IA en medicina: ejemplos, pros y contras, ética y futuro

La IA en la medicina, o inteligencia artificial en la medicina, son programas que aprenden a partir de datos médicos y ayudan al médico: encuentran focos patológicos en las imágenes, leen ECG, procesan documentación y buscan nuevas moléculas de fármacos. Sin embargo, la decisión final recae siempre en el médico. A continuación, se recogen los ámbitos de aplicación con ejemplos reales, ventajas y desventajas, problemas éticos, la situación actual en Rusia y un plan listo para informes.

Qué es la inteligencia artificial en la medicina

Por IA en la medicina se entienden habitualmente los métodos de aprendizaje automático, con mayor frecuencia las redes neuronales. Por ello, «IA» y «redes neuronales en la medicina» son términos casi sinónimos en la práctica clínica. Las principales tecnologías de IA en la medicina son: visión por computador (imágenes, fotos, vídeos), procesamiento de texto y voz, y modelos predictivos basados en datos de historias clínicas. El modelo recibe miles de ejemplos etiquetados (imágenes con diagnóstico confirmado, registros de ECG, textos de historiales médicos) y aprende a encontrar los mismos patrones en datos nuevos. Una clase aparte la constituyen los grandes modelos de lenguaje como ChatGPT: procesan texto, responden preguntas y elaboran resúmenes, pero pueden cometer errores con total seguridad.

Es importante distinguir dos modos. En la mayoría de los casos, la IA actúa como una «segunda opinión»: resalta un área sospechosa y el informe final lo firma el médico. Los sistemas autónomos que toman decisiones sin intervención médica son escasos y cada uno pasa por un registro independiente.

Aplicación de la IA en la medicina: 11 áreas con ejemplos

1. Diagnóstico por imagen: radiografía, TC, mamografía

El campo más maduro. Los algoritmos buscan nódulos pulmonares en la TC, signos de neumonía en radiografías y formaciones sospechosas en la mamografía. En el estudio de McKinney et al. (Nature, 2020), un sistema de análisis de mamografías basado en datos retrospectivos de Gran Bretaña y EE. UU. obtuvo menos resultados falsos positivos y falsos negativos que los médicos.

2. ECG

Los informes automáticos de los electrocardiógrafos existen desde hace tiempo, pero las redes neuronales amplían sus capacidades: reconocen la fibrilación auricular y otras arritmias, y ayudan a clasificar los registros según su urgencia. No obstante, la interpretación es verificada por el médico, y la habilidad de lectura de ECG sigue siendo indispensable, la cual se puede practicar cómodamente en el simulador de ECG.

3. Dermatoscopia

En el trabajo de Esteva et al. (Nature, 2017), una red neuronal entrenada con 129 450 imágenes clínicas de piel se comparó con 21 dermatólogos certificados: en la tarea de diferenciar el melanoma y el carcinoma de las lesiones benignas, mostró un nivel comparable al de los especialistas.

4. Retinopatía diabética

En 2018, la FDA (EE. UU.) aprobó IDx-DR, el primer sistema autónomo de diagnóstico por IA: analiza imágenes de fondo de ojo en pacientes con diabetes y emite un resultado sin la intervención de un oftalmólogo, lo que permite realizar cribados en la atención primaria.

5. Apoyo a la toma de decisiones clínicas

Los sistemas de apoyo a la decisión clínica (SADR) analizan los datos de la historia clínica y sugieren: riesgo de complicaciones, posibles interacciones farmacológicas o pruebas omitidas según las guías clínicas. Es una sugerencia, no una prescripción.

6. Textos médicos y documentación

El reconocimiento de voz convierte el dictado en un protocolo, los modelos de lenguaje redactan altas médicas, estructuran motivos de consulta y antecedentes, y buscan información relevante en documentos extensos. Para el médico, esto ahorra tiempo en tareas rutinarias; para el estudiante, es una forma rápida de encontrar la sección deseada en las guías clínicas.

