Dos estudiantes de la Universitat Politècnica de València, Joaquín Berenguer y Sergio Tordera, crearon LiveR junto al Instituto de Investigación Sanitaria La Fe. El sistema usa inteligencia artificial para ayudar a elegir la combinación más adecuada entre un órgano donado y los pacientes en lista de espera.
El hallazgo busca complementar al modelo MELD, una puntuación que mide la gravedad médica del receptor. Hasta ahora, ese mecanismo ha sido la pieza clave para priorizar a quienes corren mayor riesgo, aunque no siempre refleja qué trasplante tendrá mejores resultados con el paso de los años.
LiveR no reemplaza a los médicos. Funciona como un asistente computacional que ordena información compleja y entrega un informe explicable antes de que el equipo sanitario tome la decisión final.
Un selector de compatibilidades, no una máquina que decide
MELD actúa como una alarma que indica qué habitación necesita luz con mayor urgencia. LiveR, en cambio, revisa también el cableado: comprueba si esa corriente puede llegar de forma segura y estable a cada rincón.
La clave no es solo saber quién necesita antes el órgano, sino qué donante y receptor pueden funcionar mejor como conjunto. Cuando se comunica la disponibilidad de un hígado, la plataforma analiza múltiples combinaciones en tiempo real.
Para hacerlo, emplea aprendizaje automático, sistemas que detectan patrones a partir de ejemplos previos. Sus modelos calculan la supervivencia del injerto, es decir, cuánto podría funcionar el órgano trasplantado, la supervivencia global del paciente y la estancia hospitalaria esperada.
Después genera curvas de supervivencia, gráficos que muestran cómo puede cambiar la probabilidad de seguir con vida a lo largo del tiempo. El resultado combina la urgencia clínica con la compatibilidad biológica y clínica de cada posible pareja entre donante y receptor.
Este enfoque puede ser relevante en un contexto donde la escasez de órganos hace crecer las listas de espera y donde incluso se han denunciado posibles irregularidades en su gestión. La herramienta pretende aportar un engranaje adicional de transparencia, sin convertir una decisión médica en una operación automática.
El sesgo histórico que obligó a corregir el algoritmo
El proyecto también reveló un límite central de la inteligencia artificial sanitaria: los datos antiguos pueden conservar problemas que ya cambiaron. Al entrenar LiveR con registros históricos del Hospital La Fe, el algoritmo daba demasiado peso a los pacientes con hepatitis C.
La explicación estaba en el pasado. Desde 2015, los antivirales de acción directa, medicamentos que bloquean el virus de forma específica, redujeron la prevalencia de la hepatitis C hasta un 75%, pero los registros anteriores seguían mostrando una realidad distinta.
Por eso, Berenguer y Tordera tuvieron que recalibrar manualmente las ponderaciones, es decir, el valor que el sistema asignaba a cada variable. La corrección deja una enseñanza clara: la IA puede detectar patrones, pero necesita supervisión humana para distinguir entre una fotografía vieja y el presente.
LiveR ganó el máximo galardón de la categoría general de los II Premios Nacionales de Inteligencia Artificial, celebrados en el Samsung Innovation Campus Summit 2026 de Madrid. El jurado eligió el proyecto entre 60 propuestas universitarias por su aplicabilidad técnica y su posible impacto clínico.
“El reto actual de la IA es transformar su potencial en soluciones útiles, responsables y fiables para las personas”, sostuvo Elena Fernández Angulo, directora de Marketing Corporativo y Comunicación de Samsung Electronics Iberia.
Ahora, sus creadores trabajan con La Fe para llevar la prueba de concepto a la práctica hospitalaria. El camino exige validación clínica y regulación, pero la oportunidad ya está sobre la mesa: usar mejor cada órgano disponible para que, cuando se encienda la alarma, también esté preparado el cableado.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
