Un padre está preocupado por su hijo pequeño, que lleva dos días con fiebre alta y se tira de la oreja. Una mujer de 65 años tiene dificultad para respirar durante sus paseos matutinos y se siente más cansada de lo normal. Ambos cogen sus teléfonos y describen sus síntomas en un chatbot de inteligencia artificial.
«"Es probable que su hijo tenga una infección de oído", se entera el padre. "Sus síntomas podrían indicar una enfermedad cardíaca", lee la mujer.
Estas son respuestas útiles y es muy probable que sean correctas. La inteligencia artificial se está acercando, y en algunos casos superando, la capacidad de los médicos para realizar diagnósticos precisos. Un estudio realizado en abril de 2026 reveló que el modelo o1 de OpenAI tenía una tasa de precisión de 78% en casos de diagnóstico complejos, publicado en el New England Journal of Medicine, y también superó a médicos experimentados al diagnosticar pacientes reales en la sala de emergencias. De manera similar, un estudio de 2024 encontró que ChatGPT, al ejecutarse de forma autónoma, superó a los médicos en el diagnóstico de casos complejos, incluso cuando los médicos podían usar ChatGPT de forma independiente.
Sin embargo, realizar el diagnóstico correcto es solo la mitad del trabajo de un médico. La otra mitad consiste en saber qué hacer al respecto; en otras palabras, decidir cómo tratar la afección del paciente.
Soy médico y profesor de medicina, y estudio cómo los médicos toman estas decisiones —un proceso conocido como razonamiento ejecutivo— y cómo los estudiantes de medicina desarrollan esta capacidad. En casos de problemas de salud evidentes, un diagnóstico asistido por IA podría ser suficiente para obtener la atención necesaria; por ejemplo, una crema analgésica para las encías de un bebé o una cita con un cardiólogo.
Sin embargo, la incertidumbre es común en la práctica clínica. A menudo, conocer la afección subyacente del paciente es necesario, pero no suficiente, para determinar cómo brindarle atención. Y la cuestión de cómo tratar a un paciente, incluso después de un diagnóstico, sigue siendo compleja.
El diagnóstico clasifica, pero el tratamiento prioriza.
Los médicos experimentados no evalúan a cada paciente desde cero. A lo largo de los años de práctica, desarrollan una especie de "receta para la enfermedad" en su mente.
Los escenarios de enfermedad son más que simples listas de síntomas. Describen las manifestaciones típicas de la enfermedad, las predisposiciones y la evolución más común de la misma. Cuando un médico examina a un nuevo paciente, compara los síntomas observados con estos escenarios mentales: un proceso de categorización y reconocimiento de patrones.
Cuando un paciente presenta un patrón familiar de signos y síntomas, el médico, casi instintivamente, recrea mentalmente el escenario correspondiente. Esto le permite detectar elementos que no coinciden del todo: un síntoma que no se corresponde con la descripción o un detalle en el historial médico del paciente —un viaje reciente al extranjero, una exposición inusual en el trabajo— que apunta a un diagnóstico diferente.
Como era de esperar, la IA domina este proceso de reconocimiento de patrones. Los grandes modelos de lenguaje, como ChatGPT, funcionan de manera similar. Predicen qué palabra debe seguir a la palabra principal en una oración basándose en patrones extraídos de vastos corpus de texto, incluyendo literatura médica. En esta literatura, la palabra "neumonía" coincide de forma fiable con ciertos patrones de síntomas: por ejemplo, fiebre combinada con una mancha opaca en una radiografía de tórax. El reconocimiento de patrones a este nivel es esencialmente el mismo que realiza un médico al relacionar los síntomas de un paciente con la descripción de la enfermedad.
Pero decidir qué hacer a continuación —qué pruebas realizar, qué tratamiento probar, qué monitorizar y qué controlar— es diferente. En lugar de una única respuesta correcta, el médico se enfrenta a una multitud de opciones razonables. El arte de la gestión médica reside en priorizar y determinar cuál de estas opciones es la mejor para cada paciente.
Ventaja humana
¿Cómo pasa un médico de hacer un diagnóstico a determinar el mejor tratamiento para un paciente? La respuesta casi siempre es: "Depende".
Consideremos el caso de dos hombres, Marcus y Thomas, ambos de 68 años, a quienes se les diagnosticó recientemente cáncer de próstata en etapa temprana. Las biopsias revelaron lo mismo: un tumor de crecimiento lento confinado a la glándula prostática.
