Validar inteligencia artificial médica antes de llevarla a la práctica clínica.
UMI-MedIA es una Unidad Mixta de Investigación creada para desarrollar, evaluar y validar software de inteligencia artificial aplicado a la salud en un entorno hospitalario real.
UMI-MedIA conecta investigación clínica, desarrollo de IA e infraestructura tecnológica para generar evidencia sobre cómo funcionan estos sistemas cuando se usan en medicina real.
La unidad nace de una colaboración público-privada entre FIDIS, BioDigital y EDISA. Su trabajo no termina cuando un modelo de inteligencia artificial funciona técnicamente: el objetivo es estudiar si puede ser útil, seguro, reproducible y evaluable dentro de procesos clínicos reales.
El proyecto se desarrolla entre 2025 y 2028 y utiliza el Hospital Clínico Universitario de Santiago como entorno de referencia para los estudios clínicos observacionales.
2025—2028
IA aplicada a salud
Entorno hospitalario real
Colaboración público-privada
Que una IA funcione no significa que esté preparada para la medicina.
Los sistemas de inteligencia artificial generativa pueden producir respuestas útiles, resumir información clínica o asistir determinadas tareas sanitarias. Pero en salud no basta con medir únicamente su rendimiento técnico.
Antes de integrar una herramienta de IA en la práctica asistencial es necesario estudiar su precisión, seguridad, utilidad clínica, aceptabilidad, trazabilidad y comportamiento en situaciones reales.
UMI-MedIA se centra precisamente en ese espacio entre el prototipo tecnológico y la evidencia clínica.
Un marco completo para desarrollar y evaluar IA médica.
Desarrollo de software con IA generativa
Creación y adaptación de asistentes virtuales médicos, módulos de interacción clínica e integración multimodal de texto, voz, imagen y datos sanitarios.
Validación clínica
Diseño de estudios clínicos observacionales, protocolos, métricas e indicadores para evaluar precisión, utilidad, seguridad y aceptabilidad en entorno real.
Benchmarking y casos sintéticos
Desarrollo de bancos de casos y metodologías comparativas para evaluar distintos modelos de IA de forma transparente, reproducible y dinámica.
Integración y transferencia
Interoperabilidad, infraestructura cloud, protección de datos, capacitación y transferencia de conocimiento hacia el entorno sanitario y empresarial.
Cuatro fases desde la preparación hasta la transferencia
Preparación y diseño
Prototipado
Desarrollo de asistentes y módulos clínicos, pruebas de laboratorio, integración y protección de datos.
Validación clínica
Estudios observacionales en el CHUS, recogida de datos, benchmarking y optimización continua.
Transferencia
Documentación, publicaciones, posibles vías de certificación, sostenibilidad e internacionalización.
Tres entidades, tres capacidades complementarias.
FIDIS
Aporta el conocimiento clínico, el diseño metodológico y la capacidad de realizar estudios observacionales en entorno hospitalario.
BioDigital Tech
Aporta el desarrollo experimental de software e inteligencia artificial generativa.
EDISA
Aporta arquitectura, backend, cloud, seguridad, escalabilidad e interoperabilidad.