THIASES es un proyecto que desarrolla un framework innovador para facilitar la puesta en producción de modelos de Inteligencia Artificial (IA) en el ámbito de la salud. Este entorno tecnológico tiene como objetivo optimizar y automatizar el ciclo de vida de los modelos de IA, desde la recopilación y limpieza de datos hasta su despliegue, validación y monitorización continua. La tecnología central del proyecto permite integrar herramientas avanzadas que agilizan procesos críticos, como el empaquetado y despliegue de modelos, la comunicación con sistemas hospitalarios mediante estándares como HL7 y PACS, y la visualización de resultados en entornos web interactivos. Además, incorpora funcionalidades clave para el análisis de datos médicos, ya sean imágenes, datos genómicos o clínicos, mejorando la precisión, eficiencia y adaptabilidad de los modelos generados. Los casos de uso, como el cáncer de mama, la diabetes tipo 2 y la leucemia mieloide aguda, se emplean como ejemplos prácticos para validar las capacidades del framework. Cada caso abarca etapas específicas, como la detección, segmentación, predicción de riesgos y monitorización, permitiendo validar el impacto de esta tecnología en entornos reales. THIASES representa un avance hacia la medicina personalizada, reduciendo la complejidad técnica para empresas del sector salud y permitiendo un acceso más amplio a soluciones de IA seguras, eficientes y escalables.

El objetivo de THIASES es la creación de un framework de puesta en producción de modelos de inteligencia artificial (IA) dirigido al sector de la salud. Desde ITI, se pretende desarrollar un framework que facilite el desarrollo de soluciones basadas en Inteligencia Artificial, permitiendo que lleguen al mercado de manera más rápida y garantista. La Inteligencia Artificial está adquiriendo un rol cada vez más relevante en la cadena de valor de prestación de servicios de salud. Sin embargo, gran parte del desarrollo de las herramientas y los modelos tiene una parte artesanal que el equipo de ITI está trabajando para automatizar y hacer llegar a las empresas tecnológicas dedicadas al sector salud. Para ello, aplicamos las herramientas de dicho framework a diversas tipologías de modelos que se encuentran en distintas etapas de su ciclo de vida y así comprobar sus resultados. Esto permite validar la construcción de las herramientas que componen el framework y, además, se espera mejorar las capacidades en la creación de modelos a partir de la experimentación en casos de uso, lo que marca el inicio del camino hacia su monitorización y mejora continua. se espera evolucionar las herramientas mencionadas y añadir nuevas para optimizar el tiempo que el personal técnico dedica en la construcción y puesta en marcha de estos modelos, reduciendo el tiempo necesario para realizar todo este proceso