La IA en medicina ya no es una promesa futura: es una realidad presente que está influyendo en decisiones clínicas hoy mismo. En 2026, los sistemas de inteligencia artificial participan activamente en el diagnóstico de cáncer, enfermedades cardiovasculares y patologías neurológicas con niveles de precisión que, en tareas muy específicas y acotadas, superan a los especialistas humanos, aunque el salto de "supera en un estudio controlado" a "sustituye en la práctica clínica diaria" sigue siendo mucho mayor de lo que sugieren los titulares.
Sybil, del MIT, y la ventana de seis años que cambia el pronóstico
El sistema Sybil, desarrollado en el MIT, detecta el riesgo de cáncer de pulmón en tomografías computarizadas de cribado hasta seis años antes de que los síntomas sean clínicamente visibles, analizando patrones sutiles en el tejido que el ojo humano no está entrenado para priorizar. Esa ventana temporal es clínicamente decisiva porque el cáncer de pulmón detectado en fase temprana tiene tasas de supervivencia radicalmente distintas a uno detectado en fase avanzada. El límite honesto de Sybil es que fue entrenado y validado principalmente sobre cohortes de fumadores de alto riesgo en Estados Unidos, y su rendimiento en poblaciones con perfiles de riesgo distintos todavía se está validando.
AMIE de Google y la reducción de biopsias innecesarias
AMIE, el sistema de Google enfocado en dermatología, detecta melanoma en fotografías de piel con una especificidad del 96%, lo que en la práctica se traduce en una reducción significativa de los falsos positivos que hoy llevan a biopsias innecesarias, un procedimiento invasivo, caro y ansiógeno para el paciente. La contrapartida que rara vez se menciona en el material promocional es que estos sistemas funcionan peor sobre tonos de piel más oscuros, un sesgo heredado de la composición de las bases de datos dermatológicas históricas con las que se entrenaron, un problema que la comunidad médica reconoce abiertamente y que sigue en proceso de corrección.
El Apple Watch como herramienta de cribado cardiovascular masivo
El sistema de Apple, que cruza los electrocardiogramas capturados por el Apple Watch con otros biomarcadores de salud del usuario, ha detectado fibrilación auricular en miles de usuarios que no habían sido diagnosticados previamente por vías clínicas convencionales. Esto representa un cribado poblacional a una escala que ningún sistema sanitario podría costear con métodos tradicionales, pero introduce también una carga nueva sobre la atención primaria: un aumento de consultas motivadas por alertas del reloj que, en una proporción no menor de los casos, resultan ser falsos positivos sin relevancia clínica real, generando ansiedad y coste sanitario adicional que todavía se está cuantificando.
Medicina predictiva personalizada: el perfil genético como brújula terapéutica
La convergencia de datos genómicos, historial médico electrónico, información de wearables y biomarcadores en sangre permite a sistemas de IA construir modelos de riesgo personalizados con una precisión que hace una década resultaba inimaginable. En pacientes oncológicos, estos modelos ya ayudan a predecir qué tratamiento específico tiene mayor probabilidad de éxito según el perfil genético concreto del tumor, evitando meses de tratamientos ineficaces con efectos secundarios severos. El acceso a esta medicina de precisión, sin embargo, sigue muy concentrado en hospitales de referencia con capacidad de secuenciación genómica, y está lejos de ser una realidad universal incluso dentro de sistemas de salud pública avanzados como el español.
Los sesgos de entrenamiento y el vacío legal de la responsabilidad
La IA médica no está exenta de problemas serios. Los modelos entrenados predominantemente con datos de pacientes de origen europeo o norteamericano muestran, de forma consistente en múltiples estudios, peor rendimiento en poblaciones con distinto trasfondo genético o socioeconómico, lo que puede perpetuar desigualdades sanitarias existentes bajo una apariencia de objetividad tecnológica. A esto se suma un problema legal sin resolver de forma satisfactoria en ningún país: quién responde cuando un sistema de IA participa en un error diagnóstico, el fabricante del software, el hospital que lo desplegó o el médico que confió en su recomendación. La posición que defiende la comunidad médica internacional, y que parece la más razonable, es usar la IA estrictamente como apoyo al criterio clínico, nunca como sustituto de la decisión final de un profesional responsable.
