Etiqueta: educacion para la salud

La inteligencia artificial (IA) está cambiando al mundo de manera radical. El ámbito del cuidado de la salud es una de esas áreas que está siendo profundamente impactada por las aplicaciones de los nuevos modelos de IA generativa.

Sí, es esperable que muy poco tiempo el ejercicio de la medicina experimente profundos cambios. Así que si eres doctor o doctora, estudiante de medicina o enfermera, te conviene leer esto antes de que la inteligencia artificial se siente en tu escritorio. Pero si eres paciente, seguro te interesará conocer a quien dentro de poco tomará tus exámenes y también hará tu receta.

En este artículo* hemos resumido todo lo que debes saber de la inteligencia artificial, y específicamente sobre su aplicación en el ámbito de la medicina. Iniciaremos con una breve reseña sobre el origen y las aplicaciones iniciales de esta tecnología, luego trataremos algunos conceptos básicos antes de pasar al uso de la IA en la esfera sanitaria.

Busca comodidad y dedícale los próximos 15 minutos a conocer como el futuro llegó a tu consultorio.

Alguien está usando la IA… contigo.

Antes de continuar quiero plantearte unas preguntas ¿Has usado la IA al menos una vez en tu vida? ¿Actualmente empleas alguna función de inteligencia artificial en tu día a día? ¿La usas minuto a minuto?

Comienzo con esas preguntas porque no pocas personas aún piensan que la IA nada tiene que ver con ellas. Asumen que es un tema que tiene escasa relevancia en su día a día personal y profesional. Si es ese tu caso, permíteme decirte que estás completamente equivocado, y ahora te lo voy a demostrar.

Hoy la IA está presente en cada segundo de tus interacciones en las redes sociales y los contenidos que te salen en el feed de TikTok, Facebook o Instagram. También en la composición y análisis de tus búsquedas en internet, en el monitoreo de tus desplazamientos diarios y los lugares que visitas, así como en esas sugerencias personalizadas de contenidos que te hace tu perfil en Youtube o tu cuenta de Netflix o Spotify.

Hay empresas y agencias que, por medio de funcionalidades IA interactúan continuamente contigo, mayormente en secreto, a través de tus propios dispositivos. Así pueden saber tus gustos, inclinaciones y afiliaciones, tus hábitos de consumo y patrones de conducta. Pero también todos los días estás expuesto a recursos que han sido generados por IA en forma de texto, fotos y vídeos, como parte de campañas de marketing con contenidos persuasivos para modelar nuestros gustos, opiniones y decisiones.

Sí, todos “usamos” la inteligencia artificial más de lo que creemos, o al menos hay gente allá fuera que todo el tiempo está usando la IA contigo.

Inteligencia artificial: la misma edad de tu abuelita

La idea de máquinas que puedan razonar no es nueva y es algo recurrente en la literatura, el cine y se puede rastrear incluso hasta en la mitología. Pero uno de los referentes iniciales en el ámbito académico y científico, fue el matemático Alan Turing, célebre por liderar aquel grupo que durante la II Guerra Mundial, logró decodificar exitosamente las transmisiones del régimen Nazi.

En 1950 Turing planteó en su famoso artículo Computing Machinery and Intelligence la pregunta: “¿Pueden pensar las máquinas?”. El sostenía que en el futuro habrían computadoras capaces de pensar y comunicarse con los seres humanos, así que describió algo que luego ha sido conocido como “Test de Turing”. Se trata de un experimento para probar la inteligencia de una máquina y que consiste en lo siguiente:

• Se prepara una conversación escrita entre un evaluador o juez humano con dos interlocutores ocultos: uno de ellos es un ser humano y el otro una máquina inteligente.
• El evaluador hace preguntas libremente a ambos, sin saber quién es quién.
• Si después de un tiempo razonable el evaluador no puede distinguir con certeza cuál de los dos es la máquina, ella ha pasado la prueba y se puede entonces considerar como una máquina pensante.

En otras palabras, el Test de Turing evalúa si una máquina puede imitar el comportamiento conversacional humano por escrito hasta el punto de resultar indistinguible de una persona real. Por mucho tiempo algunos consideraron que esto era algo que nunca saldría de la ciencia ficción. Sin embargo, hoy en día varios modelos de IA se acercan muchísimo a eso, incluso no solo comunicándose por escrito sino mediante lenguaje verbal. Por tanto, actualmente el test es visto más como un hito histórico y filosófico que como un criterio suficiente para definir “inteligencia”.

