INFORME ESPECIAL LA DISCREPANCIA
La formación médica debe moverse desde la edad de la información a la edad de la Inteligencia Artificial.
El comienzo de la Edad de la Información se ha relacionado con el desarrollo del transistor en 1947 y del amplificador óptico en 1957 y la miniaturización de los ordenadores.
Estos avances tecnológicos tuvieron un impacto significativo en la forma en que se procesa y transmite la información. Pero ahora hemos avanzado un paso más y ya hemos entrado en la Edad de la Inteligencia Artificial[i].
Según la Enciclopedia Británica[ii], en 2025 la Inteligencia artificial se puede definir como:
Inteligencia Artificial (IA)
La inteligencia artificial (IA) se refiere a la capacidad de los ordenadores para realizar tareas que normalmente requieren inteligencia humana. Esto incluye razonar, descubrir significados, generalizar y aprender de experiencias pasadas.
Los sistemas de IA se han desarrollado para realizar tareas complejas con gran destreza, como la clasificación de imágenes, el dominio de juegos, la conversación y la creación de imágenes a partir de indicaciones de texto. Sin embargo, la IA aún no ha alcanzado la amplia flexibilidad de la inteligencia humana, lo que se conoce como inteligencia general artificial (AGI = inteligencia similar a la humana) o IA fuerte.
La investigación en IA se remonta a los inicios de la informática, con importantes aportaciones de figuras como Alan Turing[1]. Este campo abarca diversas tareas, como los juegos, la traducción de idiomas, la comprensión del lenguaje natural y la robótica. Las aplicaciones modernas de IA apoyan tareas cotidianas como el correo electrónico, el procesamiento de textos y la búsqueda informática, utilizando técnicas que implican agentes autónomos y mecanismos de resolución de problemas.
La IA ha demostrado ser beneficiosa en áreas específicas como el diagnóstico médico y los motores de búsqueda. La inteligencia artificial (IA) se utiliza cada vez más en el diagnóstico médico, demostrando un potencial significativo para mejorar la precisión del diagnóstico. Diversos estudios han demostrado que los sistemas de IA, como los modelos de lenguaje de gran tamaño (LLM), pueden superar a los médicos humanos en el diagnóstico de afecciones médicas (vide infra).
Sobre este aspecto de la utilización de la IA en la práctica médica ya en agosto de 2018 los Drs. Warman y Coombs escribieron un artículo titulado Medical Education Must Move From the Information Age to the Age of Artificial Intelligence porque, según estos[iii]autores la práctica de la Medicina estaba evolucionando rápidamente desde la Edad de la Información a la Edad de la Inteligencia Artificial.
En este artículo afirman que los cambios notables que se avecinan en la práctica médica requieren reformas significativas en la educación médica. Si bien abundan las propuestas para estas reformas, son insuficientes porque no abordan adecuadamente el cambio más fundamental: la práctica médica está transitando rápidamente de la era de la información a la era de la inteligencia artificial.
Y citan como desafíos a los que hacer frente a:
- Telemedicina: la prestación de atención dondequiera que se encuentre el paciente;
- El futuro de la asistencia sanitaria que se va a caracterizar por nuevos equipos tecnológicos sanitarios y equipos humanos multidisciplinares.
- El uso de una creciente gama de datos de múltiples fuentes y aplicaciones de inteligencia artificial; y
- La gestión experta de la interfaz entre la medicina y las máquinas.
Para ser eficaces en este entorno, los médicos deben trabajar al máximo nivel de su formación, poseer conocimientos que abarquen las profesiones de la salud y la continuidad de la asistencia, aprovechar eficazmente las plataformas de datos, centrarse en el análisis de resultados y la mejora del rendimiento, y comunicar a los pacientes el significado de las probabilidades generadas por cantidades masivas de datos, dadas sus singulares complejidades humanas.
Los autores creen que se requiere un reinicio de la educación médica que haga un mejor uso de los hallazgos de la psicología cognitiva, entendida como la que estudia los procesos mentales que intervienen en nuestra capacidad para razonar y pensar, asimilar nuevos conocimientos y resolver problemas y preste más atención a la alineación de humanos y máquinas en la educación y la práctica[2]. La atención curricular sistemática[3] se debe enfocar en la organización de los esfuerzos del profesional médico alrededor del uso deinstrumentos inteligentes con grupos grandes de información, “maching learning” y robots para conseguir la maestría en los cuidados compasivos.
