Tecnología e inteligencia artificial como recursos de apoyo para el personal sanitario

Gustavo Lazo Páez
Médico Pediatra e Inmunólogo Clínico, Hospital Clínica Bíblica, San José, Costa Rica.

La incorporación de la inteligencia artificial (IA) en la práctica clínica ya no constituye una promesa, ni un argumento de ciencia ficción, es una realidad que atraviesa el diagnóstico, la selección de tratamientos, el laboratorio clínico y la gestión de expediente clínico. Los diversos algoritmos de aprendizaje y procesamiento superan en algunos puntos la capacidad humana, y permiten la identificación de patrones que mejoran la precisión diagnóstica, reduciendo costos y errores en la práctica clínica. (1) Sin embargo, la reacción del personal sanitario y biomédico se mueve en un rango que incorpora diversas aristas, como temor, desconfianza y hasta renuencia para integrarla como un recurso de apoyo, no como sustituto, del criterio clínico.

La evidencia respalda beneficios concretos. Una revisión sistemática ha señalado que las herramientas asistidas, y acá la palabra mágica, asistidas por IA superaron los estándares de calidad de la atención habitual en el 77% de los estudios identificados, incluso con mejora en los desenlaces clínicamente relevantes en el 70% de los casos positivos. (2) Diversos metaanálisis sobre colaboración humano-IA describen ganancias reales en precisión diagnóstica y manejo clínico en general, (3) y si nos enfocamos en áreas específicas como la cardiología, 32 ensayos aleatorizados muestran mejoras en eficiencia del flujo de trabajo, mejoras en el compromiso y adherencia del paciente y una reducción de eventos adversos, incluida la mortalidad por todas las causas. (4) Algunos agentes autónomos de IA en contexto de urgencias han alcanzado precisión diagnóstica comparable al criterio de médicos certificados, con una reducción significativa del gasto en recursos de imagen. (5)

Los sistemas de apoyo a la decisión clínica potenciados por modelos de lenguaje de gran escala se integran cada vez más en expedientes clínicos, permitiendo optimizar la estratificación de riesgo y el uso de recursos, en un mercado que se proyecta alcance 15 mil millones de dólares para el 2033. (6,7) En el laboratorio y la biomedicina, la IA permite automatizar flujos de trabajo, y facilita el análisis de biomarcadores y datos genéticos para la medicina personalizada. (8)

Ahora bien, el entusiasmo no debe confundirse con certeza. La calidad de la evidencia sigue siendo limitada, y a pesar de resultados prometedores, la literatura muestra ensayos aleatorizados escasos, heterogéneos, con muestras pequeñas y de diseño unicéntrico, con intervalos de predicción que reflejan incertidumbre considerable que no permite hacer una generalización de los hallazgos. (2,3) Para nadie es un secreto que otros riesgos acompañan al uso clínico de la IA, como el sesgo de automatización y la complacencia del profesional frente a recomendaciones logarítmicas, y algo más grave, como la posible pérdida de habilidades clínicas por dependencia excesiva, particularmente en los profesionales que se encuentran en proceso formativo, sobretodo si nos referimos a aquellos que se desenvuelven en contextos de baja prevalencia de enfermedad. (10) A los desafíos técnicos se suman vacíos regulatorios, relacionados con la vigilancia poscomercialización de dispositivos, considerando que la mayoría del software médico podría considerarse como de “alto riesgo”. (11) Los principios y consensos internacionales insisten en la transparencia, la explicabilidad, la participación comunitaria y la responsabilidad por los resultados de equidad a lo largo de todo el ciclo de vida de los diversos algoritmos. (12)

A pesar del temor, la incertidumbre y hasta “los celos” que pueda presentar el personal sanitario, la conclusión parece ser clara: la IA y la tecnología son recursos de apoyo con capacidad demostrada de mejorar la precisión diagnóstica, aliviar cargas operativas y fortalecer la toma de decisiones, pero la integración de estos recursos al ejercicio de la práctica clínica exige supervisión clínica activa por parte de profesionales bien entrenados, calificados y actualizados en sus respectivas áreas de trabajo. Además es necesario fortalecer marcos de evaluación robustos, actualización médica continua y una vigilancia deliberada sobre el sesgo algorítmico. Ninguna herramienta, por sofisticada que sea, sustituye al día de hoy, el juicio clínico ni la relación humana en el cuidado de la salud. El valor de los nuevos recursos está en potenciar las habilidades del clínico, jamás remplazar el criterio y la atención empática que sólo el personal sanitario puede ofrecer. Ahora, ya no basta con la titulación básica, invertir en capacitación continua, gobernanza y recursos de evaluación continua no es una opción, sino una condición necesaria para que la promesa de la IA en salud se traduzca en beneficios reales, seguros y equitativos para pacientes y profesionales por igual.

El autor declara el uso de inteligencia artificial para la búsqueda y validación de referencias bibliográficas que sirvieron de substrato para la elaboración del documento.

Referencias

1. Alowais SA, Alghamdi SS, Alsuhebany N, et al. Revolutionizing Healthcare: The Role of Artificial Intelligence in Clinical Practice. BMC Medical Education. 2023.

2. Lam TYT, Cheung MFK, Munro YL, et al. Randomized Controlled Trials of Artificial Intelligence in Clinical Practice: Systematic Review. Journal of Medical Internet Research. 2022.

3. Wang G, Zhang K, Jiang J, et al. Human-large language model collaboration in clinical medicine: a systematic review and meta-analysis. NPJ Digital Medicine. 2026.

4. Lin YE, Yang SM, Huang CJ, et al. Impact of artificial intelligence on cardiovascular workflow, engagement, and outcomes: a systematic review. NPJ Digital Medicine. 2026.

5. Ferber D, Hilgers L, Höper C, et al. Towards autonomous medical artificial intelligence agents. Nature. 2026.

6. Daly JE, Delen D, Han Z, et al. AI in Clinical Decision Support Systems: Promising Applications and Strategies for Managing Data Challenges. Journal of Medical Internet Research. 2026.

7. Webster P. AI decision support is scaling-up fast — can the evidence keep up? Nature Medicine. 2026.

8. Pillay TS, Topcu Dİ, Yenice S. Harnessing AI for Enhanced Evidence-Based Laboratory Medicine (EBLM). Clinica Chimica Acta. 2025.

9. Jafri L, Farooqui AJ, Grant J, et al. Insights From Semi-Structured Interviews on Integrating Artificial Intelligence in Clinical Chemistry Laboratory Practices. BMC Medical Education. 2024.

10. Brunyé TT, Mitroff SR, Elmore JG. Artificial Intelligence and Computer-Aided Diagnosis in Diagnostic Decisions: 5 Questions for Medical Informatics and Human-Computer Interface Research. Journal of the American Medical Informatics Association. 2025.

11. Schmidt J, Schutte NM, Buttigieg S, et al. Mapping the regulatory landscape for artificial intelligence in health within the European Union. NPJ Digital Medicine. 2024.

12. Chin MH, Afsar-Manesh N, Bierman AS, et al. Guiding Principles to Address the Impact of Algorithm Bias on Racial and Ethnic Disparities in Health and Health Care. JAMA Network Open. 2023.