Cuando la IA llega al hospital: qué cambia para médicos y pacientes

En mi columna anterior, analicé la IA médica desde una perspectiva empresarial y me centré en las oportunidades que crea para las empresas tecnológicas. Pero, más allá de su potencial para impulsar la innovación y abrir nuevos mercados, hay una pregunta más fundamental: ¿qué diferencia marcarán estas tecnologías para los médicos que las utilizan y los pacientes que dependen de ellos? Al fin y al cabo, el verdadero valor de la innovación médica reside en su capacidad para mejorar la calidad y la accesibilidad de la atención. Y ya estoy viendo cambios notables en la manera de prestarla.

Cómo la escasez de personal acelera la automatización de la atención sanitaria

Conozco a un empresario cuya empresa proporciona personal médico temporal a hospitales, incluidos enfermeros que cubren los turnos cuando los empleados habituales no están disponibles. Cabría esperar que un negocio así prosperara en un contexto de escasez persistente de personal. Sin embargo, afirma que incluso las empresas especializadas en suministrar profesionales sanitarios tienen dificultades para encontrar suficientes personas cualificadas.

Los hospitales llevan décadas enfrentándose a la escasez de médicos y enfermeros. Formar a nuevos profesionales sanitarios requiere mucho tiempo y recursos. La formación médica, sobre todo en Estados Unidos, puede ser demasiado costosa, y los años de estudio y capacitación clínica conllevan presión económica y psicológica. Incluso después de completar su formación, los médicos se enfrentan a altos niveles de estrés, una enorme responsabilidad y constantes limitaciones de tiempo.

Como consecuencia, a veces los médicos disponen de apenas unos minutos con cada paciente para revisar los síntomas, considerar posibles diagnósticos, solicitar pruebas y completar la documentación necesaria. Esta carga de trabajo aumenta el riesgo de errores y deja menos tiempo para una interacción significativa con los pacientes. Además, contratar a más personal, por sí solo, probablemente no resolverá el problema.

Por eso creo que la persistente escasez de personal y el aumento de la carga de trabajo serán algunos de los principales factores que acelerarán la adopción de la IA en los hospitales.

¿Qué pueden delegar los médicos en la IA?

Una de las aplicaciones más prácticas son los sistemas basados en IA que registran las conversaciones entre médicos y pacientes, resumen las consultas y ayudan a preparar la documentación clínica. En lugar de dedicar tiempo a escribir notas manualmente, los médicos reciben un borrador que pueden revisar y editar según sea necesario.

Los beneficios de estas herramientas ya empiezan a ser evidentes en la práctica clínica. Un estudio de abril de 2026 publicado en JAMA analizó datos de más de 8.500 profesionales sanitarios de cinco centros médicos estadounidenses. Entre los profesionales clínicos que adoptaron herramientas de documentación basadas en IA, el tiempo dedicado a las notas clínicas disminuyó un promedio del 10 %, lo que equivale a aproximadamente 16 minutos por cada período de ocho horas de consultas con pacientes programadas.

Otro ejemplo es el diagnóstico diferencial asistido por IA. Imaginemos a un paciente que acude al médico con dolor abdominal y una sensación de hormigueo en el lado izquierdo. Un sistema de IA puede analizar los síntomas y sugerir varias posibles causas que convendría investigar. No establece el diagnóstico definitivo, pero puede ayudar al médico a elaborar una lista de posibilidades, identificar preguntas de seguimiento y determinar qué pruebas podrían ser necesarias. Ya me he encontrado con herramientas de este tipo en la práctica y espero que se conviertan en parte habitual de las consultas médicas. Pero también plantean una inquietud legítima: ¿podría depender de sugerencias generadas por IA debilitar gradualmente la capacidad de los médicos para razonar de forma independiente? Cuando un sistema ofrece respuestas ya elaboradas, resulta tentador confiar en sus conclusiones, sobre todo cuando ya hay tan poco tiempo para cada paciente.

Sin embargo, también hay otra perspectiva. Por mucha experiencia que tenga un médico, sus conocimientos están inevitablemente condicionados por los pacientes que ha tratado, la formación que ha recibido y las investigaciones que ha tenido tiempo de estudiar. Los modelos de IA, en cambio, pueden identificar patrones en volúmenes mucho mayores de datos médicos, incluidos casos que quizá un médico en particular nunca haya atendido.

La IA como participante en la investigación médica

Otra área que merece explorarse son los casos clínicos complejos en los que incluso los especialistas con experiencia tienen dificultades para llegar a un consenso. Hoy en día, estos casos suelen presentarse en reuniones de revisión de casos clínicos, donde los médicos examinan los resultados de las pruebas, debaten posibles diagnósticos y acuerdan los siguientes pasos del tratamiento. No creo que la IA vaya a reemplazar estas conversaciones, pero sí puedo imaginar que se convierta en una participante más.