Inteligencia artificial para el diagnóstico médico
La inteligencia artificial (IA) se utiliza cada vez más en el diagnóstico médico, demostrando un potencial significativo para mejorar la precisión del diagnóstico.
La IA también se está utilizando para agilizar las tareas administrativas en la asistencia sanitaria. Por ejemplo, HCA Healthcare está colaborando con Google Cloud para utilizar la IA generativa para ayudar a médicos y enfermeras automatizando la creación de notas médicas y mejorando la continuidad de cuidados asistenciales. Este enfoque pretende reducir la carga administrativa de los profesionales sanitarios, permitiéndoles centrarse más en la atención al paciente.
¿Qué estudios demuestran que los grandes modelos lingüísticos (LLM) pueden superar a los médicos en el diagnóstico de enfermedades?
Un estudio titulado «Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial», de Ethan Goh y sus colegas, concluye que los grandes modelos lingüísticos (LLM) como ChatGPT superan a los médicos en el diagnóstico de enfermedades. En este estudio con cincuenta médicos (26 adjuntos y 24 residentes con una mediana de 3 años en la práctica) ChatGPT alcanzó una tasa de precisión del 90% en el diagnóstico de problemas médicos, mientras que los médicos sin la asistencia de IA tuvieron una tasa de precisión del 74%, y los que utilizaron IA tuvieron una tasa ligeramente mejor, del 76%. Sin embargo, los investigadores hicieron hincapié en que estos resultados no deben sugerir que se utilicen las LLM para el diagnóstico sin la supervisión de un médico.
Los grandes modelos lingüísticos (LLM) en Medicina
Los LLM podrían ayudar potencialmente en diversas áreas de la medicina, dada su capacidad para procesar conceptos complejos, así como para responder a diversas peticiones y preguntas. Sin embargo, estos modelos también suscitan preocupación por la desinformación, la ausencia de privacidad, los sesgos en los datos de entrenamiento y el potencial de uso indebido.
Los grandes modelos lingüísticos (LLM)[iv] utilizan algoritmos computacionales de inteligencia artificial (IA) para generar un lenguaje que se asemeje al producido por los seres humanos. Los usuarios proporcionan un conjunto de palabras clave o consultas, y el LLM genera texto sobre esos temas. También es posible solicitar un estilo concreto de texto, como lenguaje simplificado o poesía.
En la Figura 1 se puede observar la jerarquía de la Inteligencia Artificial desde el aprendizaje automático (machine learning = ML) hasta las “redes neuronales” como el aprendizaje profundo (Deep learning = “cerebro virtual).
En la figura 2, a continuación, se ofrece una visión general de cómo los LLM podrían influir en la atención al paciente, la investigación y la educación médicas. Los LLM podrían ayudar potencialmente en diversas áreas de la medicina, dada su capacidad para procesar conceptos complejos, así como para responder a diversas peticiones y preguntas.
Atención al paciente
En cuanto a la atención al paciente los LLM pueden mejorar la capacidad de comunicación del profesional con el paciente, es decir escuchar activamente, ser empático, y transmitir confianza.
La capacidad de comunicación es un elemento fundamental en la relación médico-paciente y debe ser aprendido y utilizado por todos los profesionales. Figura 3.
En todas las especialidades médicas, la comunicación humana es parte integrante de la atención al paciente. La interpretación precisa del lenguaje hablado es uno de los factores críticos que influyen en el éxito de la comunicación. Esto es vital para la relación médico-paciente, la satisfacción del paciente y para obtener unos resultados clínicos óptimos.
Por otra parte, el texto escrito se utiliza para gran parte de la comunicación entre profesionales médicos sobre los pacientes, en forma de informes sobre procedimientos diagnósticos y terapéuticos y sus resultados y las implicaciones de estos resultados para el paciente. La falta de claridad en los informes sobre los pacientes se correlaciona con una calidad inferior de la atención al paciente. Este aspecto se puede mejorar utilizando modelos de LLM. ¿Cómo pueden utilizarse los LLM para mejorar la atención al paciente?, citaremos 3 aspectos:
- Transmitir los conocimientos más actuales a los médicos sobre un determinado proceso,
- Ayudar a la comunicación con los pacientes mediante “traducciones” al lenguaje corriente y realizar un resumen “entendible” de la situación clínica del paciente concreto, y
- Simplificar las tareas de documentación convirtiendo la información no estructurada a estructurada.