Otro momento fundacional de la I.A fue la Conferencia de Dartmouth College en New Hampshire. Este fue un evento celebrado en 1956, por iniciativa de John McCarthy y financiado por la Fundación Rockefeller que reunió a algunos brillantes expertos de la época. Allí fue donde se acuñó el término «inteligencia artificial». Sin embargo, en aquel momento las computadoras disponibles era enormes, lentas, extraordinariamente caras y muy escasas así que durante décadas, el avance fue lento y muchas veces intermitente, con periodos de entusiasmo y otros de escepticismo, conocidos como “inviernos de la IA”.

A fines del pasado siglo 20 se hicieron avances en las redes neuronales artificiales multicapa lo cual inició el llamado “machine learning”. Esto dio la posibilidad de que las computadoras además de calcular y reproducir datos, puedan aprender y analizar.

Fue así como «Deep Blue» un sistema creado por la empresa IBM se enfrentó en 1996 con Garry Kasparov, en ese entonces flamante Campeón Mundial de Ajedrez. Deep Blue le ganó la primera partida del mini-torneo pero al final Kasparov venció en el duelo con 3 victorias y dos empates. Sin embargo al año siguiente hicieron un torneo revancha y Deep Blue se impuso con 3 victorias, dos derrotas y un empate. La máquina había mejorado su nivel de juego porque ¡había aprendido!

Otro hito fue el logrado por la compañía DeepMind propiedad de Google y una de las primeras empresas surgida para dedicarse exclusivamente a la investigación y desarrollo de la inteligencia artificial. Ellos desarrollaron una red neuronal a la que llamaron AlphaGo. Este software de I.A era capaz de jugar Go, un complejo juego mental de mesa, muy popular en Asia , y que algunos dicen es muchísimo más complejo que el Ajedrez por su riqueza combinatoria.

En 2014 AlphaGo se midió con el entonces campeón mundial, el coreano Lee Sedol y lo derrotó. Pero lo aún más sorprendente para los analistas y el público fue que DeepMind ejecutó estrategias que nunca antes habían sido vistas o documentadas y que por tanto no habían podido ser enseñadas por sus ingenieros desarrolladores ni entrenadores: la máquina era capaz de crear nuevos datos y generar  resultados originales.

Pero el verdadero punto de inflexión de la IA es aún más reciente y ocurrió gracias el crecimiento exponencial de la capacidad y la velocidad de cómputo. Eso lo permitió el perfeccionamiento de hardware cada vez más potente, así como el desarrollo de aplicaciones en la nube (cloud computing), la creación de redes neuronales artificiales profundas (deep learning) y la generación masiva de datos digitales (big data).

Quizás la primera aplicación práctica de la IA con fines comerciales son los algoritmos de análisis masivo de datos que son usados desde hace muchos años en plataformas informáticas como el buscador de Google, y en las de comercio electrónico como Amazon. La IA además forma parte del algoritmo que tiene cada red social para identificar tus gustos y darte más de eso mismo para mantenerte enganchado a ella. Así como para poner frente a tus ojos publicidad específica de productos o servicios. También desde hace algún tiempo la IA se usa con fines bastante perturbadores como su aplicación en los sistemas de identificación de rostros mediante video-vigilancia que usa a gran escala el régimen totalitario chino.

Sí, ya desde hace varios años la IA tiene usos en varios ámbitos pero hasta hace poco la IA era solo una especie de “ingrediente”. Algo que estaba incluido y mezclado en servicios y productos informáticos sin que los usuarios finales lo entendiésemos bien. Sin embargo, desde hace unos 3 años hemos presenciado un salto histórico: el nacimiento de modelos de lenguaje de gran escala y la I.A generativa. Ahora nos la han puesto en la mesa a modo de “plato fuerte” en forma de herramientas con las que cualquier persona puede interactuar gratuitamente e incluirla en sus proyectos personales.

Resulta que como veremos más adelante, la IA ya no solo son puede analizar y procesar datos a gran escala como parte de un algoritmo. En su lugar, los actuales modelos de IA generativa son capaces de interpretar el lenguaje humano y también de generar nuevos datos en forma de texto, imágenes, audio, vídeo e incluso código informático. Todo ello con un nivel sorprendente de rapidez, coherencia y progresiva precisión. Y sí, cualquiera de nosotros puede beneficiarse de eso, incorporarlo a su vida diaria, a su desempeño profesional y hasta encontrar formas creativas de sacarle dinero.

