De la robòtica i els bessons digitals fins a l’anàlisi predictiva i la medicina de precisió, Barcelona New Economy Week (BNEW) 2026 va posar en relleu com la intel·ligència artificial està transformant tots els sectors de l’economia. Per a Mosaic Factor, una empresa especialitzada en IA sanitària, analítica avançada i solucions d’IA fiables, l’esdeveniment va oferir informació valuosa sobre alguns dels reptes més importants als quals s’enfronta avui la innovació sanitària.
IA sanitària a BNEW 2026: medicina de precisió, explicabilitat i mitigació dels biaixos
La IA al centre de la nova economia
La setena edició de Barcelona New Economy Week (BNEW) va tenir lloc del 5 al 7 d’octubre de 2026 a DFactory Barcelona. Organitzat pel Consorci de la Zona Franca de Barcelona, l’esdeveniment va reunir centenars d’experts, innovadors i empreses emergents de vuit sectors: intel·ligència artificial, salut, energia, agroalimentació, aviació i espai, ciència, talent i videojocs.
Enguany, la intel·ligència artificial va tenir per primera vegada un programa propi, després de sis edicions en què havia estat un tema transversal. Les sessions van explorar com la IA està transformant l’ocupació, els models de negoci i els processos de presa de decisions, amb aportacions d’organitzacions com el Barcelona Supercomputing Center, Oracle i Ibercaja.
La influència de la IA va anar molt més enllà del programa específic. El programa de Salut va mostrar l’automatització i la robòtica quirúrgica en directe. Les sessions d’Energia es van centrar en el paper creixent de les dades i la IA en la transició energètica. Arreu del recinte, robots humanoides, robots col·laboratius i simuladors de mobilitat autònoma van demostrar la rapidesa amb què la IA passa dels entorns de recerca a les aplicacions reals.
Per a Mosaic Factor, BNEW va oferir una visió valuosa de cap a on avança la innovació en IA en múltiples sectors. Molts dels temes tractats —com ara la IA fiable, la qualitat de les dades, la robòtica, l’anàlisi predictiva i els bessons digitals— estan directament relacionats amb els reptes que abordem en els nostres projectes.
Tendències d’IA a BNEW 2026
En les sessions d’IA, Salut, Energia i Indústria van sorgir diversos temes comuns:
- Adopció creixent de sistemes de suport a la presa de decisions basats en IA.
- Demanda més gran d’una IA explicable i fiable.
- Ús més estès de l’anàlisi predictiva i dels bessons digitals.
- Integració de dades multimodals per oferir serveis personalitzats.
- Gran atenció a la governança, la transparència i la regulació de la IA.
Aquestes tendències coincideixen estretament amb les solucions que Mosaic Factor desenvolupa en els àmbits sanitari, de la mobilitat i de la indústria.
Tot i que la innovació en IA era visible arreu de l’esdeveniment, l’atenció sanitària va destacar com un dels àmbits en què s’espera que la IA tingui més impacte, alhora que planteja algunes de les preguntes més importants sobre fiabilitat, explicabilitat i biaixos.
IA sanitària, recerca sobre la longevitat i medicina de precisió
El 6 d’octubre, la sessió de Salut de BNEW «Longevity and Healthy Aging: Strategies for a Longer-Lived Society» va reunir investigadors i professionals clínics que treballen en genètica, neurociència i nutrició integrativa.
Més enllà de la longevitat en si, el debat va posar en relleu tendències més àmplies que estan configurant el futur de la IA sanitària:
- La transició cap a la medicina de precisió.
- La integració de fonts de dades multimodals.
- La importància de la diversitat de les dades tant en la recerca clínica com en els sistemes d’aprenentatge automàtic.
La taula rodona va abordar tres avenços amb implicacions directes per a la IA sanitària:
- Epigenètica: l’estil de vida i l’entorn influeixen en la manera com s’expressen els gens.
- Tractament personalitzat i multimodal: combinació d’intervencions adaptades a cada persona.
- Representativitat de les dades: necessitat de disposar de poblacions de recerca i conjunts de dades més diversos.
Cadascun d’aquests reptes està estretament relacionat amb la feina de Mosaic Factor en anàlisi predictiva i sistemes de suport a les decisions clíniques, en què la fiabilitat dels models depèn de la qualitat, la diversitat i la representativitat de les dades disponibles.
. 
Genètica i epigenètica: com l’estil de vida influeix en l’expressió gènica
Un dels participants a la taula rodona va utilitzar l’analogia d’un joc de cartes per explicar la relació entre genètica i epigenètica. Cada persona rep una mà de cartes en néixer i hereta la meitat dels gens de cada progenitor. Aquestes cartes no es poden canviar, però sí la manera de jugar-les.
L’epigenètica descriu com els factors ambientals i de l’estil de vida influeixen en el fet que determinats gens s’activin o romanguin silenciats. L’activitat física, l’alimentació, la qualitat del son i la gestió de l’estrès tenen un paper important en els resultats de salut a llarg termini.
En el debat es va assenyalar que una proporció considerable dels casos de demència està associada a factors de risc modificables. Cada vegada hi ha més recerca que mostra que l’envelliment saludable no es pot explicar únicament per la genètica. Més aviat, sorgeix de la interacció entre les predisposicions genètiques, les decisions relacionades amb l’estil de vida i les condicions ambientals al llarg de la vida.