7. Desarrollo de fármacos

AlphaFold (Google DeepMind) predice la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos. El artículo de Jumper et al. se publicó en Nature en 2021, y en 2024 Demis Hassabis y John Jumper recibieron la mitad del Premio Nobel de Química por este trabajo. Otro ejemplo: en 2020, la revista Cell describió el antibiótico halicicina, descubierto por una red neuronal entre moléculas ya existentes y activo frente a bacterias multirresistentes en experimentos con ratones.

8. Medicina personalizada

Los modelos combinan genética, análisis de laboratorio y antecedentes para evaluar el riesgo individual y seleccionar la terapia adecuada: por ejemplo, la predicción de la respuesta tumoral al tratamiento o características farmacogenéticas del metabolismo de los fármacos.

9. Dispositivos wearables

En 2018, la FDA autorizó la función de ECG en el Apple Watch: el reloj registra un ECG de una sola derivación e informa sobre signos de fibrilación auricular. El diagnóstico lo establece el médico; el reloj es solo un motivo para consultar.

10. Telemedicina y chatbots

Los bots recopilan síntomas antes de la consulta, recuerdan la toma de medicamentos y ayudan con la triaje. El principal riesgo: que el paciente confunda la respuesta del bot con un diagnóstico.

11. Organización sanitaria y educación

La IA predice la carga de trabajo en los departamentos, ayuda a planificar horarios y verifica la calidad del registro de la documentación. En educación, explica temas, elabora resúmenes y exámenes tipo test, y realiza exámenes de prueba, como se detalla a continuación.

IA en la medicina en Rusia: implementación y regulación

• Experimento de Moscú sobre visión por computador. Desde 2020 se lleva a cabo en Moscú un experimento sobre el uso de la IA en el diagnóstico por imagen: los algoritmos analizan radiografías, TC y mamografías en la práctica real de los policlínicos y hospitales municipales. El operador del experimento es el Centro de Diagnóstico y Telemedicina a través de la plataforma mosmed.ai.
• Registro en Roszdravnadzor. Un programa con IA destinado al diagnóstico o tratamiento se considera producto sanitario y debe ser registrado por Roszdravnadzor antes de su uso clínico.
• Estándares. Está en vigor la serie de normas GOST R 59921 «Sistemas de inteligencia artificial en la medicina clínica»: evaluación clínica, ensayos técnicos y conjuntos de datos para entrenamiento y pruebas.
• Estrategia. Mediante el Decreto Presidencial n.º 490 del 10.10.2019 se aprobó la Estrategia Nacional para el Desarrollo de la IA para el período hasta 2030 (actualizada por el decreto n.º 124 del 15.02.2024). El proyecto federal «Inteligencia artificial» está incluido en el proyecto nacional «Economía de datos».

Ventajas y desventajas de la IA en la medicina

Principales riesgos en detalle

Errores y alucinaciones. Un modelo que ha demostrado un excelente rendimiento en un artículo científico puede funcionar peor en otro equipo o en una población diferente. Los modelos de lenguaje también tienden a inventar fuentes inexistentes. Por ello, cualquier respuesta debe contrastarse con la fuente original, tal como se explica detalladamente en el artículo ChatGPT para médicos.

Sesgo de datos. Un caso ilustrativo fue descrito por Obermeyer et al. (Science, 2019): un algoritmo en EE. UU. evaluaba la necesidad de ayuda adicional en función del gasto médico previo y, debido al acceso desigual a la atención sanitaria, subestimaba el riesgo en pacientes de piel oscura.

Privacidad. La información sobre el estado de salud y los diagnósticos constituye secreto médico (art. 13 de la Ley Federal 323-FZ) y pertenece a categorías especiales de datos personales (art. 10 de la Ley Federal 152-FZ). Está prohibido introducir nombre completo, fecha de nacimiento, dirección o número de póliza del paciente en un chatbot de acceso público.