Conceptos básicos para entender las IAs actuales

Quizás la definición más sencilla de la inteligencia artificial actual es que son un desarrollo tecnocientífico que dota a ciertas máquinas computadoras de capacidades para realizar procesos complejos que antes solo podían ser realizadas por el cerebro humano.

Pero para clarificar más el asunto vamos a tomar como base el concepto emitido por el High Level Expert Group on Artificial Inteligence de la Comisión Europea. Esa definición la hemos mejorado y estructurado en 7 items que dan una respuesta algo más exacta sobre la IA.

¿Qué es la inteligencia artificial?

Podemos decir que las aplicaciones de I.A generativa son herramientas basadas en sistemas de software y hardware entrenados para emular la inteligencia humana y ser capaces de:

1) APRENDER y

2) COMPRENDER el lenguaje natural para

3) ADQUIRIR, INTERPRETAR y PROCESAR continuamente nueva información, tanto desde fuentes digitales como del entorno físico real. De ese modo es capaz de

4) INTERACTUAR con los seres humanos y con otras herramientas,

5) IDENTIFICAR y ACEPTAR o DECIDIR METAS y poder

6) ESCOGER el orden y la mejor ruta de tareas para ALCANZAR LOS OBJETIVOS,

7) GENERAR NUEVOS DATOS y PRODUCTOS creativos, racionales y con influjo emocional o EJECUTAR ACCIONES LÓGICAS en el ámbito digital o en el mundo real.

La inteligencia artificial generativa es una herramienta, pero una cualitativamente distinta a todas las creadas por el ser humano: es una herramienta capaz de perfeccionarnos y de perfeccionarse a sí misma. Nunca antes en la historial de la humanidad habíamos creado algo así.

Cómo las computadoras aprendieron a pensar:

Para comprender mejor de donde sale todo esto, vamos a describir brevemente algunas definiciones clave que explican cómo se ha logrado que las computadoras sean capaces de ser entrenadas para aprender, entendernos y hacer cosas que hasta ahora solo se le atribuían a la mente humana:

• Redes Neuronales Artificiales (RNA): modelos matemáticos inspirados en el funcionamiento del cerebro humano, formados por “neuronas” conectadas entre sí, que procesan información en capas sucesivas para realizar tareas como clasificación, predicción o generación de contenido.

• Machine Learning (aprendizaje automático): rama de la inteligencia artificial que permite a las computadoras aprender de los datos y mejorar su desempeño en una tarea sin estar programadas explícitamente para cada caso.

• Deep Learning (aprendizaje profundo): subcampo del machine learning que utiliza redes neuronales con muchas capas (profundas) para reconocer patrones complejos en grandes volúmenes de datos, como imágenes, voz o texto.

• Procesamiento de Lenguaje Natural (PLN): es lo que ha permitido que la I.A pueda comprender nuestro lenguaje natural humano, tanto el escrito, como el verbal e incluso el simbólico. Para lograrlo se utilizan procedimientos técnicos complejos que combinan elementos de la informática con la lingüística y el aprendizaje automático.

La IA que tenemos ahora:

El desarrollo de la inteligencia artificial ha sido un largo camino de décadas, gracias al esfuerzo y el entusiasmo de mentes humanas brillantes. Ahora conceptos desarrollados en las últimas décadas por han hecho posible que hoy tengamos herramientas de IA generativa:

• Modelos de IA generativa: son sistemas matemáticos que usan todos los conceptos que te hemos descrito antes. Ellos son entrenados con grandes volúmenes de datos y luego son capaces de interactuar con nosotros, reconocer patrones, hacer predicciones o generar nuevo contenido. Actualmente son capaces de ver, escuchar y entender el entorno (mediante fotos, cámaras y sensores) y hablar. Pero lo principal es que pueden generar nuevos productos multimodales en forma de texto, imágenes, música y vídeo.

Algunos ejemplos de los modelos de IA generativa más conocidos son ChatGPT, Microsoft Copilot, Gemini y Grok. A ellos puede acceder cualquier persona, tanto en sus sitios en internet como en forma de aplicaciones o “Apps” que podemos descargar y usar en nuestros teléfonos. Todos tienen variantes gratuitas, así como también versiones de pago con funciones adicionales.

