Por Germán Gonzáles Martínez
Ingeniero de sistemas del grupo Telesalud, Universidad de Caldas
En un momento en que la medicina avanza a un ritmo acelerado, es natural que muchos profesionales de la salud experimenten incertidumbre frente al auge de la Inteligencia Artificial. A menudo se percibe como una amenaza, como un agente que podría sustituir al médico o reducir el papel humano en la atención. Pero quiero comenzar este blog dejando clara mi postura, la IA no viene a desplazar al personal de salud, sino a fortalecer su labor. Se trata de una aliada capaz de mejorar la precisión diagnóstica, optimizar los tiempos de atención y, paradójicamente, devolverle a la medicina su rostro más humano.
La transformación que vivimos no tiene precedentes. Hoy contamos con algoritmos que asisten en diagnósticos, plataformas que permiten monitorear pacientes de forma remota y sistemas que automatizan tareas administrativas, liberando tiempo para lo esencial: el encuentro entre el médico y su paciente. Esta revolución tecnológica no busca reemplazar la intuición ni la experiencia clínica, sino ampliarlas, apoyarlas y protegerlas frente a los desafíos de un sistema de salud sobrecargado (Lanzagorta-Ortega et al., 2023).
❝ Hoy contamos con algoritmos que asisten en diagnósticos, plataformas que permiten monitorear pacientes de forma remota y sistemas que automatizan tareas administrativas, liberando tiempo para lo esencial: el encuentro entre el médico y su paciente. ❞
Los datos son elocuentes, según Block et al. (2013), los médicos apenas dedican un 12% de su jornada a interactuar directamente con pacientes hospitalizados. El resto del tiempo se consume en tareas administrativas. Personalmente, considero que esta es una de las barreras del sistema actual: tener a profesionales formados para salvar vidas, ocupados en diligenciar formatos. La IA puede cambiar radicalmente esta situación al automatizar procesos como la programación de citas, la transcripción de historias clínicas o la organización de datos, se libera tiempo valioso que puede y debe destinarse al cuidado humano (Makary & Daniel, 2016). La tecnología, bien utilizada, no aleja al médico del paciente; lo acerca.
Sin embargo, el valor de la IA va más allá de la eficiencia administrativa. Por ejemplo, en el ámbito clínico, ya se está viendo cómo puede potenciar la precisión diagnóstica y personalizar los tratamientos. Herramientas como Watson de IBM han demostrado una efectividad superior al 80% en la detección de algunos tipos de cáncer, integrando datos genómicos, clínicos y científicos para sugerir tratamientos ajustados a cada paciente (Okuda & Quiñones, 2018).
Desde mi perspectiva, esto no representa una amenaza a la labor médica, sino un reconocimiento a su complejidad. Ningún profesional puede procesar millones de datos simultáneamente, pero una IA puede hacerlo y ofrecer recomendaciones útiles que, bajo el juicio clínico, enriquecen la toma de decisiones (Camacho et al., 2018; Rajkomar et al., 2019). La interpretación de imágenes médicas también ha sido revolucionada. Algoritmos de aprendizaje profundo ahora detectan lesiones mínimas en radiografías o resonancias, ayudando a reducir errores, acelerar diagnósticos y mejorar desenlaces clínicos (Gui & Chan, 2017; Vega et al., 2020).
Uno de los argumentos más potentes en defensa de la IA es su papel en la medicina personalizada y preventiva, hoy es posible diseñar recomendaciones sobre estilo de vida, recordatorios de vacunación o sugerencias de alimentación basadas en los datos y preferencias del paciente (Jungwirth & Haluza, 2023). Esta capacidad no sustituye el diálogo médico, sino que lo prepara, lo anticipa y lo enriquece. Además, en un contexto global donde los errores médicos siguen siendo una de las principales causas de muerte, la IA ofrece herramientas concretas para reducirlos. Triajes automatizados, alertas clínicas, identificación de efectos adversos a medicamentos y apoyo al diagnóstico precoz son solo algunas aplicaciones que están salvando vidas (Makary & Daniel, 2016; Lanzagorta-Ortega et al., 2023). Los profesionales de la salud y los pacientes, no pueden ignorar este potencial.