Esto podría llevarse a cabo de varias maneras. Varios modelos podrían analizar por separado el mismo caso clínico, lo que permitiría a los médicos comparar sus hallazgos e identificar los puntos en que coinciden o discrepan. Otra posibilidad sería que un solo modelo examinara el caso varias veces con distintos enfoques analíticos y que luego se reunieran los resultados para revisarlos.

Por supuesto, que los modelos de IA coincidan no significa necesariamente que hayan llegado a la conclusión correcta. Los modelos pueden compartir limitaciones, basarse en datos de entrenamiento similares y cometer los mismos errores. Aun así, estas perspectivas adicionales podrían ayudar a descubrir incoherencias, señalar afecciones poco frecuentes o sugerir posibilidades que los médicos no habían considerado inicialmente.

Sin embargo, para que la IA contribuya de manera significativa a este tipo de debates, debe tener en cuenta algo más que resultados de pruebas aislados. He comprobado de primera mano la importancia de este contexto clínico más amplio en nuestro trabajo en Keymakr. En un proyecto de diagnóstico por imágenes mediante ecografía, trabajamos con exploraciones de los mismos pacientes realizadas en distintos momentos, a veces varias veces al día y, de nuevo, meses después. El equipo anotó estructuras anatómicas y señaló posibles anomalías para que las revisaran especialistas, teniendo en cuenta los cambios observados a lo largo del historial de exploraciones de cada paciente.

Pequeñas discrepancias en los registros individuales podían afectar a la interpretación de datos relacionados en todo el conjunto de datos. Esta experiencia me confirmó lo importante que es considerar el historial médico completo de un paciente, algo igualmente esencial para los sistemas de IA que respaldan decisiones clínicas complejas.

Resonancias magnéticas sin escáner de resonancia magnética

Pero diagnosticar no consiste únicamente en interpretar correctamente los datos médicos. También hay que poder obtenerlos. Uno de los proyectos de IA más interesantes que he conocido se presentó en un evento recomendado por Scryon y aborda precisamente este desafío. Un equipo de desarrolladores ha encontrado la manera de utilizar tomografías computarizadas y varias radiografías tomadas desde ángulos específicos para reconstruir, mediante inteligencia artificial, una imagen similar a una resonancia magnética. La idea surgió de un problema muy práctico: los escáneres de resonancia magnética son caros y, a veces, los pacientes tienen que esperar meses para hacerse un examen, mientras que los equipos de rayos X y los escáneres de tomografía computarizada están mucho más extendidos.

Por ahora, la tecnología se centra en la rodilla, aunque los desarrolladores están considerando ampliarla a otras articulaciones. Según el equipo, las imágenes reconstruidas pretenden ofrecer información comparable a la de las resonancias magnéticas, aunque las técnicas de diagnóstico por imágenes se basan en principios físicos distintos.

En lugar de desarrollar otro costoso equipo médico, el equipo utiliza tecnologías de diagnóstico por imágenes ya existentes y amplía sus capacidades mediante la reconstrucción de imágenes asistida por IA.

Un quirófano sin fronteras

Espero que, de una forma u otra, la IA intervenga en al menos la mitad de todos los procesos médicos durante la próxima década. Me refiero a una amplia gama de aplicaciones, desde el análisis de datos médicos y el apoyo al diagnóstico hasta la orientación de la IA en tiempo real durante las intervenciones quirúrgicas.

A largo plazo, estas tecnologías también podrían ayudar a superar las barreras económicas, organizativas e incluso geográficas que dificultan el acceso a la atención sanitaria. Imaginemos que un cirujano experimentado de Estados Unidos ayuda a operar a un niño en India, o que un especialista en India contribuye al tratamiento de un paciente en Canadá, sin estar físicamente presente en el quirófano. Los avances en robótica, sistemas de control remoto y asistencia quirúrgica basada en IA podrían hacer realidad situaciones como estas.

Ya estamos viendo los primeros pasos en esta dirección. Por ejemplo, la plataforma Proximie permite a los cirujanos conectarse a distancia con los quirófanos, observar intervenciones en tiempo real y colaborar con los equipos médicos presentes en el lugar. El sistema permite transmitir vídeo en directo, comunicarse por voz y añadir anotaciones visuales, y utiliza IA para analizar datos sobre el flujo de trabajo quirúrgico. Esto no significa que los cirujanos ya puedan realizar cualquier operación a distancia, pero sí permite a los especialistas compartir sus conocimientos y ofrecer orientación sin estar en el mismo quirófano.

Creo que mejorar el acceso a la atención sanitaria debería ser uno de los objetivos centrales de la IA aplicada a la medicina. Lo importante es saber si estas tecnologías pueden ayudar a reducir los tiempos de espera para las pruebas diagnósticas, aliviar la carga de trabajo de los profesionales sanitarios y permitir que los médicos dediquen más tiempo a sus pacientes. En última instancia, mediría el éxito de la IA aplicada a la medicina por cuántas personas más pueden recibir atención médica oportuna y de calidad gracias a ella.