A este tipo de modelos de IA generativa los expertos le llaman técnicamente LLM (Large Language Model) o “modelos de lenguaje de gran escala” por haber sido entrenados con millones de textos (básicamente se han leído casi todos los libros del mundo). Sin embargo, más recientemente algunos entendidos prefieren denominarle MLLM (Multimodal Large Language Model). Así quieren dejar claro que los LLM han evolucionado y ahora entienden y también generan no solo texto, sino también imágenes, audio y video. Como más adelante veremos esto ya tiene, y sobre tendrá, numerosas aplicaciones en la medicina.

Según su funcionalidad los LLM pueden ser modelos I.A conversacionales que funcionan como un chat, tal es el caso de ChatGPT, Gemini, Grok o Claude. Pero otros tienen un mayor enfoque funcional como buscadores de información, tal y como lo es Perplexity. También existen modelos I.A agénticos que son sistemas de IA que no solo generan respuestas, sino que pueden tomar decisiones autónomas, ejecutar acciones complejas en forma de procesos.

Respecto al área principal de desempeño, los modelos I.A pueden ser modelos generalistas como Gemini o Grok que son capaces de realizar diferentes funciones. Pero también hay modelos especializados para realizar una tarea específica como generación de imágenes (Nano banana, Midjourney, DALL-E 3, Stable Diffusion, Leonardo AI), generación de vídeo (Sora 2, Veo 3, Runway, Synthesia) o de música (Suno, Udio, Mubert, Boomy). Dentro de los modelos especializados están los de un uso médico como los desarrollados para buscar información científica relevante, informar estudios tomográficos o sugerir un diagnóstico a partir de los síntomas y signos.

• Prompt: este es otro concepto importante para el uso actual de las IA. Promts son las instrucciones, preguntas o solicitudes que se le proporciona a un programa de inteligencia artificial (IA) para que genere una respuesta o realice una tarea específica, como redactarte un documento, crearte una ilustración, editarte una foto o generar código de software. La calidad del prompt influye directamente en la calidad de la respuesta de la IA, por lo que es esencial que sean instrucciones claras, detalladas y proporcionen suficiente contexto para guiar al modelo de IA a obtener los resultados deseados. 

Hasta hace poco las instrucciones del prompt solo podían ser en formato de texto, sin embargo actualmente pueden ser en formato de voz natural en tiempo real. En la medida de que los modelos de IA sean cada vez más capaces, la importancia del prompt disminuirá y la IA podrá saber lo que se quiere de ella en cada momento, pero por ahora para que una IA haga lo que realmente necesitas y trabaje de forma óptima hay que saber cómo darle las instrucciones adecuadas.

A modo de resumen y para finalizar este acápite tenemos que los modelos (LLM o MLLM) de la inteligencia artificial nos prometen al menos tres beneficios principales:

1. Procesamiento de grandes volúmenes de información lo cual es sumamente difícil hacer manualmente y tomaría mucho personal, tiempo y recursos.
2. Mejora en la toma de decisiones gracias a su capacidad de detectar patrones ocultos en el análisis de los datos.
3. Automatización de procesos y aceleración de tareas con ahorro de tiempo y mayor eficiencia de recursos. 

Las IAs que vienen (y con un pelín de escalofríos)

Y ahora te cuento lo que algunos predicen podrá lograrse dentro de un tiempo. Agárrate del asiento porque esto que viene es fuerte.

• AGI (Artificial General Intelligence): inteligencia artificial general, es decir, una IA con capacidades cognitivas similares a las de un ser humano en todas las áreas. Llegado este momento, la IA siempre superaría con facilidad el test de Turin, independientemente de si su evaluador humano fuese un médico, un abogado, un experto en antropología filosófica, un cibernético o un ingeniero espacial. Aún no existe una AGI, pero se proyecta como un futuro posible. Incluso algunos entendidos dicen que está a la vuelta de la esquina.

• ASI (Artificial Super Intelligence): esto hipotéticamente sería un escalón aún superior: una inteligencia artificial que superaría ampliamente las capacidades humanas en todos los ámbitos. En ese nivel, los seres humanos seríamos incapaces de comprender a la IA, o sea estaríamos por debajo de su plano de capacidades de pensamiento, algo así como a un gatito se le hace imposible comprender nuestro lenguaje humano más allá de un puñado de órdenes y gestos. Es más un concepto filosófico y futurista que una realidad inmediata, pero conviene conocerlo porque plantea importantes debates éticos y de seguridad.

