La inteligencia artificial en medicina ya participa en tareas muy distintas: puede señalar una zona sospechosa en una mamografía, resumir una conversación clínica o ayudar a proponer moléculas para investigar. Que todas se llamen «IA» no significa que hagan lo mismo ni que tengan el mismo nivel de evidencia.
La pregunta útil no es si la IA puede hacer medicina, sino qué tarea concreta realiza, con qué pacientes se ha probado y qué mejora cuando se incorpora al trabajo clínico. Un resultado alto en un examen o una imagen no demuestra por sí solo que los pacientes vivan más, reciban antes el tratamiento correcto o sufran menos efectos adversos.
Qué usos tiene la inteligencia artificial en medicina
En salud conviven programas entrenados para reconocer patrones en imágenes, modelos que producen texto y sistemas que buscan relaciones entre datos biológicos para proponer candidatos farmacológicos. Sus entradas, resultados y riesgos no son intercambiables.
| Tipo de sistema | Qué recibe y produce | Qué debe comprobarse |
|---|---|---|
| Análisis de imágenes | Una radiografía o mamografía; marca hallazgos, clasifica o prioriza estudios. | Si detecta bien el hallazgo en la población y el centro donde se usará, y si cambia decisiones o resultados clínicos. |
| Modelo generativo | Preguntas, notas o documentos; redacta, resume o propone respuestas. | Si la información es exacta, si omite datos importantes y si el profesional puede verificarla antes de usarla. |
| Descubrimiento de fármacos | Datos moleculares y biológicos; predice objetivos o propone compuestos. | Si el compuesto funciona en laboratorio, es seguro en personas y mejora la salud en ensayos clínicos. |
Un modelo que detecta una anomalía en una imagen no es un médico generalista. Tampoco un chatbot que explica un resultado tiene automáticamente acceso al historial completo, al contexto de la consulta o a pruebas que no se le han proporcionado. Cómo funciona ChatGPT ayuda a entender por qué generar una respuesta coherente no equivale a verificar que sea correcta.
Qué significa que una IA detecte más
El ensayo sueco MASAI permite ver la diferencia entre una métrica de detección y un beneficio clínico. En este estudio aleatorizado de cribado mamográfico, la tasa de cáncer detectado fue de 6,4 casos por cada 1.000 participantes en el grupo con apoyo de IA, frente a 5,0 por cada 1.000 en el grupo de lectura estándar. La diferencia fue estadísticamente significativa (resultados del ensayo).
La diferencia absoluta fue de 1,4 detecciones por cada 1.000 cribados. El ratio relativo de 1,29 equivale a un aumento aproximado del 29% respecto a la tasa del grupo de lectura estándar. Son dos maneras de expresar el mismo resultado: ninguna significa que la IA evitara un 29% de las muertes por cáncer.
En ese programa y con ese sistema, el apoyo algorítmico identificó más cánceres durante el cribado. Pero «más detectados» no significa automáticamente «menos muertes». Para saber si una herramienta mejora la salud a largo plazo hay que seguir a las personas, observar diagnósticos posteriores, tratamientos, falsos positivos y daños, y comprobar que el efecto se mantiene en contextos distintos.
También importa qué hace exactamente el sistema. Puede revisar todas las imágenes, marcar las que requieren una segunda lectura o ayudar a priorizar casos urgentes. Cada diseño cambia el número de estudios que ve el especialista y el tipo de error que puede producirse. «La IA lee mamografías» es una descripción demasiado general para decidir si una herramienta sirve en un hospital concreto.
De una molécula propuesta a un medicamento
La IA también se usa antes de que exista un tratamiento. Algunos modelos ayudan a buscar objetivos biológicos o a diseñar moléculas candidatas; después siguen siendo necesarias pruebas de laboratorio y ensayos en personas. El cálculo reduce parte del espacio que los investigadores deben explorar, pero no sustituye la biología.
En 2025 se publicaron resultados de un ensayo aleatorizado fase 2a de rentosertib, un inhibidor de TNIK descubierto mediante IA generativa para la fibrosis pulmonar idiopática. El estudio incluyó 71 participantes y duró 12 semanas. Haber llegado a esa fase es un paso concreto desde el diseño computacional hacia la clínica, no una demostración definitiva de eficacia ni una garantía de que el método vaya a producir tratamientos mejores o más rápidos. El ensayo en Nature Medicine describe precisamente una evaluación temprana de seguridad y eficacia.
