¿Cuál es el impacto potencial de la IA en el sector salud? Los alcances y limitaciones

En los últimos años, la Inteligencia Artificial pasó de ser un concepto futurista a una realidad tangible en distintos sectores. En salud, por ejemplo, sus aplicaciones ya están marcando la diferencia, y es aquí dónde surgen preguntas clave: ¿qué tan profundo es su impacto real? ¿Qué se puede esperar de la IA en los próximos años?

Para responder a estas dudas, CAMBIO habló con dos referentes que trabajan directamente con tecnologías de IA en salud: Andrés Aparicio, gerente de Innovación en Datos de Bayer, y Laura Anzola, project manager de Doctoralia Colombia.

Las aplicaciones reales de la IA y el alcance de sus funciones

En primer lugar, los expertos presentaron algunas aplicaciones concretas de la Inteligencia Artificial en el ámbito de la salud y entre los distintos campos. El diagnóstico por imágenes se destaca como el área en la que la IA demuestra su valor de forma más tangible y cuantificable.

Andrés Aparicio explica que los algoritmos están corrigiendo limitaciones humanas. "En Bayer contamos con un partnership con Google basado en algoritmos de visión artificial que analizan radiografías, tomografías, resonancias y otros estudios con gran precisión. Se ha demostrado que la IA puede detectar fracturas óseas en radiografías que a veces pasan inadvertidas para los médicos, recordemos que hasta un 10 por ciento de fracturas pueden ser inicialmente omitidas en urgencias", señala.

Este porcentaje no es una mera estadística: en un hospital de tercer nivel que procesa 500 radiografías diarias, equivaldría a 50 diagnósticos fallidos cada jornada. La implementación de estos sistemas podría significar la diferencia entre una intervención oportuna y secuelas permanentes para decenas de pacientes.

Laura Anzola, por su parte, complementa este panorama con ejemplos concretos donde la velocidad algorítmica salva vidas: "Plataformas como Aidoc están utilizando la IA para analizar imágenes médicas, como radiografías y tomografías, en tiempo real. Pueden detectar situaciones críticas, como hemorragias internas".

Este uso de la IA, que puede salvar vidas, también se complementa con otra función esencial para los expertos: "la monitorización remota de pacientes junto con la predicción de riesgos. Los dispositivos wearables e Internet de las cosas médicas (IoMT) combinados con IA permiten vigilar la salud de pacientes fuera del hospital. Por ejemplo, se han desarrollado parches cardíacos inalámbricos con IA que monitorizan la actividad eléctrica del corazón de forma remota, enviando alertas al cardiólogo si detectan arritmias o anomalías", añade Aparicio.

¿Devolverle la humanidad al sector de la salud? Otra aplicación curiosa de la IA

La IA también podría ser un gran aliado para devolverle la humanidad al sector, irónicamente. Aparicio destaca que "los sistemas de dictado inteligente y resumen clínico (como DAX Copilot de Microsoft) pueden escuchar la conversación en una consulta médica general y generar automáticamente el resumen o nota de evolución para la historia clínica".

Implementar estos sistemas en todos los hospitales y clínicas reduciría la carga a los médicos, quienes tendrían más tiempo para interactuar con sus pacientes y no con los documentos de estos. Así lo explica Anzola, quien profundiza en esta ironía: "herramientas como NOA Notes, de Doctoralia están facilitando la vida a los médicos al automatizar la documentación clínica. Pueden transcribir notas de consultas de manera rápida, dándoles más tiempo para enfocarse en lo que realmente importa: los pacientes".

Los desafíos estructurales que plantea la IA en la salud

Pero no todo es bueno. El entusiasmo por estas tecnologías choca con limitaciones estructurales. Aparicio advierte que "las soluciones de IA dependen en gran medida de la calidad y cantidad de datos. Si los datos clínicos usados para entrenar un algoritmo son incompletos, están desactualizados o contienen sesgos, la IA puede ser poco fiable o injusta. Un algoritmo es tan bueno como los datos que lo alimentan".