Conocimientos médicos básicos y competencias
En este sentido los LLM tienen el potencial de mejorar la atención a los pacientes al aumentar las competencias médicas básicas, como los conocimientos fácticos (datos empíricos) o las habilidades de comunicación interpersonal (Fig. 1b).
El perfeccionamiento de los LLM mediante un entrenamiento adicional con preguntas del estilo de los exámenes que realizan los médicos y ejemplos de respuestas seleccionados por expertos clínicos puede mejorar aún más el razonamiento y la comprensión médica por parte de los LLM. Hasta la fecha el GPT-4 ha demostrado el mayor conocimiento médico de los LLM.
Aun así, los LLM tienen la limitación inherente de reproducir los sesgos médicos existentes y perpetuar las desigualdades relacionadas con factores como la raza, el género, la orientación sexual y el estatus socioeconómico.
Gracias a su capacidad de simplificación de textos, los LLM pueden mejorar la comunicación entre el personal sanitario y los pacientes. Los pacientes pueden acceder a ellos en cualquier momento y no tienen las mismas limitaciones de tiempo que los expertos sanitarios, lo que puede facilitar y hacer más cómodo el contacto. Estas ventajas son especialmente pronunciadas en el caso de enfermedades que conllevan un estigma social, como las adicciones o las enfermedades de transmisión sexual.
Desde la generalización de los teléfonos inteligentes a finales de la década de 2000 se han desarrollado herramientas digitales que responden a esta necesidad. Ejemplos de estas herramientas son First Derm36[v], una aplicación de tele-dermatoscopia para el diagnóstico de afecciones cutáneas que permite a los dermatólogos evaluar y orientar a distancia, y Pahola[vi], un chatbot digital que orienta sobre cómo afrontar el consumo de alcohol. En la actualidad, el éxito de estas aplicaciones sanitarias digitales se ve limitado sobre todo por restricciones técnicas y una aceptación limitada por parte de los profesionales sanitarios.
En las figuras 4 y 5 se describen las aplicaciones que se realizan con los LLM como Chat GPT, Perplexity, Gemini o Copilot en el presente y lo que podrían hacer en un próximo futuro
[1] Alan Turing fue famoso por descifrar el código nazi Enigma en la Segunda Guerra Mundial y pionero en otras ramas como la biología y la inteligencia artificial, cuya contribución es imprescindible en el desarrollo de las tecnologías actuales.
[2] La alineación de la inteligencia artificial (IA) es el proceso de codificar los valores y objetivos humanos en modelos de IA para que sean lo más útiles, seguros y fiables posible. En el contexto educativo, las máquinas ofrecen beneficios evidentes. La inteligencia artificial (IA) y el aprendizaje automático permiten la personalización del aprendizaje, adaptando los enfoques pedagógicos según las necesidades individuales de cada estudiante.
[3] El currículo sistémico se orienta a la construcción de saberes, combinando representaciones y actitudes mentales en forma holista.
[i] ¿Qué es la Inteligencia Artificial? https://planderecuperacion.gob.es/noticias/que-es-inteligencia-artificial-ia-prtr
[ii] Enciclopedia Británica. Consultada el 24 de marzo de 2025 https://www.britannica.com/technology/artificial-intelligence
[iii] Wartman SA, Combs CD. Medical Education Must Move from the Information Age to the Age of Artificial Intelligence. Acad Med. 2018 Aug;93(8):1107-1109. doi: 10.1097/ACM.0000000000002044. PMID: 29095704.
[iv] Clusmann, J., Kolbinger, F.R., Muti, H.S. et al. The future landscape of large language models in medicine. Commun Med 3, 141 (2023). https://doi.org/10.1038/s43856-023-00370-1
[v]First Derm https://www.firstderm.com/es/guia-de-la-piel/
[vi] Pahola es la primera trabajadora digital de salud dedicada a temas relacionados con el alcohol. Fue desarrollada por la Organización Panamericana de la Salud y puesta en marcha en noviembre del 2021. https://iris.paho.org/handle/10665.2/56371
