Inteligencia artificial en medicina: usos y límites
- Concepto
La IA puede leer una retina en segundos y también inventar una referencia con total seguridad. Distinguir lo uno de lo otro ya es una destreza clínica.
Qué es
La inteligencia artificial en medicina abarca dos familias principales. Los modelos supervisados aprenden de ejemplos etiquetados para una tarea estrecha, como clasificar una fotografía de retina, y entregan una probabilidad. Los grandes modelos de lenguaje aprenden de enormes cantidades de texto a predecir las siguientes palabras, así que escriben con fluidez sobre casi todo, pero pueden producir falsedades verosímiles. Ambos deben juzgarse como cualquier prueba diagnóstica: por su validación en la población propia, su calibración, su equidad y su efecto en los pacientes. El clínico sigue siendo responsable de la decisión.
Datos clave
- La validación interna prueba el modelo con datos reservados de la misma fuente; la externa lo prueba en otros hospitales o poblaciones, y el desempeño suele caer.
- Calibración: si los riesgos predichos coinciden con las tasas observadas; un modelo puede ordenar bien a los pacientes y aun así sobrestimar el riesgo de todos.
- Sesgo y equidad: los grupos poco representados en los datos de entrenamiento pueden recibir peor desempeño; informe los resultados por sexo, edad, etnia y entorno.
- Aprendizaje por atajos: los modelos pueden aprender factores de confusión, como el hospital o el equipo, en vez de la enfermedad.
- Los modelos de lenguaje pueden inventar datos, dosis y referencias; verifique cada afirmación clínica contra una fuente primaria.
- No ingrese datos identificables de pacientes en herramientas que su institución no haya autorizado; los datos de salud son datos personales sensibles.
Ejemplo resuelto
- Un modelo de tamizaje de retina informa sensibilidad de 87 % y especificidad de 91 % en un ensayo donde el 24 % tenía enfermedad referible.
- En 1 000 personas con 24 %: 240 enfermos → 209 verdaderos positivos; 760 sanos → 68 falsos positivos. VPP = 209 / 277 ≈ 75 %.
- En atención primaria con 5 % de enfermedad: 50 enfermos → 44 verdaderos positivos; 950 sanos → 86 falsos positivos.
- VPP = 44 / 130 ≈ 34 %: dos de cada tres remisiones son falsas alarmas, aunque el modelo no cambió.
- Verificación de calibración: el modelo asigna 20 % de riesgo a un grupo en el que el 10 % tiene la enfermedad; sobrestima al doble.
- Lectura: informe el desempeño externo con su propia prevalencia y revise la calibración antes de confiar en una puntuación.
Dos familias de IA médica
| Rasgo | Modelo supervisado | Gran modelo de lenguaje |
|---|---|---|
| Aprende de | Ejemplos etiquetados para una tarea | Cantidades muy grandes de texto general |
| Resultado | Una probabilidad o una clase | Texto fluido sobre casi cualquier pregunta |
| Uso típico | Tamizaje de retina, priorización de imágenes, escalas de riesgo | Redactar, resumir, responder preguntas |
| Falla típica | Cambio en los datos, mala calibración, sesgo por subgrupos | Alucinación: falsedades seguras y verosímiles |
| Cómo se verifica | Sensibilidad, especificidad y calibración en datos externos | Contrastando cada afirmación con una fuente primaria |
En la práctica
- Antes de usar una herramienta, pregunte: ¿qué tarea, en qué población se validó, cuáles son sus errores y quién responde?
- Use lo que produce un modelo de lenguaje como borrador, nunca como fuente: verifique datos, dosis y referencias, y quite antes los identificadores.
- Mantenga encendido su propio juicio: cuando la herramienta contradice el cuadro clínico, vuelva a examinar en lugar de ceder.
- Informe al paciente cuando una herramienta de IA contribuyó a su atención y registre la decisión como propia.
Errores frecuentes
- Confiar en la exactitud medida con los datos del desarrollador sin validación externa.
- Leer sensibilidad y especificidad sin recalcular el valor predictivo con la prevalencia local.
- Ignorar la calibración porque el área bajo la curva es alta.
- Aceptar una respuesta fluida como si estuviera verificada.
Trampas frecuentes
- Alta exactitud en el artículo significa alta exactitud aquí: el desempeño suele caer con datos externos, y los valores predictivos cambian con la prevalencia local
- Una respuesta fluida de un modelo de lenguaje es una respuesta verificada: estos modelos predicen texto verosímil y pueden inventar datos y referencias con total seguridad
- Si el modelo discrimina bien, sus cifras de riesgo son correctas: discriminación y calibración son distintas; un modelo puede ordenar bien a los pacientes y aun así sobrestimar el riesgo de todos
- Decidió la IA, así que la IA es responsable: el clínico y la institución siguen respondiendo por las decisiones tomadas con la herramienta
- Los algoritmos son neutrales: heredan los sesgos de sus datos de entrenamiento y pueden rendir peor en grupos poco representados
Póngase a prueba
Piense la respuesta y toque la pregunta para verla.
Un modelo de tamizaje con sensibilidad de 87 % y especificidad de 91 % se usa donde el 5 % tiene la enfermedad. ¿Qué parte de los positivos es verdadera?
Cerca de un tercio: por 1 000, 44 verdaderos positivos y 86 falsos positivos, así que el VPP ≈ 34 %.
Un modelo de lenguaje le da una respuesta segura con tres referencias. ¿Qué hace antes de usarla?
Verificar cada afirmación y cada referencia contra una fuente primaria; los modelos de lenguaje pueden inventar datos y citas verosímiles.
Una escala de sepsis entrenada en otro país funciona mal en su hospital. ¿Cuál es el problema probable y cómo se corrige?
Cambio en los datos: otros pacientes, otra práctica u otros datos. Validarla y recalibrarla con datos locales antes de usarla, y vigilarla después.
¿Por qué el sesgo de automatización es peligroso incluso con un buen modelo?
El clínico tiende a aceptar la sugerencia de la máquina cuando está equivocada, por encima de su propio juicio correcto; los errores raros pasan sin revisión.
En otras secciones
- Ley 1581 de 2012: datos personales en salud
- Telesalud y telemedicina en Colombia: Ley 1419 de 2010 y Resolución 1644 de 2026
- Consultas por teléfono y por video: consultar con seguridad a distancia
Conexiones
Contenido educativo sobre métodos epidemiológicos y estadísticos; los ejemplos usan números inventados para enseñar el cálculo. No es una guía clínica ni normativa: las normas colombianas vigentes se consultan en las fuentes oficiales.
Fuentes: Ethics and governance of artificial intelligence for health (Organización Mundial de la Salud, 2021); Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models (Organización Mundial de la Salud, 2025); Key challenges for delivering clinical impact with artificial intelligence (BMC Medicine (PubMed Central), 2019); Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices (npj Digital Medicine (PubMed Central), 2018).
¿Ha detectado un error?Siempre buscamos mejorar para la comunidad. Cuéntenos qué está mal y nuestro equipo lo revisa.Reportar un error
Modelo representativo, solo con fines educativos.
