La formación médica tiene una rica historia[i], al principio se basaba en el aprendizaje por el que los aspirantes a médicos aprendían observando y ayudando a los veteranos. Este método era eficaz, pero no estaba estandarizado ni era coherente. A finales del siglo XIX y principios del XX, la educación médica formal se convirtió en la norma, y las facultades de medicina combinaban clases teóricas, trabajo en laboratorios y prácticas clínicas (Dictum: Para aprender un procedimiento, ver uno, hacer uno, enseñar uno). Sin embargo, los métodos tradicionales tienen limitaciones inherentes. Sólo el 29% de los recién graduados confiaba en sus habilidades diagnósticas tras graduarse. Este desfase entre conocimientos teóricos y aplicación práctica constituía y constituye un reto importante.
La Dra. Shinjini Kundu insiste en como la Inteligencia Artificial está cambiando la medicina y liberará a los médicos de la carga del conocimiento memorístico[ii]. Explica cómo, en cierto modo, la IA podría alterar el papel del médico de forma similar a como la automatización general alteró el papel del piloto hace varias décadas. Al principio, un avión funcionaba con una palanca y un timón, y la intuición del piloto sobre la mejor manera de manejarlos era esencial. Sin embargo, la automatización permitió a las aeronaves ajustar constantemente parámetros. Hoy en día, ser piloto implica alternar a la perfección entre las habilidades de pilotaje y la gestión de la cabina de vuelo en función de la información proporcionada por los sistemas.
Al mismo tiempo, los continuos avances en el seguimiento de la salud y la enfermedad han hecho que la medicina sea más precisa, pero también han dejado a los médicos desconcertados ante montañas de datos sanitarios y conocimientos médicos en constante expansión que cada vez son más difíciles de dominar e interpretar.
En este sentido la IA es capaz de generalizar y tomar decisiones en circunstancias imprevisibles, a diferencia de la automatización simple, que carece de la capacidad de generalización para tomar decisiones en contextos imprevistos.
La IA puede aplicarse a una amplia gama de actividades sanitarias, incluidas las recomendaciones de tratamiento, el seguimiento de los pacientes, la comprobación de la adherencia al tratamiento y el mantenimiento de la historia clínica digital. Esto está impulsando la práctica clínica hacia una era en la que la información y los datos son manejados por máquinas, lo que permite a los médicos post-edad de la información a centrarse en otras cosas. Ahora que las tareas cognitivas rutinarias pueden asignarse a máquinas, es una oportunidad para reconsiderar cómo deben formar a los médicos las Facultades de Medicina.
En medicina, la necesidad de «asistencia de máquinas» nunca ha sido mayor:
- Se calcula que el tiempo de duplicación de los conocimientos médicos en 1950 fue de 50 años; en 1980, de 7 años; y en 2010, de 3,5 años. En 2020 y siguientes se prevé que sea de 0,2 años, es decir, sólo cada 73 días.[iii].
- Los estudiantes de medicina tendrían que estudiar más de 29 horas cada día de la semana para mantenerse al día de la bibliografía sobre atención primaria[iv]. De hecho, el exceso de información impulsa la especialización clínica[1]. Hoy día en USA, el 88% de los residentes de medicina interna se especializan, frente al 7% de 1951-1960[v].
- En segundo lugar, a medida que las personas viven más años, es más probable que desarrollen múltiples comorbilidades, lo que hace necesario un enfoque personalizado del tratamiento.
- Por último, los datos médicos de las historias clínicas electrónicas crecen a un ritmo sin precedentes, en parte debido a la adopción de modalidades de diagnóstico por imagen de alta resolución, tecnologías de secuenciación de ADN de nueva generación y otras tecnologías[vi], y a una mayor variedad de pruebas y medicamentos a disposición de los médicos.
No es de extrañar que se vea a los MIR con los bolsillos de la bata blanca rebosantes de fichas, notas de redondeo, diagramas causa-efecto[vii] y guías para la dosificación de fármacos: el primer año de residencia es en gran medida un entrenamiento en el arte de seleccionar datos y tener que dedicar horas de estudio después del horario laboral.
Una forma de hacer frente a esta explosión de datos e información médica es utilizar la IA para darles más sentido. Por ejemplo, ya hay pruebas de que la IA puede asimilar los conocimientos médicos necesarios para el pensamiento clínico[viii]. El año pasado, una empresa desarrolló un sistema de IA que superó a los médicos en una prueba simulada de razonamiento clínico[ix].
Además, es posible que los médicos del mañana tengan acceso a una cartera más amplia de dispositivos de ayuda a la asistencia:
- El reconocimiento de voz ya está automatizando la transcripción de entrevistas clínicas[2].
- Una historia clínica electrónica inteligente puede pedir al médico que formule preguntas específicas en función de los síntomas e incluso sugerir pruebas y diagnósticos.
- Mientras que las calculadoras de pronóstico[3] actuales sólo utilizan entre 5 y 10 variables, las basadas en IA podrían incluir muchas más, lo que mejoraría la precisión.
- Con una evaluación más precisa de la enfermedad, las herramientas inteligentes podrían recomendar un plan de tratamiento teniendo en cuenta las alergias de los pacientes, los medicamentos actuales y las comorbilidades médicas.
- La guía de dosificación podría tener en cuenta automáticamente el peso del paciente, el sexo y el metabolismo y la excreción del fármaco, según proceda.