A ambos se les ofrecen dos opciones de tratamiento idénticas: tratamiento inmediato con cirugía o radioterapia, aceptando los riesgos de incontinencia urinaria y cambios en la función sexual; o bien, observación atenta con pruebas y biopsias periódicas, con tratamiento solo si el tumor crece. Un estudio que siguió a más de 82 000 hombres con cáncer de próstata en etapa temprana durante 15 años reveló que menos de 3 de cada 100 fallecieron a causa del cáncer de próstata, independientemente del tratamiento elegido, aunque los hombres que optaron por la observación tuvieron aproximadamente el doble de probabilidades de que su cáncer se diseminara.
La inteligencia artificial puede presentar ambas opciones junto con estos datos estadísticos. Un médico, sin embargo, tiene información sobre la persona que tiene enfrente.
Marcus no tiene otros problemas de salud graves. Su médico lo sabe y lo conoce lo suficientemente bien como para comprender lo difícil que es para él la incertidumbre. Para un paciente sin otros problemas de salud urgentes, un tumor de crecimiento lento tiene tiempo para progresar y convertirse en algo más grave. Ambas opciones de tratamiento son perfectamente razonables, pero Marcus no puede permitirse esperar. No puede ignorar la realidad de que tiene cáncer, que está siendo monitoreado pero no tratado. Elige el tratamiento.
Los chatbots de IA no son especialmente buenos para priorizar tareas en situaciones de riesgo e incertidumbre. MoMo Productions/DigitalVision vía Getty Images
Thomas padece insuficiencia cardíaca avanzada y su médico lo ha estado monitoreando durante años. Sabe que su afección cardíaca representa una amenaza más inmediata para su salud que este tumor de crecimiento lento. También sabe que ha visto a un amigo someterse a radioterapia y quedar debilitado. Un tratamiento agresivo implicaría costos elevados para beneficios que quizás nunca se materialicen. Recomienda la vigilancia activa. Para Thomas, esta es la decisión correcta y un alivio.
En medicina, las decisiones terapéuticas suelen ser variadas. El camino adecuado para cada paciente depende de quién sea y qué valore, así como del criterio del médico sobre dónde la evidencia es sólida y dónde persiste una verdadera incertidumbre.
Evaluación de riesgos e incertidumbre
Para decidir cómo tratar a un paciente, el médico primero revisa la literatura médica y luego aplica las opciones de tratamiento disponibles a las circunstancias específicas del paciente. Esto requiere una comunicación honesta, la toma de decisiones compartida, una evaluación conjunta de los riesgos y el reconocimiento de la incertidumbre.
Algunos riesgos se pueden medir. En el caso del dolor de pecho, los médicos utilizan herramientas de evaluación para determinar el riesgo a corto plazo de sufrir un infarto, basándose en los síntomas y los resultados de las pruebas. Es probable que la inteligencia artificial pueda procesar estos datos más rápido que la mayoría de los médicos.
Sin embargo, el riesgo y la incertidumbre son difíciles de medir a pie de cama o en la clínica. Los sistemas de evaluación y las recomendaciones prácticas están diseñados para el paciente promedio, una persona idealizada que no existe. Y tanto para médicos como para pacientes, su percepción del riesgo y la incertidumbre está condicionada por sus experiencias. Para muchos pacientes, esto incluye un largo y bien fundado historial de desconfianza hacia el sistema de salud.
La inteligencia artificial desconoce tus experiencias y los riesgos que estás dispuesto a asumir. No puede reconocer la incertidumbre como lo hace un buen médico, revisándola contigo a medida que cambian tus circunstancias.
En este caso, el diagnóstico y el tratamiento difieren. El padre de un niño con fiebre alta probablemente recibió una respuesta útil: la inteligencia artificial, tras revisar la literatura médica, ha analizado suficientes casos de niños con fiebre alta como para llegar a una conclusión fundamentada. Sin embargo, lo mejor es consultar con un médico sobre los pasos a seguir, incluyendo cuándo dejar de monitorear y empezar a preocuparse.
Este artículo se reproduce de The Conversation, una organización de noticias independiente y sin fines de lucro que le brinda información veraz y análisis confiables para ayudarle a comprender nuestro complejo mundo. Por Andrew Parsons, Universidad de Virginia.
Leer más:
-
Los errores de la IA pueden ser imposibles de corregir: ¿qué implicaciones tiene esto para su uso en la atención médica?
-
Desde casos individuales hasta herramientas de inteligencia artificial, la forma en que los médicos toman decisiones médicas está cambiando con los avances tecnológicos.
-
Convertir el movimiento en medicina: cómo la IA, la captura de movimiento y los dispositivos portátiles pueden mejorar tu salud.
Andrew Parsons no trabaja para, ni asesora a, ni posee acciones en, ni recibe financiación de ninguna empresa u organización que pudiera beneficiarse de este artículo, y no ha revelado ninguna afiliación relevante más allá de su cargo académico.