ODELIA: la red europea open source que entrena IA médica sin mover datos de pacientes
El consorcio ODELIA reúne 12 socios de 7 países para entrenar modelos de detección de cáncer de mama en RM mediante swarm learning. Es investigación activa, no un producto clínico certificado todavía.
La soberanía de datos en salud tiene un ejemplo concreto en ODELIA, un proyecto paneuropeo open source que entrena algoritmos de detección de cáncer de mama en resonancias magnéticas mediante swarm learning: cada hospital entrena localmente y solo comparte actualizaciones del modelo, nunca imágenes de pacientes. El consorcio reúne 12 socios de 7 países, según su web oficial odelia.ai.
El framework técnico se llama MediSwarm (GitHub: KatherLab/MediSwarm) y usa NVIDIA FLARE para coordinar el entrenamiento federado. En 2026 el proyecto presentó un visor web open source para evaluar modelos de IA en RM de mama y participó en el European Congress of Radiology. Esto es investigación avanzada, no un anuncio de un producto clínico listo para sustituir sistemas comerciales certificados.
Otros proyectos abiertos reales en imagen médica europea
- Kaapana (DKFZ, Alemania): toolkit open source para plataformas de IA en imagen médica; instalado en hospitales alemanes.
- VoxTell (MIC-DKFZ): segmentación 3D con prompts de texto libre; aceptado en CVPR 2026.
- RadFinder (Universidad de Friburgo): modelo visión-lenguaje para TAC; aceptado en MICCAI 2026.
Ninguno de estos proyectos equivale a «once hospitales publican pesos que igualan a los tres líderes comerciales», como se afirmaba en versiones anteriores de este sitio. Lo real es un ecosistema creciente de modelos abiertos y federados que compiten en investigación y validación, pero el camino regulatorio hacia uso clínico rutinario sigue siendo largo.
Escenario hipotético: IA abierta en un hospital público español
En un escenario plausible para 2028–2030, un hospital público español podría ejecutar un fork de MediSwarm en sus servidores, entrenar un modelo de RM con datos locales y someterlo a validación clínica ante la AEMPS. El ahorro en licencias sería real, pero el coste de validación, integración PACS y responsabilidad clínica seguiría siendo significativo. La ventaja no es «gratis», sino auditabilidad y control del dato.
La soberanía sanitaria pasa por poder inspeccionar los modelos que apoyan decisiones clínicas, no solo por comprar el software más caro.
— Principio rector del consorcio ODELIA
Fuentes consultadas
- odelia.ai — consorcio, objetivos y entregables del proyecto.
- GitHub KatherLab/MediSwarm — documentación técnica.
- Kaapana.ai — toolkit DKFZ para plataformas de IA médica.
