Doctor Miralles

 Lo llamativo es que ya no sorprende

La semana pasada, durante una sobremesa con amigos externos al sector sanitario, uno de ellos me preguntó si confiaba en que la inteligencia artificial pudiera llegar a diagnosticar mejor que nosotros. Respondí lo que pensaba: “eso ya está ocurriendo en algunos casos”. No lo dije con resignación, sino con la naturalidad con la que uno acepta que hay cosas que, a pesar de los muchos recelos y excusas que podamos poner, simplemente funcionan. Lo llamativo es que a ninguno le sorprendió mi afirmación.

En nuestro quehacer diario leemos noticias sobre tecnología, hablamos sin parar de innovación, llenamos las agendas de jornadas sobre transformación digital… pero en el sector sanitario seguimos, en muchos casos, actuando igual que hace 20 años. En la consulta, aún dedicamos más tiempo a los informes que a mirar al paciente. Y mientras tanto, la IA ya está diagnosticando retinopatía diabética sin oftalmólogos, valorando soplos desde un fonendo digital o diseñando nuevos antibióticos sin pasar por el laboratorio.

No es que el futuro esté cerca. Es que lleva tiempo entre nosotros y en muchas ocasiones no lo queremos ver o ¿no lo queremos aceptar?

La IA está cambiando la forma de hacer ciencia

Uno de los aspectos más revolucionarios que aporta la IA no es su capacidad para procesar millones de datos en segundos —eso ya lo sabíamos—, sino la forma en la que nos está obligando a repensar cómo descubrimos, cómo analizamos, cómo formulamos hipótesis. En ciencia, siempre hemos trabajado bajo una lógica inductiva: observamos, formulamos hipótesis y luego las comprobamos. Ahora la IA nos ofrece un camino inverso. Nos permite encontrar correlaciones invisibles, relaciones no previstas, estructuras que el ojo humano no identificaría jamás.

Un ejemplo fascinante es el del antibiótico abaucin, descubierto mediante un modelo de aprendizaje profundo entrenado con miles de compuestos y publicado en Nature. Este nuevo fármaco actúa contra una bacteria, Acinetobacter baumannii, difícil de tratar por su capacidad de generar resistencias. Lo hace activando un mecanismo que probablemente ningún investigador habría priorizado siguiendo la lógica tradicional.

Algo parecido ocurre con el desarrollo de algunos materiales. Ahora no necesitamos descubrirlos y luego determinar sus propiedades, sino que podemos definir qué necesitamos —ligero, resistente, conductor— y dejar que un algoritmo nos proponga la estructura más adecuada.

La validación más contundente de este cambio vino con el Premio Nobel de Química de 2023, concedido a científicos de Google DeepMind por AlphaFold su algoritmo capaz de predecir estructuras proteicas con una precisión sin precedentes publicado en la revista Nature. La ciencia más disruptiva puede surgir hoy en un centro de datos, no en una universidad.

Y esta lógica también ha llegado a la asistencia clínica.

El hospital ya no es el único lugar donde se pasa consulta

El gigante del comercio electrónico Alibaba ha diseñado un algoritmo capaz de diagnosticar el cáncer de páncreas en un TAC sin contraste triplicando la sensibilidad del ojo humano que para ello requiere la misma prueba pero empleando contraste intravenoso, lo cual añade más toxicidad al paciente. Este algoritmo ha despertado el interés de la FDA que lo ha clasificado como dispositivo innovador para acelerar su aprobación. El sistema LumineticsCore diagnostica retinopatía diabética de forma autónoma. Eko Health ha desarrollado junto con la Clínica Mayo, un fonendo inteligente capaz de detectar insuficiencia cardíaca en menos de 15 segundos. Y el ensayo MASAI, publicado en The Lancet Oncology, mostró que la IA puede igualar la doble lectura de mamografías por radiólogos disminuyendo un 40% la carga de trabajo.

Estos avances no son marginales ni anecdóticos. Todo esto ya está ocurriendo. En hospitales reales. Con pacientes reales.