En el Grupo de Ingeniería en Telesalud de la Universidad de Caldas, creemos que la innovación debe ser útil, accesible y ética. Por eso impulsamos proyectos como Telemedicina 360°, que usa realidad virtual para reducir el estrés laboral en profesionales de la salud, Mi-Doc, un dispositivo portátil que lleva teleconsultas especializadas a poblaciones rurales, y VirtualMente, una cabina de evaluación que integra IA, sensores biométricos y orientación en salud mental para detectar signos tempranos de ansiedad o depresión en jóvenes. Estas experiencias nos muestran que las tecnologías emergentes como la IA y la telemedicina, no solo transforman la técnica, sino también la geografía del acceso a la salud, acercando servicios a quienes antes estaban excluidos.
❝ Triajes automatizados, alertas clínicas, identificación de efectos adversos a medicamentos y apoyo al diagnóstico precoz son solo algunas aplicaciones que están salvando vidas❞
Por lo anterior, podemos hablar de la IA y la telemedicina como un binomio esperanzador, debido a que la IA potencia las capacidades de la telemedicina, es así como, chatbots con procesamiento de lenguaje natural (PLN) ya permiten hacer anamnesis automatizadas antes de una consulta, mejorando la calidad del tiempo médico (Rincón Garzón, 2023). Los dispositivos portátiles y sensores corporales ofrecen datos en tiempo real que permiten una atención más predictiva y menos reactiva. En Colombia, servicios como Tele-UCI han demostrado que es posible brindar atención intensiva especializada de forma remota, rompiendo barreras geográficas y salvando vidas (Parra López & Hernández Lara, 2020). Desde mi punto de vista, la fusión entre IA y telemedicina no es solo una solución tecnológica, es una estrategia de equidad. Nos permite pensar en un país más justo, donde la atención no dependa de la ubicación geográfica sino del derecho a la salud.
Por supuesto, esta revolución no está exenta de riesgos. La privacidad de los datos, los sesgos algorítmicos y la supervisión médica son aspectos que debemos cuidar con rigor. Yo creo firmemente que la IA no debe tener la última palabra en las decisiones clínicas, sino ofrecer insumos valiosos que estén siempre mediados por la ética, la empatía y el juicio humano (Romeo et al., 2019).
De hecho, ya existen iniciativas como CONSORT-AI, SPIRIT-AI o STARD-AI, que buscan establecer estándares científicos rigurosos en el uso de IA en salud (Cruz Rivera et al., 2020). Y también debemos ser cautos frente a herramientas emergentes como ChatGPT-4: su poder es inmenso, pero su uso médico debe estar regulado, validado y vigilado (Metz & Collins, 2023).
La IA puede ser la herramienta que nos ayude a recuperar lo más humano de la medicina, si automatizamos lo repetitivo, ganamos tiempo para escuchar, mirar a los ojos, acompañar. La empatía, la confianza, la palabra dicha en el momento justo son cosas que ningún algoritmo podrá replicar jamás (Carlosama et al., 2019; Ministerio de Salud, 2014). El futuro de la medicina no es un futuro sin médicos. Es un futuro con médicos más presentes, más humanos, más libres de las cadenas del papeleo y más disponibles para lo que verdaderamente importa, que es cuidar al otro con compasión, ciencia y dignidad.
Referencias
- Block L, Habicht R, Wu AW, Desai SV, Wang K, Silva KN, et al. In the wake of the 2003 and 2011 duty hours regulations, how do internal medicine interns spend their time?J Gen Intern Med. 2013; 28:1042-7
- Makary MA, Daniel M. Medical error-the third leading cause of death in the US. BMJ. 2016; 353:i2139.
- Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ;SPIRIT-AI and CONSORT-AI Working Group. Guidelines for clinical trial protocols for interventions involving artificial intelligence:the SPIRIT-AI extension. Lancet Digit Health. 2020; 2:e549-60.
- Maier-Hein L, Eisenmann M, Sarikaya D, März K, Collins T, Malpani A, et al. Surgical data science —from concepts toward clinical translation. Med Image Anal. 2022; 76:102306.
- Evans CR, Medina MG, Dwyer AM. Telemedicine and telerobotics:from science fiction to reality. Updates Surg. 2018; 70:357-62.
- Lanzagorta-Ortega D, Carrillo-Pérez DL, Carrillo-Esper R. Inteligencia artificial en medicina: Presente y Futuro. Gaceta Médica de México. 2023; 158(91) https://doi.org/10.24875/gmm.m22000688
- Jungwirth D, Haluza D. Artificial Intelligence and Public Health: An Exploratory Study. International Journal of Environmental Research and Public Health. 2023; 20(5):4541.
- De Cecco, C., & Van Assen, M. (2022, June 30). Inteligencia artificial y telemedicina en el sector de la salud – Oportunidades y desafíos. Informe 4. Caracas: CAF. Retrieved from https://scioteca.caf.com/handle/123456789/1923
- Moran Chaguay, H.M. (2022). Aplicación de técnicas de inteligencia artificial para el proyecto piloto de telemedicina – Cayapas. Recuperado de: https://repositorio.ug.edu.ec/ (Consultado: 10 enero 2024).
- Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. New England Journal of Medicine. 2019; 380(14):1347 – 1358. https://doi.org/10.1056/NEJMra1814259
- Camacho D, Collins K, Powers R, Costello J, Collins J. Next-Generation Machine Learning for Biological Networks. Cell. 2018; 173 (7): 1581 – 1592. https://doi.org/10.1016/j.cell.2018.05.015
- Gui C, Chan V. Machine learning in medicine. University of Western Ontario Medical Journal. 2017; 86(2):76 – 78. https://doi.org/10.5206/uwomj.v86i2.2060
- Vega, M. Á., Mora, L. M. Q., & Badilla, M. V. C. (2020). Inteligencia artificial y aprendizaje automático en medicina. Revista médica sinergia, 5(8), e557-e557.
- Encuesta Nacional de Condiciones de Salud y Trabajo en el Sistema General de Riesgos Profesionales (I ENCST). Ministerio de la protección social (2007).
- Parra López, M., & Hernández Lara, M. A. (2020). La telemedicina, su evolución e implementación en Colombia. Recuperado de https://repositorio.unicordoba.edu.co/server/api/core/bitstreams/1507a6fb-e21c-41ce-81d6-48f84b446ff7/content
- Tabares M, Vélez C, Giraldo A, Morales J, Mota M, Saigí F. Determinantes de la intención de uso de la telemedicina en pacientes y médicos en Caldas, Colombia. Ciencia e Innovación en Salud. 2020. E104:463-473 DOI10.17081/innosa.104
- Rincón Garzón, Andrea. (2023). Interpretaciones de los profesionales de la salud sobre el uso de la inteligencia artificial (IA) como tecnología de impacto a la salud pública, análisis desde las ciencias cognitivas. Recuperado de https://repositorio.unbosque.edu.co/handle/20.500.12495/10909
- Romeo, C.M., Nicolás, P., de Miguel, I., Jerez, J.M., & Guillén, E.(2019) Título: Inteligencia Artificial en Salud: Retos Éticos y Legales. Publicación: Observatorio de Tendencias de Medicina del Futuro. Recuperado de https://www.institutoroche.es/observatorio/retoseticosylegales
- Curae Salud. (2023). Startups in Healthcare: Inteligencia Artificial. Recuperado de https://curaesalud.com/startups-healthcare-inteligencia-artificial/
- Telesalud Universidad de Caldas (2021–2024). Experiencias de implementación en Colombia.