Esta distinción evita una confusión común en los titulares: «la IA descubre un fármaco» puede significar que participó en la identificación de un candidato, no que una máquina haya creado una terapia ya disponible. El candidato todavía debe superar ensayos posteriores y demostrar que los beneficios justifican los riesgos.
Por qué un resultado de laboratorio puede fallar en una consulta
Los modelos aprenden de ejemplos. Si los datos de entrenamiento representan mal a ciertos grupos, hospitales o equipos médicos, el rendimiento puede cambiar al trasladarlos a otro lugar. Una imagen obtenida con un aparato distinto, una enfermedad poco frecuente o un historial incompleto pueden apartarse de los ejemplos que el sistema aprendió a reconocer.
Los modelos de lenguaje tienen otra limitación: producen texto probable, no una garantía de verdad. Una evaluación publicada en Nature Medicine encontró que los modelos estudiados no alcanzaban de forma consistente la precisión diagnóstica de los médicos en todas las patologías evaluadas; su rendimiento también caía cuando debían solicitar y reunir información clínica, en vez de recibir un caso ya preparado. El resultado sirve para delimitar esas pruebas concretas, no para afirmar que todos los modelos o tareas rindan igual (estudio sobre decisión clínica con LLM).
La Organización Mundial de la Salud advierte que los modelos generativos pueden producir afirmaciones falsas, incompletas o sesgadas. También señala el sesgo de automatización: una persona puede aceptar una recomendación generada por el sistema y pasar por alto un error que habría cuestionado si apareciera de otra manera. En medicina, la presentación segura de una respuesta no es evidencia de que sea correcta.
La privacidad añade otra capa. Los datos de salud pueden identificar a una persona o revelar aspectos íntimos, incluso cuando se comparten para investigación o se usan en sistemas externos. Las dudas sobre quién conserva y utiliza la información genética que describe el artículo sobre la propiedad de los datos de ADN ilustran por qué la utilidad de una herramienta no elimina la necesidad de controlar los datos que recibe.
Qué pruebas conviene pedir
Para valorar una herramienta médica hay que mirar más allá de su porcentaje de aciertos. Algunas preguntas aclaran rápidamente qué respalda una promesa:
- ¿Qué tarea y población se evaluaron? Un sistema validado para priorizar radiografías de adultos no queda validado por ello para diagnosticar niños o analizar otra prueba.
- ¿Con qué se comparó? Superar una lectura inicial no equivale a superar el flujo real de un equipo con especialistas, pruebas adicionales y revisión de resultados.
- ¿Se probó en condiciones clínicas? Los datos retrospectivos y las preguntas de examen permiten medir capacidades parciales; el uso prospectivo muestra cómo cambia el trabajo cuando el sistema se incorpora de verdad.
- ¿Qué resultado mejoró? Más alertas o detecciones pueden ayudar, pero también aumentar pruebas innecesarias. Importan los falsos positivos, el tiempo, los daños y los resultados relevantes para pacientes.
- ¿Quién comprueba y responde por la decisión? La supervisión tiene que ser real: el profesional necesita información suficiente para revisar la recomendación y corregirla.
La autorización regulatoria tampoco debe leerse como un sello general de infalibilidad. Por ejemplo, la lista de dispositivos de IA de la FDA se refiere a herramientas autorizadas para comercializarse en Estados Unidos y la propia agencia aclara que no es exhaustiva; la evaluación corresponde al uso previsto del dispositivo, no a cualquier pregunta que se le plantee (explicación y lista de la FDA). En otros países rigen marcos distintos.
La inteligencia artificial puede ayudar a encontrar señales en imágenes, reducir trabajo administrativo o acelerar la búsqueda de moléculas. Su utilidad médica, sin embargo, no se deduce del nombre de la tecnología ni de una demostración llamativa. Se establece tarea por tarea: con pruebas en pacientes reales, comparación adecuada, seguimiento de daños y una persona responsable de la decisión clínica.
Deja una respuesta