• La singularidad: Es una teoría que tiene por base el hipotético desarrollo futuro de esa super-inteligencia artificial (ASI) lo cual supuestamente permitiría una fusión o hibridación entre el ser humano y la IA para formar mucho más que un “cyborg”: una nueva “especie superior”. Quienes sostienen esta idea elucubran que esto se lograría implantando la IA en las personas (implantando chips en el cerebro) o incluso migrando completamente la mente humana a las máquinas.

Estas ideas que suenan bastante locas y sacadas de la serie The mirror, obedecen a un movimiento muy heterogéneo y con tintes ideológicos desarrollado desde la primera mitad del siglo pasado por teóricos y entusiastas como el biólogo Julien Huxley, primer director general de la UNESCO o más recientemente por Ray Kurzweil . El transhumanismo o  posthumanismo, se basan en la necesidad de “perfeccionar” o incluso superar (¿sustituir?) al ser humano actual, ya sea por la vía biológica con intervenciones farmacológicas y manipulación genética, o por la vía de hibridación cibernética.

Los objetivos según sus impulsores, serían prolongar la vida (o incluso superar la muerte), expandir capacidades y habilidades y mejorar la calidad de vida. Pero esa transformación sería tan radical que según ellos no se limitaría a una mejoría de las personas (algo a lo que el ser humano siempre ha aspirado) sino a acceder a otro estado que ya no se consideraría simplemente “humano” y crear una sociedad superior posthumana. Sí, asusta un poco ¿verdad?

Aplicaciones de la inteligencia artificial en medicina

Los modelos de IA generativa se están abriendo paso rápidamente en todos los campos de la medicina. Es un proceso indetenible y que modificará la medicina para siempre:

• Educación y capacitación médica: la IA actual es capaz de crear materiales didácticos y contenido educativo como temarios, programas de estudio,  resúmenes y bancos de preguntas. También puede crear simulaciones de casos clínicos con los que es posible interactuar como si se tratase de un paciente real, algo que ya perfectamente posible. Así mismo, puede servir de tutor personalizado y asistente educativo.

• Investigación: las herramientas de IA ya están teniendo un papel relevante en la investigaciónclínica, en el campo de la epidemiología y en el de la investigación básica.Los modelos IA pueden facilitar la revisión de literatura científica, diseñar los protocolos de investigación, facilitar la recolección de datos, hacer el análisis estadístico y ayudar en la redacción de los informes finales de investigación. En lo relativo a las ciencias básicas, algunos modelos de IA son capaces de hacer complejas modelaciones y facilitar la creación de nuevas moléculas y polímeros. Con esto se abre la esperanza de acelerar el desarrollo de nuevos medicamentos, biomarcadores diagnósticos, productos biotecnológicos y biopolímeros con aplicación en la nanotecnología, la ingeniería de tejidos y la trasplantología.

• Área administrativa: la IA puede favorecer la optimización de recursos, la planeación de horarios y la gestión del personal. También pueden llevar los inventarios de medicamentos e insumos y evaluar variables estadísticas de gestión hospitalaria como el índice de ocupación y rotación de camas haciendo más eficiente la dinámica hospitalaria. Estas herramientas también pueden asumir funciones de auditoría médica, así como la codificación automática, la redacción y la revisión de historias clínicas electrónicas.

• Área clínica: el diagnóstico asistido por IA es ya una realidad en varias especialidades como imagenología, cardiología, dermatología, oftalmología y anatomía patológica. La IA puede acelerar el flujo de trabajo, mejorar la productividad y la precisión diagnóstica. También se ha demostrado que puede facilitar el análisis de exámenes como el electrocardiograma, los estudios de imagen y los de laboratorio.

Todo esto permitirá lo que algunos llaman “asistencia clínica aumentada” que consiste en una especie de asistentes clínicos IA en tiempo real. Estos acompañarán al médico durante la consulta, sugiriendo diagnósticos, alertando sobre interacciones medicamentosas y generando notas clínicas automáticamente.

Actualmente se está integrando la IA a los llamados “dispositivos vestibles” o weareables como anillos, pulseras y relojes inteligentes o smartwatch. Esto mejorará las funciones de monitoreo de parámetros vitales en tiempo real y detección precoz de enfermedades o complicaciones y alertar al médico de cabecera o a los servicios de emergencia.