Anzola, por su parte, amplía el análisis hacia las consecuencias sociales: "si los algoritmos de IA son entrenados con datos que contienen sesgos (por ejemplo, en términos de raza, género o condición socioeconómica), pueden perpetuar o incluso amplificar estas desigualdades en la atención médica".

Los datos personales sensibles, otro talón de Aquiles

La protección de datos sensibles también emerge como otro nudo crítico. Aparicio dice que "el uso de IA en salud plantea dilemas éticos. Uno central es la privacidad y seguridad de los datos del paciente. Los algoritmos suelen necesitar analizar grandes volúmenes de historias clínicas, imágenes o genomas, lo que implica recopilar y procesar información sensible".

Gestionar estos datos de manera segura puede ser un desafío y se agrava en países con marcos regulatorios débiles, donde la comercialización de datos médicos podría convertirse en un negocio. "Las brechas de seguridad pueden exponer información personal, lo que genera desconfianza y preocupación sobre el uso ético de los datos". agrega Anzola.

Entre el escepticismo y la fe tecnológica

La implementación de estas tecnologías también enfrenta resistencias culturales tan significativas como las barreras técnicas. Aparicio describe el dilema de los profesionales: "La introducción de IA puede generar escepticismo o temor en profesionales habituados a métodos tradicionales. Si un médico no comprende el razonamiento de la IA, difícilmente la usará para decidir, por ejemplo, una cirugía".

Este escepticismo contrasta con el discurso triunfalista de algunas empresas tecnológicas que ofrecen servicios que presentan como ganadores y soluciones únicas al tratamiento de ciertas afecciones de salud. Por ello, Anzola propone un enfoque equilibrado: "Es esencial crear espacios de diálogo donde se escuchen inquietudes y se explique cómo la IA puede ser una aliada, no un reemplazo".

Y si se implementa.... ¿cómo se lucha contra la brecha del sector salud?

Ahora bien, incluso si se logra superar las barreras del eseptisismo, un aspecto crucial que ambos expertos destacan es el riesgo de que estas tecnologías profundicen las desigualdades existentes.

Mientras hospitales de referencia en Bogotá o Medellín podrían implementar sistemas de IA de última generación, centros de atención primaria en zonas rurales carecen de conectividad básica. Aparicio menciona iniciativas como la "Smart Clinic móvil de La Guajira", pero estas experiencias puntuales no ocultan la brecha estructural.

Anzola agrega: "no todos los profesionales de la salud están familiarizados con la tecnología IA. Por eso, es vital ofrecer capacitación adecuada y continua". Esta observación de la experta apunta a otra dimensión de la desigualdad: la formación dispar del personal sanitario en competencias digitales, un problema que debe atenderse y tenerse en cuenta cuando se implemente en su totalidad la IA en el sector.

El largo camino que aún le queda a la IA: las proyecciones a futuro

Ambos expertos proyectan horizontes transformadores de la IA en la salud. Aparicio explica que "a largo plazo... anticipamos beneficios transformacionales más profundos gracias a la IA: medicina verdaderamente personalizada, atención predictiva y preventiva a gran escala". Esta visión implica un cambio de paradigma: de la medicina reactiva a la preventiva, con algoritmos capaces de identificar riesgos antes que se manifiesten síntomas.

Anzola coincide al mencionar herramientas como BlueDot, que anticipa brotes infecciosos mediante el análisis de patrones de datos globales. La pandemia de COVID-19 demostró el valor incalculable de estos sistemas de alerta temprana.

Para los expertos, la IA en salud debe estar al servicio de una medicina más humana, no al revés. Como resume Aparicio: "con regulaciones claras, mejores prácticas de desarrollo y educación tanto del personal médico como de los pacientes, muchas de estas barreras pueden superarse gradualmente".