Y, sin embargo, seguimos sin percibirlo como una revolución. Quizás porque el cambio no está siendo explosivo, sino tectónico. Las grandes tecnológicas, desde Google a Amazon, han entendido que la salud será uno de los grandes campos de batalla de la próxima década. Y no están esperando permiso. Están creando, desplegando y ajustando sus herramientas en tiempo real.

¿Queremos diseñar el sistema o solo usarlo?

Lo más paradójico de esta transformación es que no la estamos liderando desde dentro del sistema sanitario. Lo advertí ya hace tiempo en otro post, donde contaba que Amazon, Apple y otras tecnológicas estaban irrumpiendo en la salud no como proveedoras auxiliares, sino como verdaderos diseñadores del modelo asistencial. Cada día lo confirmo con más rotundidad.

Hoy lo que antes eran conjeturas son ya dispositivos aprobados por la FDA, algoritmos implantados en hospitales y empresas sin bata blanca que saben más de nosotros que nuestras propias historias clínicas. El sistema sanitario está cambiando, y lo hará aún más. Porque esta vez la transformación no viene de una nueva ley o de un decreto de financiación. Viene de la nube, de los datos, de la capacidad para convertir información en decisiones clínicas útiles.

Mantenemos prácticas heredadas del siglo XX en un mundo que ya piensa con lógica algorítmica. Seguimos considerando los datos como un tesoro intransferible, encerrados en historias clínicas que no hablan con nadie. Defendiendo nuestras rutinas, incluso cuando sabemos que están obsoletas. Y seguimos sin formar adecuadamente a los profesionales en el uso de estas herramientas. En lugar de liderar el cambio, nos estamos dejando cambiar.

La inteligencia artificial no cambiará el sistema por sí sola. Pero es una prueba tangible de por dónde va a venir el cambio. Lo importante no es la tecnología, sino lo que hacemos con ella para mejorar la vida de nuestros pacientes. Porque transformar el sistema sanitario no solo es una cuestión de innovación, sino de intención.

La pregunta que debemos hacernos no es si llegará el cambio, sino si queremos ser parte de él o dejar que otros —ajenos al sistema— lo diseñen por nosotros.

Y eso es peligroso. Porque la inteligencia artificial, como cualquier otra herramienta, puede ser transformadora o perversa. Todo dependerá de cómo la integremos. Si lo hacemos desde una lógica centrada en el valor, en la mejora de resultados clínicos y en la experiencia del paciente, será una aliada formidable. Si la dejamos en manos de modelos de negocio puramente transaccionales, corremos el riesgo de convertirnos en usuarios —y no en diseñadores— del sistema sanitario del futuro.

La buena noticia es que aún estamos a tiempo, pero el momento de actuar es ahora. Porque la IA ya no es una promesa, es una práctica. Cada vez que se despliega sin nosotros, perdemos una oportunidad de hacer mejor medicina. Algo parecido le ocurrió a Galileo, que tras ser obligado a retractarse de su afirmación de que la tierra gira alrededor del sol, susurró la célebre frase: “eppur si muove” —y sin embargo, se mueve—. Podemos negar la inteligencia artificial, retrasarla o ignorarla, pero ahí está, girando ya sobre nuestros pacientes.

Siempre hemos pensado que la medicina es la punta de lanza del progreso y del conocimiento científico. Desde las vacunas que han salvado millones de vidas hasta los avances en cirugía y tratamientos personalizados. La medicina ha estado históricamente a la vanguardia de la innovación. Por ello es sorprendente aceptar que cuando se trata de inteligencia artificial (IA), vamos rezagados. Sectores como la banca y el comercio han sido transformados radicalmente por la IA. Sin embargo, nuestros sistemas de salud siguen avanzando a paso lento.

