IA en sanidad: precisa sobre el papel, sin pruebas a pie de cama

La inteligencia artificial promete hacer que la sanidad sea más rápida, más barata y mejor. Al menos esa es la promesa. La IA puede revisar historiales médicos, ayudar a los facultativos en los diagnósticos, analizar pruebas de imagen, asumir tareas administrativas e incluso alertar de situaciones potencialmente mortales, como la sepsis.

Pero, según el Financial Times, ahí está precisamente el problema. La tecnología avanza a gran velocidad, mientras que las pruebas de que la IA mejora de verdad los resultados de los pacientes en la práctica diaria siguen siendo, a menudo, insuficientes.

El problema de las falsas alarmas

Un ejemplo ilustrativo procede de un hospital de Michigan. Allí se implantó un sistema de IA que revisaba cada quince minutos los historiales de los pacientes en busca de señales de sepsis. Sobre el papel, la idea parece muy prometedora. La sepsis puede poner en riesgo la vida y actuar a tiempo es clave.

En la práctica, los médicos recibían tantas alertas que empezaron a tomarse el sistema cada vez menos en serio. Fue el clásico caso del niño que gritaba “¡que viene el lobo!” demasiadas veces.

Cuando una herramienta de IA dispara demasiadas alarmas, la vigilancia de los médicos puede reducirse en lugar de aumentar. En ese caso, la tecnología no ayuda, sino que añade ruido a un sistema ya de por sí saturado.

Preciso no es lo mismo que útil

Detrás de ello hay un problema más amplio. Muchas empresas de IA demuestran sobre todo que su modelo ofrece un buen rendimiento estadístico. El modelo reconoce patrones, predice riesgos o obtiene puntuaciones elevadas en un entorno de prueba.

Pero en sanidad eso no basta. La cuestión de fondo no es si un algoritmo es preciso sobre el papel. La verdadera pregunta es si mejora la salud de los pacientes.

¿Se realizan los diagnósticos más rápido? ¿Se reducen los errores médicos? ¿Son más eficaces los tratamientos? ¿Los médicos ahorran realmente tiempo sin que aparezcan nuevos riesgos? Según los expertos, para responder a este tipo de preguntas suele haber sorprendentemente pocas pruebas sólidas.

La IA generativa acapara la atención

En imagen médica y diagnóstico existen ejemplos sólidos en los que la IA ayuda de forma demostrable. Es el caso de pruebas de imagen o colonoscopias en las que los algoritmos pueden detectar anomalías.

Sin embargo, buena parte de la atención se dirige ahora a la IA generativa, como los sistemas que resumen textos médicos o apoyan a los médicos en la toma de decisiones.

Precisamente ahí las pruebas son más complejas. Estos modelos cambian rápido, trabajan con datos sensibles y pueden resultar convincentes aunque cometan errores. Eso exige una supervisión continua en hospitales reales, no solo pruebas en un laboratorio.