• Medicina personalizada: la capacidad de procesamiento de grandes volúmenes de datos en muy corto tiempo puede facilitar el desarrollo de aplicaciones para predecir la respuesta individual a determinados tratamientos mediante el análisis del genoma del paciente. Sí, en el futuro será posible diseñar y fabricar medicamentos específicos para la enfermedad cada persona, así como intervenciones mediante terapia génica sobre el material genético de un individuo con ciertos padecimientos. En este sentido se prevé puedan ser desarrollados “gemelos digitales del paciente: Simulaciones virtuales que permiten probar tratamientos en una réplica digital antes de aplicarlos en la vida real.

• Medicina preventiva: La IA muestra potencialidades para desarrollar modelos de riesgo individualizados en los que se analiza la genética, el estilo de vida, variables del entorno y tras determinar ciertos biomarcadores en sangre, orina o saliva podrá predecir enfermedades mucho antes de que aparezcan. Así mismo, la IA puede ayudar en la detección precoz de alteraciones subclínicas y signos poco perceptibles. De ese modo algoritmos que identifiquen patrones en alteraciones de la voz, de escritura, movimiento o microexpresiones podrían anticipar condiciones neurológicas o psiquiátricas y tratarlas antes de que progresen.

Por otro lado, la capacidad de los LLM para analizar en poco tiempo grandes volúmenes de datos le hace muy útil para campañas masivas de pesquisa o cribado poblacional y en la vigilancia epidemiológica predictiva mediante la cual la IA podrá detectar rápidamente brotes epidémicos y evitar su propagación mediante el análisis activo de los contenidos de las redes sociales, los datos regionales de la composición poblacional, las rutas, la movilidad y el clima.

• Integración tecnológica: las empresas desarrollaras de tecnologías médicas están ya integrando funciones de IA generativa en el flujo de trabajo de equipos médicos comunes como electrocardiógrafos, tomógrafos, resonadores, ecógrafos, máquinas de hemodiálisis y hasta estetoscopios. Esto será cada vez más profundo y en el futuro se expandirá aún más con los desarrollos de la robótica y las nanotecnologías. De este modo es previsible que en pocos años los modelos de IA no solo ayuden a interpretar tu ecocardiograma sino que incluso hagan ellas mismas el estudio, lo comparen con los informes previos del mismo examen y de otros tipos de estudios, así como con los datos del paciente para emitir consideraciones diagnósticas y recomendaciones terapéuticas. Paralelamente las herramientas de IA también se están integrando rápidamente en Apps de salud digital o e-Health para teléfonos inteligentes, expandiendo sus capacidades para educar y guiar a los pacientes, a sus familiares y al público general en el cuidado de la salud y el bienestar.

Pero y de todo eso ¿Qué tenemos ahora?

Las aplicaciones actuales de los modelos de IA en el ámbito médico podemos dividirlas según su disponibilidad en “abiertas” o “cerradas” al público.

Herramientas abiertas al público general o a profesionales de la salud:

Son los mismos modelos de IA generalistas a los que tiene acceso el público como Gemini, ChatGPT y Grok pero que cualquier profesional de la medicina puede aplicar a su trabajo. Pero también algunas son herramientas que han sido desarrolladas específicamente para el ámbito médico: 

• Chatbots clínicos para educación y orientación inicial: Babylon Health, Ada Health.
• Asistentes de documentación que transcriben y resumen consultas médicas: Nuance Dragon, Microsoft Copilot para salud).
• Generadores de texto médico: Med-PaLM 2 de Google (https://sites.research.google/med-palm/), que ayudan en redacción de notas, consentimientos informados o reportes. Buscadores y bases de datos científicas: PubMed GPT, OpenEvidence, Consensus.
• Análisis y síntesis de información: NotebookLM.
• Plataformas de apoyo al diagnóstico por imagen en radiología, cardiología y dermatología.

Herramientas cerradas, en investigación o con acceso restringido:

Se trata de desarrollos experimentales o de uso restringido por sus instituciones desarrolladoras.

• Modelos multimodales médicos como Med-Flamingo (DeepMind), capaces de integrar imágenes y texto clínico.
• Aplicaciones de IA para secuenciación genética y predicción de enfermedades.
• Sistemas de análisis de bigdata hospitalario para gestión poblacional.
• Modelos de predicción clínica usados en investigación (por ejemplo, predicción de riesgo cardiovascular con IA en bases de datos como UK Biobank).