- Potencialmente, la IA podría ayudar a perfeccionar las mejores prácticas optimizando el alcance y la configuración de las nuevas modalidades de tratamiento, como las inmunoterapias contra el cáncer.
A medida que la IA pase a formar parte del equipo y amplíe las competencias de los médicos, las Facultades de Medicina tendrán que hacer hincapié en un nuevo conjunto de competencias para seguir el ritmo de la evolución de la práctica médica en la era post-conocimiento.
Inteligencia artificial y aprendizaje automático en medicina clínica[x]
En el momento actual la capacidad de almacenamiento es tan grande que es posible almacenar y acceder fácilmente a vastas porciones del cuerpo de conocimiento y la actividad registrada de los seres humanos.
Los científicos están construyendo redes masivas de datos conectados para extraer nuevos hallazgos, utilizando IA y aprendizaje automático. La lectura por ordenador de electrocardiogramas (ECG) y los recuentos diferenciales de leucocitos, el análisis de fotografías de retina y lesiones cutáneas y algoritmos de IA[xi] para detectar patologías y clasificar patologías en endoscopia digestiva[4] además de otras tareas de procesamiento de imágenes se han convertido en una realidad. Muchas de estas tareas asistidas por máquinas han sido ampliamente aceptadas e incorporadas a la práctica diaria de la medicina. Estos hallazgos no siempre son perfectos y, por lo tanto, necesitan la supervisión de una persona cualificada al efecto.
Sin embargo, el uso de la IA y el aprendizaje automático en medicina se ha extendido más allá de la lectura de imágenes médicas. Los programas de IA y aprendizaje automático se han introducido en la medicina de muchas maneras, el uso de la IA y el aprendizaje automático en medicina se ha extendido más allá de la lectura de imágenes médicas. Se han introducido en la medicina de otras maneras, por ejemplo, ayudando a identificar brotes de enfermedades infecciosas que puedan afectar a la salud pública; combinando resultados clínicos, genéticos y de muchos otros laboratorios para identificar enfermedades raras y comunes que de otro modo no se habrían detectado.
[1] En España MIR 2025: Medicina Interna: 434, Medicina Familiar y Comunitaria: 2.508. Resto especialidades: 6065
[2] Los servicios de transcripción automatizada utilizan formas avanzadas de inteligencia artificial para interpretar y transcribir el habla humana de forma más rápida y eficiente que otros enfoques más tradicionales.
[3] Pueden encontrarse una serie de calculadores de utilización médica, preferentemente de uso en Unidades de Medicina Intensiva y/o Urgencias.
[4] Las dos áreas de la endoscopia en las que la IA se ha estudiado y desarrollado más ampliamente son: la detección asistida por ordenador (ENDO-AID, CADe) y el diagnóstico asistido por ordenador (CADx). La primera se encarga de desarrollar algoritmos para detectar patologías, mientras que, en el segundo caso, los algoritmos se encuentran dirigidos principalmente a clasificar patologías correctamente mediante biopsia óptica y caracterización de lesiones.
[i] AI in Medical Education: Empowering Medical Professionals with AI Training
[ii] Kundu, S. How will artificial intelligence change medical training? Commun Med 1, 8 (2021). https://doi.org/10.1038/s43856-021-00003-5
[iii] Densen P. Challenges and opportunities facing medical education. Trans Am Clin Climatol Assoc. 2011;122:48-58. PMID: 21686208; PMCID: PMC3116346.
[iv] Alper BS, et al. How much effort is needed to keep up with the literature relevant for primary care? J. Med. Libr. Assoc. 2004;92:429. [PMC free article] [PubMed] [Google Scholar]
[v] Dalen JE, Ryan KJ, Alpert JS. Where have the generalists gone? They became specialists, then subspecialists. Am. J. Med. 2017;130:766–768. doi: 10.1016/j.amjmed.2017.01.026. [DOI] [PubMed] [Google Scholar]
[vi] 10 Technologies That Are Changing Health Care. University of San Diego. https://onlinedegrees.sandiego.edu/8-technologies-changing-healthcare/ Consultado el 8 de abril de 2025.
[vii] Asociación Española para la calidad. Diagrama causa-efecto. https://www.aec.es/conocimiento/centro-del-conocimiento/diagrama-de-causa-efecto/
[viii] Komorowski M, Celi LA, Badawi O, Gordon AC, Faisal AA. The artificial intelligence clinician learns optimal treatment strategies for sepsis in intensive care. Nat. Med. 2018;24:1716-1720. doi: 10.1038/s41591-018-0213-5.[DOI] [PubMed] [Google Scholar].
[ix] CloudMedx Inc. AI outperforms human doctors on a US medical exam. medium.com/cloudmedx/ai-outperforms-human-doctors-on-a-us-medical-exam-31b916666b3d (2019)
[x] Charlotte J. Haug, M.D., Ph.D., and Jeffrey M. Drazen, M.D. Artificial Intelligence and Machine Learning in Clinical Medicine, 2023. N Engl J Med 388;13, March 30, 2023
[xi] María José Aguilera-Chuchuca, Sergio A. Sánchez-Luna, Begoña González Suárez et all. El papel emergente de la inteligencia artificial en la endoscopia gastrointestinal: una revisión de la literatura. Gastroenterología y Hepatología 45 (2022) 492—497
