“Con la inteligencia artificial en la consulta, podemos volver a mirar a los ojos al paciente”. Así lo expresa Manel Ramos, médico internista del Hospital Clínic de Barcelona y director del Máster en IA en Investigación y Docencia de la Universitat de Barcelona.
Aunque puede parecer contradictorio usar tecnología para humanizar la atención médica, la IA viene a corregir un problema generado por una tecnología anterior. Con la llegada de los registros digitales, explica Ramos, “pasamos de ser oyentes a escribientes; el médico solo mira la pantalla mientras completa formularios predefinidos”. Si la IA se encargara de esa carga burocrática, los profesionales podrían centrarse más en el paciente.
Ramos habla de programas llamados “escribas médicos”, que se están probando en el Clínic y en otros hospitales públicos y privados de España, como La Paz en Madrid o los centros Quirón. Estos sistemas funcionan como asistentes: capturan la información mientras el médico se concentra en la consulta, registrando la conversación y luego ofreciendo un resumen que el profesional valida. El objetivo es claro: que el médico disponga de más tiempo de calidad con el paciente, pero siempre con supervisión humana, subrayan los expertos.
Estos “escribas” forman parte de la inteligencia artificial generativa, la misma tecnología que impulsa herramientas como ChatGPT, que desde 2022 se ha expandido a múltiples ámbitos, incluido el sector médico. Además de tomar notas, la IA puede ayudar con las tareas administrativas, como resumir largas cantidades de documentos clínicos en minutos, liberando así a los profesionales de la burocracia para que se concentren en el cuidado del paciente.
Aunque ahora se habla mucho de la IA, lleva décadas aplicándose en medicina. Desde los años 50 se ha trabajado en esta área y desde los 70 se usaba para diagnósticos tempranos. Con los avances tecnológicos del siglo XXI, los algoritmos se entrenan para prevención, diagnóstico, tratamientos personalizados y gestión hospitalaria. En el Hospital La Paz, por ejemplo, se están desarrollando alrededor de 40 proyectos en diversas áreas, desde robótica hasta inteligencia predictiva, sobre datos e imágenes médicas.
La IA avanza especialmente rápido en áreas relacionadas con la imagen médica: radiología, TAC, resonancia magnética o endoscopias. Ramos señala que esta tecnología ayuda a confirmar resultados normales, priorizar casos urgentes y aliviar la carga de trabajo de los radiólogos. También hay progresos notables en dermatología —para detectar lesiones— y oncología, donde la IA apoya en la selección de tratamientos personalizados. En áreas como psicología o psiquiatría, que implican un contacto humano directo, su avance es más lento.
Empresas españolas como Quibim han demostrado mejoras significativas en la sensibilidad diagnóstica de ciertos tumores, y en oftalmología ya hay sistemas para detectar retinopatías o glaucoma utilizando IA predictiva, basada en grandes volúmenes de datos y aprendizaje profundo.
La robotización también está bien implantada: unos 80 hospitales en España cuentan con el robot quirúrgico Da Vinci, que ha realizado miles de operaciones, especialmente en oncología y trasplantes.
Sin embargo, el ritmo de implantación de estas tecnologías sigue siendo lento. Ramos explica que distintas áreas se integran a diferentes velocidades: las más cercanas al procesamiento de imágenes avanzan con rapidez, mientras que las que involucran trato personal lo hacen más despacio. Uno de los principales obstáculos son los estrictos protocolos y regulaciones, especialmente en cuanto a la protección de datos y el consentimiento informado, ya que grabar la voz o usar datos sensibles requiere de autorizaciones claras.
Además, desde junio de 2024 hay una normativa europea, la Ley Europea de Inteligencia Artificial, que regula el uso de estas tecnologías, especialmente en ámbitos de alto riesgo como la salud. Esta ley exige transparencia, supervisión humana y estándares de calidad, y prohíbe prácticas inaceptables como la manipulación cognitiva o la identificación biométrica masiva sin consentimiento. En España, el Ministerio de Sanidad está próximo a aprobar una Estrategia de IA para el Sistema Nacional de Salud, mientras que las comunidades autónomas impulsan sus propios planes para incorporar la IA en la detección y diagnóstico de enfermedades.
Sin embargo, la adopción ocurre desde abajo hacia arriba: son los propios servicios los que detectan necesidades y desarrollan o prueban pilotos, más que una estrategia coordinada a nivel nacional. Los hospitales deben adaptarse a la legislación vigente, como el Reglamento europeo o la Ley de Protección de Datos, pero aún falta una evaluación clínica rigurosa para demostrar que estas herramientas realmente mejoran la atención y no solo funcionan técnicamente.
Para Ramos, la clave está en mantener un proceso científico riguroso, con hipótesis, metodología y aprobación ética, para garantizar la seguridad del paciente, aunque este proceso ralentice la implantación.
En cuanto a la fiabilidad, las IA predictivas, que trabajan con datos y patrones claros, son más fáciles de evaluar y confiar, mientras que las generativas, que crean contenido nuevo, son más complejas de validar. Por ejemplo, un sistema puede “acertar” en el 99% de casos al detectar neumonía, pero una IA generativa puede generar errores o “alucinaciones”, inventando datos falsos. Por eso, siempre debe haber validación humana, especialmente en casos complejos.
Los sesgos presentes en los datos de entrenamiento también son un riesgo: un caso denunciado recientemente mostró que un sistema para detectar melanomas era mucho menos eficaz en pacientes con piel oscura, pues se había entrenado solo con imágenes de personas de piel clara, lo que resulta peligroso para la salud pública.
Algunos sistemas ya se usan en hospitales españoles, incluso sin informar adecuadamente a los pacientes sobre el uso de sus datos, un aspecto que genera preocupación por la privacidad.
Para que la IA sea realmente útil en salud, la formación del personal es fundamental. Camacho y Martín Sánchez coinciden en que adaptar a los equipos y formar expertos especializados es un reto grande, pero necesario para aprovechar bien estas herramientas.
También preocupa el impacto ambiental de la IA: entrenar y operar estos algoritmos consume mucha electricidad y agua, por lo que se están buscando maneras de optimizar recursos y sensibilizar a los usuarios sobre un uso responsable.
Finalmente, Ramos espera que para 2026 empecemos a ver un cambio real en varios hospitales, con médicos que dejen de ser simples “rellenadores” de datos y vuelvan a tener tiempo para la atención humana, siempre manteniendo al ser humano en el centro del proceso.
Para él, el impacto de la inteligencia artificial será tan profundo y transversal que superará incluso a inventos como la electricidad o Internet, transformando no solo la medicina, sino todos los ámbitos de la vida.