Evidencia científica sobre el empleo de la IA en el ámbito médico

Muchas de las más prestigiosas revistas médicas están publicando resultados de investigaciones que validan diversas aplicaciones prácticas de la IA en salud y que muestran su enorme impacto potencial a corto plazo. A continuación te listaremos algunos resultados de investigaciones recientes:

• Diagnóstico por imagen: un metaanálisis publicado en The Lancet Digital Health (2023) mostró que los algoritmos de IA en radiología alcanzan una sensibilidad promedio del 94% para la detección de cáncer de mama, comparable a radiólogos expertos.
• Cardiología: estudios en Circulation (2022) demostraron que la IA aplicada al ECG permite detectar fracciones de eyección reducidas con una precisión superior al 90%, incluso antes de que aparezcan síntomas clínicos.
• Educación médica: en Academic Medicine (2023) se reportó que los simuladores de casos clínicos basados en LLM mejoran la capacidad diagnóstica de estudiantes en un 20% en comparación con métodos tradicionales.
• Administración hospitalaria: un estudio de la Mayo Clinic (2022) documentó que el uso de IA para optimizar la gestión de camas redujo en un 15% los tiempos de espera en urgencias.
• Redacción científica: un artículo en Nature Medicine (2024) mostró que el uso de IA generativa puede acortar en un 40% el tiempo de preparación de manuscritos médicos, siempre que exista revisión humana final.
• Investigación básica: AlphaFold, desarrollado por DeepMind y publicado en Nature (2021), logró predecir la estructura de casi todas las proteínas conocidas, revolucionando la biología molecular.

Este es un tema que estaremos ampliando en futuros artículos, así que suscríbete gratuitamente al boletín electrónico de +LATIDOS , o síguenos en las redes sociales de CÂRDIUM para que no te pierdas las actualizaciones.

Riesgos de la IA en el ámbito sanitario:

No todo es de color rosa. La IA en el área del cuidado de la salud también implica ciertos riesgos, algunos de los cuales son:

• Riesgos éticos y consideraciones legales: En esta área hay múltiples aristas sensibles que requieren un proceso de clarificación. Ejemplifiquémoslo con una simple pregunta que tiene que ver con la responsabilidad: ¿Quién responde si la IA emite un diagnóstico equivocado?  ¿el médico que la usó, el hospital donde se aplicó, la empresa que desarrolló ese modelo de IA, o la propia IA?. Otro punto sensible es el del derecho a la privacidad y la seguridad de datos, algo que no tenemos claro como se podrá manejar cuando las IAs tengan acceso a información sensible y detallada de millones de pacientes. Así mismo, un punto también discutido es el de los derechos de autor por el hecho de que en el entrenamiento de los modelos se emplean enormes volúmenes de información sin retribución para sus autores originales.
• Repercusiones laborales: sustitución de profesionales y pérdida de empleos. Actualmente en algunos países la IA está sustituyendo a miles de puestos laborales en áreas como la programación de software, los servicios de traducción, edición de textos y servicios de atención a clientes. Se estima que en un futuro no muy lejano, tal impacto alcance a los países en desarrollo y se expanda a otros campos del ejercicio profesional como el de la medicina.
• Deterioro del desempeño profesional: una excesiva dependencia de la IA podría llevarnos a descuidar nuestra formación y deteriorar o atrofiar nuestras habilidades para la toma de decisiones críticas en el ámbito clínico. De ese modo, en determinadas circunstancias seríamos incapaces de evaluar la calidad o la pertinencia de las intervenciones médicas de las IA generativas.
• Peligros de mal uso: En el ámbito de la salud la IA puede favorecer aún más algunas prácticas inadecuadas del público como el peligroso autodiagnóstico y la aún peor automedicación. También la inteligencia artificial generativa puede ser usada por individuos inescrupulosos u organizaciones criminales para idear nuevas formas de estafa, robo de datos sensibles de salud, crear nuevas drogas o armas biológicas. También el poder de la IA se puede prestar para que los gobiernos intenten ejercer mayor control sobre la población mediante la manipulación de sus percepciones y necesidades de salud.   