Problemas éticos de la IA en la medicina

• Autonomía y consentimiento. ¿Debe el paciente saber que su estudio fue evaluado por un algoritmo y puede negarse?
• Equidad. El modelo no debe ofrecer peores resultados debido al sexo, la edad, la región o la situación social.
• Transparencia. El médico debe comprender en qué se basa la sugerencia, de lo contrario no puede evaluarla críticamente.
• Responsabilidad. ¿Quién es responsable de un error: el médico, la clínica o el desarrollador?
• Confidencialidad. El entrenamiento de los modelos requiere grandes volúmenes de datos de pacientes.
• Deshumanización y pérdida de habilidades. El riesgo de que la comunicación con el paciente se reduzca y el médico pierda la capacidad de pensar sin ayuda.

En 2021, la OMS formuló seis principios para una IA ética en la salud: protección de la autonomía, bienestar y seguridad de las personas, transparencia y explicabilidad, responsabilidad y rendición de cuentas, inclusión y equidad, y sostenibilidad. En 2024, la OMS publicó directrices específicas sobre grandes modelos multimodales. En Rusia se adoptó el Código de Ética en el Ámbito de la IA (2021) y, para el sector salud, un grupo de trabajo interdepartamental del Ministerio de Salud aprobó el Código de Ética para la Aplicación de la IA en el Cuidado de la Salud.

¿Reemplazará la IA al médico?

En el futuro previsible, no. La IA resuelve bien tareas específicas: detectar un nódulo en una TC, reconocer un ritmo en un ECG. El médico, por su parte, recopila la anamnesis, realiza la exploración física, compara datos contradictorios, explica el diagnóstico al paciente y asume la responsabilidad legal. Incluso en radiología, el campo que más frecuentemente se menciona como candidato a sustitución, la IA actúa por ahora como una segunda opinión, mientras que el informe lo firma el médico radiólogo.

El escenario realista es diferente: el trabajo está cambiando. Hay menos tareas rutinarias, y la capacidad de verificar la sugerencia de la máquina y comprender dónde cometió un error se convierte en parte de la cualificación. Las comparaciones de los modelos que los médicos ya utilizan se analizan en nuestra guía de redes neuronales para médicos.

La IA en la educación médica

Para un estudiante, la IA es útil principalmente como tutor y asistente con las tareas rutinarias. El requisito principal es que las respuestas deben basarse en fuentes verificables y no en la «memoria» del modelo. Así es como funciona la red neuronal para profesionales médicos de WhiteCoat Pro:

• el tutor de IA responde según los manuales de la plataforma (31 asignaturas, más de 3400 videoclases) y guías clínicas, incluye notas al pie con páginas de los manuales y muestra qué videotutorial revisar;
• los apuntes se elaboran a partir de la grabación de una clase, un video enlazado, una foto del cuaderno, PDF o Word, con tests y tarjetas de repaso;
• la presentación: primero el esquema de diapositivas, luego el ensamblaje y la exportación en PPTX y PDF;
• examen oral por voz: el examinador hace preguntas sobre el tema y, tras la llamada, se realiza un análisis basado en una lista de verificación (checklist).

Funciona en Rusia sin VPN. La limitación es la misma que para cualquier IA en medicina: es una herramienta de estudio, no establece diagnósticos ni prescribe tratamientos para personas reales, y no se deben introducir datos personales de pacientes. Más información sobre los casos de uso en el artículo red neuronal para estudiantes de medicina.

Plan preparado para la presentación y el informe sobre el tema «La IA en la medicina»

1. Diapositiva de título: «Inteligencia artificial en la medicina», nombre completo, grupo, departamento.
2. Qué son la IA, el aprendizaje automático y las redes neuronales: definiciones y diagrama de entrenamiento del modelo.
3. Breve historia: desde los sistemas expertos hasta los grandes modelos de lenguaje.
4. Diagnóstico por imágenes: radiografía, TC, mamografía, dermatoscopia, fondo de ojo.
5. ECG y dispositivos portátiles.
6. Apoyo a la toma de decisiones clínicas y gestión de historias clínicas.
7. Desarrollo de fármacos: AlphaFold y búsqueda de antibióticos.
8. La IA en la medicina en Rusia: el experimento de Moscú, registro de productos sanitarios, GOST R 59921, estrategia nacional.
9. Ventajas y desventajas: tabla de beneficios y riesgos.
10. Problemas éticos y legales: principios de la OMS, secreto médico, datos personales.
11. ¿Reemplazará la IA al médico?: argumentos y conclusión.
12. Conclusiones y bibliografía.

