA tiene el potencial de cambiar vidas y, al mismo tiempo, reducir
radicalmente los costos de atención médica.
Mediante el uso de Red Hat OpenShift AI en la MOC, se creó accesibilidad para
que los participantes del foro pudieran probar e interactuar con modelos open
source en un entorno fácil de usar por parte de los científicos del sector. Los
investigadores crearon modelos, escalaron recursos y experimentaron con datos
en el entorno de la MOC, diseñada para facilitar la transparencia. Una vez
finalizado el evento, los investigadores seguían teniendo acceso a su trabajo y
cualquier persona con una cuenta de la MOC podía seguir explorando y
experimentando con los mismos modelos. La economía de escala hace posible
democratizar la disponibilidad de potentes herramientas de investigación y tanto
los investigadores como los desarrolladores (y, en última instancia, los propios
pacientes) se benefician de una participación más extendida.
Generar las condiciones para impulsar la innovación
La alianza de Red Hat con la MOC-A es un componente vital de aplicar el poder
de la IA y el open source a los grandes desafíos de las ciencias médicas.
El desarrollo, la implementación y la adopción exitosos de soluciones de IA en
este campo de alto riesgo requiere contar con accesibilidad, transparencia y
escalabilidad.
1. Accesibilidad
Los investigadores y los médicos deben enfocarse en aportar sus conocimientos
específicos a problemas complejos, no en dominar el cuidado y la carga de datos
de un modelo de IA. También deben trabajar de manera eficiente sin tener que
cambiar de herramientas continuamente. Si una solución no hace que un usuario
sea más productivo, no la adoptarán.
La accesibilidad también puede ser tan simple como la disponibilidad. Hoy, son
pocos los hospitales de investigación nacionales y las compañías farmacéuticas
líderes con fácil acceso a herramientas y plataformas de IA. Por otro lado, los
investigadores de universidades y los hospitales regionales suelen verse limitados
por la falta de recursos, ya sean activos informáticos, infraestructura o
financiación.

Como el desarrollo open source insiste en incluir a todos los grupos de interés,
hacemos partícipes a expertos del sector desde un principio, razón por lo cual
sabemos que el resultado final les será útil.
2. Transparencia
Esta es fundamental para impulsar la adopción de la IA en las ciencias médicas, y
las expectativas son altas. Los pacientes quieren saber cómo se utilizan y
protegen sus datos, y los investigadores quieren saber que los conjuntos de datos
sean significativos y que los modelos sean relevantes. ¿Se dedicarán los médicos
clínicos a revisar códigos o modelos open source por su cuenta? La respuesta
más probable es no. Pero las herramientas que se pueden examinar, personalizar
y hasta mejorar gracias a la colaboración pueden generar confianza de una forma
que los sistemas cerrados no pueden.
Dicho esto, no se le puede entregar a alguien una solución totalmente desarrollada
y decirle que es transparente, aun cuando sea de código abierto. Así como
necesitamos que los grupos de interés del sector impulsen la facilidad de uso,
también los necesitamos como una parte continua del proceso de desarrollo.
Además, trabajar de este modo proporciona la flexibilidad que se necesita para
resolver problemas específicos. Las soluciones comerciales universales no van a
funcionar para todos los retos y flujos de trabajo que plantean las ciencias
biológicas.
Trabajar en un ecosistema open source permite adaptar las capacidades de un
conjunto básico de herramientas a las necesidades de un usuario en particular y,
cuando esas capacidades se vuelven a aportar a la comunidad, otras personas
pueden desarrollar usándolas como punto de partida. Cuando se trabaja de
manera transparente, las soluciones nuevas están impulsadas por las
necesidades de los usuarios, no por una estrategia de productos enfocada
únicamente en el resultado final.
3. Escalabilidad
En primer lugar, se necesitan economías de escala. El desarrollo y las cargas de
trabajo de IA hacen un uso intensivo de recursos y, en muchas instituciones, los
conjuntos de datos de calidad superior en las ciencias biológicas exceden las
capacidades de la TI de investigación. Pero esos recursos no tienen por qué existir
de forma aislada. Iniciativas como la MOC-A, que permiten compartir recursos,
son capaces de proporcionar la escalabilidad que haga posible esa accesibilidad.

En segundo lugar, se debe estimular el poder colectivo. Sin propagación no hay
democratización. Esto significa poner las herramientas en tantas manos y lugares
como sea posible. Red Hat se compromete a respaldar el crecimiento de un
ecosistema de usuarios, desarrolladores, proveedores de hardware y software,
grupos del sector de las ciencias médicas y organizaciones sin fines de lucro que
abarque todas las disciplinas y catalice la colaboración necesaria para crear
soluciones transformadoras a problemas hasta ahora insolubles.
Por último, la colaboración con la industria, el gobierno y las instituciones de
investigación también puede dar lugar a nuevas posibilidades y sembrar semillas
para empresas emergentes. De este modo, se fomenta un círculo virtuoso que
genera nuevas oportunidades, tanto para la investigación como para el
crecimiento empresarial.
Redes Sociales:
X: @redhatla    IG: @redhatlatam         LinkedIn:  Red-Hat