Barreras para las IA en la asistencia médica:

• Validación-regulación: La aplicación de la IA en el ámbito médico requiere de un riguroso proceso de validación tanto en investigaciones como en escenarios clínicos reales que logren demostrar su fiabilidad, eficacia y seguridad en un campo tan delicado como lo es el cuidado de la salud y la vida de los seres humanos. Lo anterior permitirá su integración a las guías y protocolos de práctica clínica. Pero también es preciso avanzar en su regulación formal mediante un marco legal que deslinde responsabilidades y sirva de referencia para los desarrolladores, los directivos, el personal de salud y los pacientes.
• Técnicas y logísticas: Las aplicaciones IA requieren una enorme capacidad de cómputo con un alto consumo de energía, así como de otros recursos como el agua, necesaria para enfriarlos chips donde se realiza el procesamiento. En la medida de que se expanda el uso de la IA en los diversos ámbitos ese consumo de recursos limitados será una clara barrera para su expansión.
• Culturales: la aplicación de la IA enfrenta un enorme desafío en los hábitos, prácticas culturales y prejuicios de los individuos y los colectivos. El ámbito médico no está exento de esas resistencias tanto de médicos como de pacientes y autoridades decisoras.
• Limitaciones y sesgos: si un modelo de IA generativa se entrena solo con poblaciones de ciertos países o etnias, puede fallar al intentar replicar su desempeño en otras realidades. Este es uno de los factores por los cuales la IA debe ser solo un complemento del juicio clínico humano y no su reemplazo.

¿Inteligencia artificial en vez de médicos?

Debemos asumir que la inteligencia artificial generativa provocará en muy corto plazo una de las transformaciones más importantes en la historia de la medicina. Su aplicación crecerá y se expandirá rápidamente en todas las áreas y especialidades permitiéndonos prevenir, diagnosticar y tratar de manera más rápida y eficaz, organizar mejor los sistemas de salud y acercarnos a una medicina más personalizada. Pero también exige de nosotros un esfuerzo de adaptación, así como espíritu crítico, prudencia, y un firme compromiso ético.

Existe un debate sobre si la IA llegará a sustituir por completo a los médicos humanos. Algunos rechazan de plano esa idea y asumen que se trata solo de una herramienta más. Pero estimado colega, hay algo que debemos tener claro: si la IA logra ejecutar tareas médicas de mejor manera que tú (de modo más rápido, más exacto, productivo y costo efectivo…) no cabe duda de que tus empleadores la escogerán. Si además de eso la IA también logra conectar mejor (de manera más dialógica, asertiva, didáctica y aparentemente empática) y además genera citas y atenciones sin esperar meses, pues entonces tus pacientes… ¡también la preferirán!.

De cualquier manera, en base al tema de la responsabilidad legal y la rigidez de los marcos jurídicos, es probable que la IA de momento no logre suplantarnos a todos los médicos. Eso al menos mientras las leyes exijan que alguien de “carne y hueso” deba estampar su sello y firma al pie de la página y así asumir el compromiso con el resultado de las decisiones clínicas. En efecto, el médico del futuro próximo quizás no sea reemplazado por una máquina inteligente, sino por colegas que sepan usarla mejor que el resto.

Les invito entonces colegas a reflexionar sobre nuestro papel en lo que se avizora será una transición entre paradigmas. Es preciso que desde ahora nos esforcemos en mantenernos informados y en capacitarnos para poder ir integrando la IA en nuestro trabajo asistencial diario. Eso sin descuidar lo más valioso que tenemos: el juicio clínico y la capacidad humana de conectar y cuidar a otros con empatía.

*Artículo basado en la conferencia de introducción al panel «Inteligencia Artificial Generativa en Medicina: lo que hay y lo que viene» de la Jornada Científica CardioPLAYAS 2025.

Contenidos relacionados:

• Tu médico de bolsillo.
• SALUD (en tu) MÓVIL.
• SMARTWATCH: tu ángel de pulsera.
• Presión arterial con relojes inteligentes.
• Electrocardiograma con relojes inteligentes.

---

Autor: Dr. Aldo M. Santos.

Si este artículo te ha resultado útil o interesante, COMÉNTALO y COMPÁRTELO entre tus familiares y amigos, porque alguien puede estar ahora mismo necesitándonos. Recuerda que puedes SUSCRIBIRTE y recibir por E-mail todos nuestros materiales. .

¿SABER MÁS? Si en este material no encontraste respuesta a alguna de tus dudas o inquietudes, dinos mediante este formulario de contacto y con gusto te ayudaremos.

ADVERTENCIA: Este artículo solo tiene fines educativos y en ningún caso pretende sustituir la atención médica por un profesional calificado y debidamente certificado..