Consejo: mantén una sola tesis y un ejemplo por diapositiva, obtén cifras únicamente de fuentes primarias. El paso a paso para armar una presentación de este tipo se explica en el artículo presentación sobre medicina con red neuronal.

Bibliografía y fuentes para el informe

1. Decreto del Presidente de la Federación Rusa del 10.10.2019 n.º 490 «Sobre el desarrollo de la inteligencia artificial en la Federación Rusa» (con sus modificatorias del 15.02.2024).
2. Ley Federal del 21.11.2011 n.º 323-FZ «Sobre los fundamentos de la protección de la salud de los ciudadanos en la Federación Rusa», art. 13.
3. Ley Federal del 27.07.2006 n.º 152-FZ «Sobre datos personales», art. 10.
4. GOST R 59921.1-2022 «Sistemas de inteligencia artificial en medicina clínica. Parte 1. Evaluación clínica».
5. Gusev A.V., Vladzimirsky A.V., Sharova D.E. et al. Evolución de la investigación científica y el desarrollo en el campo de las tecnologías de inteligencia artificial para la salud en la Federación Rusa: resultados de 2021 // Digital Diagnostics. 2022. T. 3, n.º 3. P. 178-194. DOI: 10.17816/DD107367.
6. World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva, 2021.
7. Topol E.J. High-performance medicine: the convergence of human and artificial intelligence // Nature Medicine. 2019. Vol. 25. P. 44-56.
8. Esteva A. et al. Dermatologist-level classification of skin cancer with deep neural networks // Nature. 2017. Vol. 542. P. 115-118.
9. McKinney S.M. et al. International evaluation of an AI system for breast cancer screening // Nature. 2020. Vol. 577. P. 89-94.
10. Stokes J.M. et al. A Deep Learning Approach to Antibiotic Discovery // Cell. 2020. Vol. 180, № 4. P. 688-702.

Preguntas frecuentes

¿Dónde se utiliza actualmente la inteligencia artificial en la medicina?

Principalmente en radiología (rayos X, TC, mamografía), análisis de ECG, dermatoscopia y cribado de retinopatía diabética. Su uso está creciendo en la documentación, el desarrollo de fármacos, los dispositivos portátiles y la educación.

¿Cuáles son los principales problemas del uso de la IA en la medicina?

Errores y alucinaciones, sesgo en los datos de entrenamiento, falta de transparencia en las decisiones, responsabilidad poco clara en caso de error, y la protección del secreto médico y los datos personales.

¿Qué problemas éticos de la IA en la medicina se deben mencionar en el informe?

Autonomía y consentimiento informado del paciente, equidad, transparencia, responsabilidad, confidencialidad y riesgo de deshumanización. Documento de referencia: las directrices de la OMS de 2021 con sus seis principios.

¿Reemplazará la IA al médico radiólogo?

No. La IA acelera la búsqueda de hallazgos y clasifica los estudios, pero el informe lo firma el médico y la responsabilidad recae sobre él.

¿Se pueden introducir datos de pacientes en una red neuronal?

Los datos personales no están permitidos: nombre completo, fecha de nacimiento, dirección, número de seguro médico. La información de salud está protegida por el art. 13 de la Ley 323-FZ y la Ley 152-FZ. Para fines educativos, los datos deben ser anonimizados.

¿Ayudará el artículo a prepararse para el examen de la CME (educación médica continua) sobre IA en medicina?

No contiene respuestas directas a los exámenes, pero el artículo cubre los temas principales: áreas de aplicación, regulación en Rusia, riesgos y ética. Las dudas se pueden resolver con el tutor de IA con referencias a las fuentes.