Tomemos como ejemplo la banca. En los últimos años, grandes instituciones financieras han adoptado la IA a gran escala para optimizar procesos, reducir riesgos y mejorar la experiencia del cliente. Un informe de Deloitte revela que la IA ha permitido automatizar más del 70% de las actividades comerciales. Esto ha generado un impacto significativo en la eficiencia y reducción de costos. Accenture también destaca cómo la IA generativa está transformando áreas clave en el sector financiero, desde la atención al cliente hasta la gestión de riesgos​. Sin embargo, la medicina, a pesar de su gran potencial para integrar la IA en diagnósticos más precisos y tratamientos personalizados, parece resistirse a este cambio.

Al igual que estos sectores, la medicina también se enfrenta a sus propios desafíos a la hora de integrar la IA. Estos mayoritariamente son debidos a la naturaleza crítica de la atención al paciente y a las estrictas regulaciones existentes. Pero a pesar de ello me ronda una cuestión constante en la cabeza. ¿Estamos evaluando correctamente esta tecnología en medicina?

La IA, por su naturaleza disruptiva y en constante evolución, probablemente no puede ser medida con los métodos tradicionales como los ensayos clínicos. ¿Podemos aplicar un estándar rígido a una herramienta que aprende y se adapta constantemente? La experiencia en otros sectores, las lecciones del pasado y la reclusión en pequeños nichos de conocimiento quizás nos puedan ayudar en este análisis.

La IA y los métodos tradicionales: ¿una pareja incompatible?

Al hablar de IA en medicina, es tentador suponer que podemos evaluarla igual que un nuevo fármaco o dispositivo. Sin embargo, la IA no es un “producto” estático que se pueda medir en una sola instancia. Esta se va ajustando a nuevos datos y circunstancias constantemente. Entonces, ¿cómo evaluar algo que cambia casi en tiempo real?

Un reciente estudio publicado en The Lancet Digital Health mostró que la mayoría de los ensayos clínicos sobre IA se llevan a cabo en entornos controlados y a menudo en un solo centro. Aunque la mayoría de estos estudios arrojan resultados positivos, son insuficientes para reflejar la complejidad del mundo real. Es como evaluar el funcionamiento de un coche autónomo en una pista sin tráfico. Claro que funciona, pero ¿qué pasa cuando ese coche se enfrenta al caos del tráfico cotidiano?

Pequeños grupos, grandes ideas… pero una brecha creciente

Hoy en día, gran parte de la investigación clínica en IA está en manos de pequeños grupos de médicos y científicos que desarrollan herramientas específicas para sus entornos locales. Estas soluciones suelen ser extremadamente útiles pero la falta de estandarización y validación a gran escala impide que muchas de ellas trasciendan a otros contextos.

Recientemente, hemos visto varios ejemplos en las Jornadas de casos de uso de IA generativa en ciencias de la salud organizadas por la Universidad de Barcelona. En este evento, varios clínicos presentaron herramientas basadas en modelos de lenguaje que resultaron ser muy útiles y de un alto nivel técnico. Esto demuestra cómo es posible aplicar la innovación a nivel micro sin necesidad de tener grandes conocimientos de programación. En mi caso, he desarrollado varias herramientas que me ayudan en la toma de decisiones en los campos asistencial, formativo y de gestión. Aun así, entiendo que el verdadero reto radica en lograr una adopción más amplia y estandarizada.

Este fenómeno puede estar generando una creciente brecha de conocimiento entre aquellos médicos que dominan estas tecnologías y los que no tienen los recursos o tiempo para integrarlas en su práctica diaria. Según un informe de Becker’s Hospital Review, los empleos sanitarios son los que menos demandan conocimientos de IA. Esto refleja la falta de integración de estas herramientas en los programas de formación médica y en la infraestructura hospitalaria, lo que contrasta con otros sectores donde la IA está mucho más consolidada.