En l’àmbit de la IA sanitària, això reforça la necessitat de models capaços d’integrar múltiples fonts d’informació, en lloc de dependre d’una sola variable o d’un únic conjunt de dades.
Tractament personalitzat i multimodal per a un envelliment saludable
La taula rodona va remarcar que cap intervenció per si sola no pot abordar eficaçment l’envelliment. Les estratègies més prometedores són multimodals: combinen diferents enfocaments terapèutics i els adapten a les característiques de cada persona.
El sexe biològic, l’ascendència, l’edat i els antecedents clínics influeixen en la resposta dels pacients a les malalties i als tractaments. Per això, la recerca sobre longevitat convergeix cada vegada més amb els principis de la medicina de precisió, que té com a objectiu oferir la intervenció adequada al pacient adequat en el moment adequat.
Aquest mateix canvi de paradigma està transformant la IA sanitària. Els sistemes moderns d’IA han d’integrar cada vegada més dades clíniques, genòmiques, d’imatges i de comportament per donar suport a recomanacions més personalitzades i rellevants.
Biaixos en la IA sanitària: per què és important la diversitat de les dades
La conclusió més significativa per a Mosaic Factor tenia a veure amb la composició dels conjunts de dades que sustenten tant la recerca clínica com els models d’IA.
Segons els ponents, bona part del coneixement actual sobre l’envelliment continua derivant d’estudis amb persones d’ascendència europea. Altres poblacions continuen estant relativament infrarepresentades, malgrat la seva considerable diversitat genètica. Això té conseqüències pràctiques: els tractaments i les intervencions que funcionen bé en una població poden no donar els mateixos resultats en una altra.
El mateix repte s’aplica directament a la IA sanitària.
Un model d’aprenentatge automàtic només pot aprendre de les dades amb què s’entrena. Si determinades poblacions estan infrarepresentades, el model pot obtenir un bon rendiment mitjà i, tot i així, ser sistemàticament menys precís per a alguns grups. En l’àmbit sanitari, això pot contribuir a resultats clínics desiguals i a una confiança més baixa en els sistemes d’IA.
A mesura que la IA s’integra cada vegada més en els fluxos de treball clínics, garantir la qualitat i la representativitat de les dades deixa de ser només un repte tècnic i esdevé també una exigència ètica i normativa.
Com desenvolupem una IA sanitària fiable a Mosaic Factor
A Mosaic Factor, una IA sanitària fiable comença amb la qualitat de les dades, l’explicabilitat i una validació rigorosa. A mesura que les organitzacions sanitàries adopten sistemes de suport a la presa de decisions basats en IA, reduir els biaixos i garantir la transparència esdevé essencial tant per a la confiança clínica com per al compliment normatiu.
El nostre enfocament es basa en cinc pràctiques fonamentals:
- Avaluar la representativitat des del principi. Abans de desenvolupar un model, analitzem qui està inclòs en el conjunt de dades i qui hi falta, tenint en compte factors com el sexe, l’edat, l’ascendència i el perfil clínic.
- Validar el rendiment per subgrups. La precisió global no és suficient. Avaluem com funcionen els models en diferents poblacions per identificar possibles desigualtats abans de desplegar-los.
- Explicar cada predicció. Mitjançant la IA explicable (XAI), els professionals sanitaris poden comprendre quins factors han contribuït més a una predicció i incorporar aquesta informació al seu criteri clínic.
- Comunicar la incertesa. Busquem quantificar i comunicar els nivells de confiança dels resultats dels models. Aquest principi també guia la nostra feina fora de l’àmbit sanitari, incloses les aplicacions de previsió d’energia i autonomia desenvolupades dins del projecte Twin-Loop. Els sistemes d’IA haurien de poder indicar quan operen fora de les condicions representades en les dades d’entrenament.
- Col·laborar amb socis clínics i de recerca. Treballar estretament amb hospitals, centres de recerca i professionals clínics ajuda a garantir que les solucions d’IA continuïn sent pertinents, estiguin validades i se centrin en l’expertesa humana.
Medicina de precisió i IA responsable: un repte compartit
BNEW 2026 va reforçar un missatge visible en els programes d’IA, Salut i Indústria: les organitzacions estan passant d’explorar què pot fer la IA a desplegar sistemes que han de ser fiables, explicables i capaços de funcionar en entorns reals complexos.
En l’àmbit sanitari, això significa combinar el potencial de la medicina de precisió amb enfocaments rigorosos sobre la qualitat de les dades, la transparència i la mitigació dels biaixos. Els mateixos fonaments que afavoreixen una recerca millor també permeten una IA millor.
El futur de la IA sanitària dependrà no només d’algoritmes més potents, sinó també de dades millors, més transparència i una col·laboració més sòlida entre professionals clínics, investigadors i proveïdors tecnològics.
A Mosaic Factor, aquests principis guien el disseny i el desplegament de les nostres solucions d’IA sanitària, des de l’anàlisi predictiva i les eines de suport a les decisions fins a les aplicacions d’IA explicable desenvolupades conjuntament amb organitzacions sanitàries i de recerca.
Esdeveniments com BNEW ens ajuden a mantenir-nos al corrent de les últimes innovacions en IA, les regulacions emergents i els avenços científics que configuraran el futur de l’atenció sanitària basada en dades.
Agraïm al Consorci de la Zona Franca de Barcelona i a tots els ponents aquest esdeveniment tan enriquidor, i esperem continuar aquestes converses a mesura que s’accelera l’adopció de la IA en l’atenció sanitària i en altres sectors essencials.