El programa PULSE (Public Health Use Case and Learning Scaling Engine) representa un pas significatiu en l'adopció d'intel·ligència artificial generativa dins del sector públic sanitari nord-americà. Amb la participació d'OpenAI, Anthropic i Accenture, deu jurisdiccions estatals, locals, tribals o territorials posaran a prova models d'IA en cinc casos d'ús crítics: biovigilància i predicció d'onades de drogues, determinants socials de la salut, eficiència operativa i anàlisi de feedback comunitari, comunicacions públiques amb traducció multilingüe, i recuperació automatitzada de dades clíniques mitjançant FHIR. No obstant això, l'anunci de la Coalició per a la Salut IA (CHAI) deixa nombroses preguntes sense resposta sobre governança, privacitat i avaluació. Per a les empreses tecnològiques i de desenvolupament, aquest tipus d'iniciatives evidencia la necessitat de comptar amb sistemes d'IA robustos i personalitzats que s'integrin de forma segura en entorns sanitaris.
Des d'una perspectiva tècnica, crida l'atenció que CHAI no hagi especificat quines versions dels models d'OpenAI (GPT-4, GPT-4o, etc.) o Anthropic (Claude 3.5 Sonnet, Opus) s'empraran, ni com s'assignaran als diferents pilots. Tampoc es detallen els requisits d'avaluació, privacitat, seguretat o revisió humana per a cada cas d'ús. Això contrasta amb les recomanacions del NIST AI Risk Management Framework, que insisteix a avaluar els sistemes segons el seu ús previst, entorn operatiu i parts afectades. L'absència de criteris clars pot generar incertesa en les agències participants, que necessiten garantir que els outputs de la IA —des de comunicacions públiques fins a diagnòstics automatitzats— siguin revisats per personal qualificat abans del seu ús. Aquí, el desenvolupament de aplicacions a mida que incorporin capes de validació humana i auditoria esdevé essencial per mitigar riscos.
Un altre aspecte crític és la protecció de dades. El programa operarà sota el paraigua de HIPAA en aquells casos on es manegi informació sanitària protegida electrònicament (ePHI). No obstant, CHAI no ha aclarit si els pilots utilitzaran registres identificables, dades anonimitzades, sintètiques o agregades. Tampoc s'han definit períodes de retenció, controls d'accés, requisits d'emmagatzematge o normes per a la presentació d'informació protegida. En aquest context, la ciberseguretat es converteix en un pilar fonamental: qualsevol infraestructura cloud que allotgi aquests models, ja sigui AWS o Azure, ha de complir amb les salvaguardes tècniques exigides per la normativa. Empreses com Q2BSTUDIO ofereixen serveis de consultoria en cloud AWS/Azure que permeten dissenyar arquitectures segures, amb xifrat en repòs i trànsit, control d'accessos basat en rols i registres d'auditoria, aspectes que les agències de salut haurien de considerar des de l'inici.
Els casos d'ús proposats tenen implicacions profundes en la gestió de la salut pública. La biovigilància i predicció d'onades de drogues, per exemple, podria recolzar-se en models de llenguatge per analitzar grans volums de dades de vigilància epidemiològica, però la precisió i la possibilitat de biaixos requereixen validació constant. L'automatització de la recuperació de dades clíniques mitjançant FHIR és un altre front prometedor: els models generatius podrien construir consultes, extreure registres, resumir informació o combinar totes aquestes funcions. No obstant, si el model genera consultes incorrectes o resums incomplets, qui verifica la qualitat abans que aquestes dades s'usin en decisions clíniques o administratives? Una solució viable és integrar agents IA que actuïn com a assistents supervisats, on el sistema proposa resultats però un professional sanitari els revisa abans d'executar-los. Aquest enfocament híbrid combina l'eficiència de la IA amb el judici humà, una cosa que moltes empreses de programari estan implementant ja en les seves plataformes.
Des de l'òptica del business intelligence, l'ús d'eines com Power BI podria potenciar la visualització de les dades generades pels models d'IA. Per exemple, els mapes de determinants socials de la salut (SDoH) es beneficiarien de dashboards interactius que correlacionin variables demogràfiques, geogràfiques i clíniques. La combinació de models generatius amb plataformes de BI/Power BI permetria als funcionaris de salut pública identificar patrons i tendències de forma ràpida, sempre que les dades subjacents siguin fiables i estiguin governades adequadament. Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, ofereix serveis d'integració entre sistemes d'IA, cloud i BI que faciliten aquest tipus de sinergies, assegurant que els pipelines de dades compleixin amb els estàndards de qualitat i privacitat.
Un altre punt rellevant és l'escalabilitat. El programa PULSE només arribarà a deu jurisdiccions, però la intenció és generar guies d'implementació per a centenars d'agències a tot el país. Les diferències en mida, pressupost, infraestructura tècnica i capacitats de personal són enormes. Una agència tribal amb recursos limitats no té les mateixes necessitats que un departament de salut d'una gran ciutat. Les playbooks que es publiquin el 2027 hauran de ser prou flexibles per adaptar-se a contextos diversos. Aquí, el desenvolupament de programari a mida cobra sentit: cada agència pot necessitar personalitzacions específiques en els fluxos de treball, integracions amb sistemes legacy o adaptacions a normatives locals. Les solucions estàndard rarament encaixen perfectament, i les empreses que ofereixen aplicacions a mida estan millor posicionades per abordar aquesta heterogeneïtat.
La governança continua sent la gran assignatura pendent. L'anunci no detalla com es revisaran els outputs dels models, si els comunicats públics generats per IA han de ser aprovats per personal, si les traduccions multilingües seran validades, o si els resultats de biovigilància s'utilitzaran només per a proves o s'incorporaran a fluxos operatius reals. La directriu del NIST sobre IA generativa recomana identificar quines funcions necessiten supervisió humana i capacitar els usuaris per comprendre les limitacions del sistema. Sense aquests mecanismes, el risc d'errors amb conseqüències sanitàries greus és real. Les agències hauran d'implementar quadres de comandament amb indicadors de rendiment, precisió i biaix, cosa que pot aconseguir-se mitjançant plataformes de BI personalitzades i agents de monitoratge.
Finalment, el paper dels proveïdors tecnològics com Q2BSTUDIO en aquest ecosistema és doble: d'una banda, assessorar en la selecció de models i configuracions cloud adequats; de l'altra, desenvolupar les capes d'integració, seguretat i governança que falten en la proposta inicial. L'empresa, amb experiència en projectes d'IA, cloud AWS/Azure, ciberseguretat i BI, pot ajudar les agències de salut a traduir les ambicions del programa PULSE en implementacions robustes i responsables. Mentre la Coalició per a la Salut IA defineix els criteris d'avaluació i protecció de dades, la indústria del programari ha d'estar preparada per oferir solucions que no només siguin tècnicament sòlides, sinó també ètiques i alineades amb les necessitats reals de la salut pública.