Lecciones del pasado: cuando la medicina cambió para siempre

La historia de la medicina se repite y está llena de avances disruptivos que al principio generaron escepticismo. Si echamos la vista atrás, podemos aprender de cómo otros cambios tecnológicos lograron abrirse paso:

– Los antibióticos: En la década de 1940, la penicilina revolucionó el tratamiento de infecciones bacterianas, pero al principio su producción en masa y validación fue un reto. Como con la IA, el éxito no fue solo cuestión de eficacia clínica, sino de cómo escalar su uso y estandarizar su producción

– Radiología: Wilhelm Röntgen descubrió los rayos X en 1895, y aunque al principio muchos médicos lo consideraban una curiosidad, la radiografía se adoptó rápidamente una vez que se demostraron sus aplicaciones clínicas. Sin embargo, su adopción también requirió un tiempo considerable para que se desarrollaran las competencias y protocolos de seguridad necesarios, un reto similar al que enfrenta la IA en la actualidad

– La laparoscopia: En los años 80, muchos cirujanos se resistieron a la laparoscopia, argumentando que era innecesaria. Con el tiempo, la reducción de complicaciones y tiempos de recuperación hizo que esta técnica se convirtiera en la norma. La clave de su éxito fue la formación continua y la validación a largo plazo. Si la laparoscopia lo logró, ¿por qué no la IA?

Y en otras profesiones, ¿cómo se ha gestionado el cambio disruptivo?

• Automatización en la industria: La introducción de robots y sistemas de automatización en el sector industrial generó inicialmente temores sobre la pérdida de empleo. Estudios recientes muestran que, en lugar de eliminar puestos de trabajo, la automatización ha transformado el tipo de habilidades necesarias. Según McKinsey, alrededor del 64% de las horas de trabajo en manufactura tienen el potencial de ser automatizadas. Esto también abre oportunidades para que los trabajadores se centren en tareas de mayor valor, como la resolución de problemas y la toma de decisiones más complejas​.

 

• Vehículos autónomos: La llegada de los coches sin conductor ha generado entusiasmo y escepticismo a partes iguales. Los accidentes con coches autónomos han dejado claro que esta tecnología necesita más pruebas y regulación. Del mismo modo, la IA en medicina debe ser monitorizada y ajustada constantemente.

 

• Big Data en comercio: Amazon y otras grandes empresas han transformado el comercio mediante el análisis de grandes volúmenes de datos. Según McKinsey, la adopción de la IA generativa en las cadenas de valor ha transformado la producción. La IA en medicina necesitará algo similar, equipos multidisciplinares que trabajen en el análisis de datos.

Cuando observamos como la IA ha revolucionado otros sectores profesionales no podemos seguir esperando que el tiempo sea el que encaje esta tecnología en el sector salud. Puede que, si no nos movemos rápido, los beneficios que esta puede ofrecer se pierdan. Si no actuamos pronto, corremos el riesgo de que los beneficios que la IA puede ofrecer se diluyan entre las barreras regulatorias y la falta de adopción. Es responsabilidad de todos los actores del sistema sanitario acelerar este proceso

El futuro de la IA necesita evaluación, pero también adaptación. En un momento en el que los sistemas sanitarios se enfrentan a escasez de personal y a una creciente sobrecarga administrativa debemos explorar nuevas formas de trabajar. Es prioritario facilitar a los profesionales instrumentos que pueden analizar volúmenes ingentes de información por segundo buscando las mejores evidencias para el diagnóstico y el tratamiento de los pacientes. La lógica nos dice que esto puede mejorar la eficacia clínica, la experiencia del paciente y disminuir los errores médicos. Todo ello permitirá a los profesionales de la salud dedicarles más tiempo a los pacientes y hacer un sistema de salud más humano y sostenible.

La inteligencia artificial no viene a reemplazar al profesional sanitario, sino a amplificar su capacidad de cuidar y tratar al paciente. Al igual que el descubrimiento de la imprenta no disminuyó la creación literaria, sino que la multiplicó. En los 45 años posteriores a su invención, en 1454, se imprimieron un millón más de libros que los que se habían copiado en los mil años anteriores. Hoy, la IA tiene el potencial de hacer lo mismo por la medicina. Dependerá de nosotros, los profesionales de la salud, allanar ese camino e integrar la tecnología de manera ética y efectiva en nuestra práctica diaria. Debemos estar preparados para liderar ese futuro con el paciente como nuestro principal foco.