La Organización Médica Colegial presenta el 3 de junio la jornada “Medicina inteligente, decisiones humanas”, en la que presentará el Manual de Buenas Prácticas para la Inteligencia Artificial en Medicina. En este contexto, el Dr. José Ibeas, director del Programa para la Promoción y Desarrollo de la IA en el Sistema de Salud de Cataluña y autor del capítulo dedicado a la práctica clínica, analiza el momento actual de la inteligencia artificial en la sanidad y los retos que aún frenan su implementación real.
¿Cómo describiría el momento actual de la inteligencia artificial en la práctica médica en España?
Estamos en una fase de explosión. Hay muchísima investigación, innovación, pilotos y experiencias, pero todavía muy poca implementación real en hospitales. España tiene una gran ventaja: contamos con un sistema sanitario público muy potente, muchísimos datos clínicos, profesionales muy capacitados e historias clínicas bastante estructuradas. El problema ahora no es generar investigación, sino transformarla en innovación real aplicada al paciente. Publicar un algoritmo no significa que pueda utilizarse en práctica clínica. Para eso hay que validarlo, certificarlo y cumplir toda la regulación europea. Estamos en una fase de mucha innovación, pero también de “pilotitis”: muchos proyectos piloto y pocas soluciones realmente integradas en el sistema sanitario.
Uno de los grandes retos es pasar del desarrollo de IA a su implementación real en el sistema sanitario. ¿Dónde cree que están hoy los principales bloqueos?
El primero son los datos. La IA depende completamente de la calidad de los datos. Si estos son malos, el algoritmo también lo será. Además, los datos deben ser interoperables, representativos y libres de sesgos.
El segundo gran reto es la validación clínica. Una cosa es demostrar en investigación que algo funciona y otra muy distinta utilizarlo con pacientes reales. Ahí entra toda la regulación europea, la certificación y la evaluación clínica.
El tercer problema es la gobernanza: quién supervisa la herramienta, cómo se monitoriza, cómo se autoriza y cómo se utiliza de forma responsable.
Y luego puedes tener una herramienta fantástica, pero si los profesionales no la utilizan o no está integrada en la práctica clínica, fracasa. El copiloto no puede convertirse en piloto automático.
Estamos en una fase de mucha innovación, pero también de “pilotitis”
Desde su experiencia más clínica, ¿qué cambios reales está viendo ya la IA en la toma de decisiones médicas y en la práctica asistencial?
Lo que más estamos viendo ahora mismo es IA generativa aplicada a tareas administrativas y de gestión de información: redacción de informes, ayuda documental, soporte a la investigación o gestión de datos clínicos.
En el ámbito más clínico ya hay herramientas que ayudan a priorizar pruebas, analizar imagen médica o detectar riesgos en determinados pacientes. Especialmente en radiología y análisis de imagen ya empiezan a existir soluciones bastante maduras.
También están llegando los llamados copilotos clínicos, que ayudan al médico a gestionar información y tomar decisiones. Pero todavía estamos en una fase inicial.
«El médico necesita entender cómo funciona la IA, cuáles son sus ventajas y cuáles son sus limitaciones»
En un entorno donde la IA empieza a apoyar decisiones clínicas, ¿cómo se redefine la responsabilidad del médico ante posibles errores o sesgos algorítmicos?
La responsabilidad sigue siendo del médico. Lo que ocurre es que ahora el ecosistema es mucho más complejo. Ya no solo interviene el profesional sanitario sino que también están los desarrolladores, las empresas tecnológicas, los gestores, quienes compran la herramienta o quienes la validan. Por eso el médico necesita entender cómo funciona la IA, cuáles son sus ventajas y cuáles son sus limitaciones. Tiene que aprender a hacer preguntas sobre el algoritmo igual que las hace sobre un fármaco donde se estudia en qué población se validó, qué sesgos tiene o qué riesgos presenta. La IA no sustituirá al médico, pero el médico que no entienda IA tendrá un problema.
El manual de la OMC combina visión jurídica, ética, clínica y de investigación. ¿Qué aporta esta visión multidisciplinar?
La IA en salud no es solo un problema tecnológico. Tiene una dimensión ética, jurídica, clínica y organizativa enorme. Está la ética del dato, la privacidad, los sesgos, la transparencia y la responsabilidad profesional. También está la regulación europea y el impacto organizativo que supone introducir estas herramientas en el sistema sanitario. Por eso hace falta una visión multidisciplinar. La IA no puede desarrollarse únicamente desde la ingeniería. Necesitas clínicos, juristas, gestores, investigadores y pacientes trabajando juntos.
«La IA puede ayudarnos a humanizar la medicina pero también a deshumanizarla si se utiliza mal»
¿Qué dilemas éticos están apareciendo en la práctica diaria con inteligencia artificial en salud?
El primero es el uso de los datos y la privacidad. Muchas herramientas necesitan enormes cantidades de información clínica y eso obliga a garantizar transparencia y confianza con el paciente. Otro gran problema son los sesgos. Si entrenas un algoritmo con datos sesgados, las decisiones también lo estarán. Ya hemos visto ejemplos en otros sectores y en medicina puede ser especialmente delicado. También preocupa la automatización excesiva. El gran riesgo es que el profesional deje de cuestionar el resultado del algoritmo y termine aceptándolo de forma acrítica. La IA puede ayudarnos a humanizar la medicina porque libera tiempo administrativo, pero también puede deshumanizarla completamente si se utiliza mal.
Si tuviera que priorizar tres áreas donde la IA debería implementarse ya en el sistema sanitario español, ¿cuáles serían?
La primera es toda la carga administrativa y documental. Los médicos dedican demasiado tiempo a tareas burocráticas. La segunda sería el apoyo al diagnóstico y la priorización clínica, especialmente en pacientes complejos o situaciones urgentes. Y, la tercera, es la seguridad clínica: prevención de errores, interacciones farmacológicas, predicción de riesgos o seguimiento de pacientes vulnerables.
