En 2019 publiqué un artículo en el que intentaba explicar qué era la inteligencia artificial (IA) y cómo podía aplicarse en medicina. Hablaba de regresiones logísticas, de redes neuronales y del entusiasmo por una tecnología que parecía al borde de un gran salto.
Seis años después, el panorama es radicalmente distinto. La IA ya no es una promesa futura: está en los consultorios, en los hospitales y en la vida cotidiana de millones de personas.
Del algoritmo al diálogo
En 2019, los ejemplos eran puntuales: un modelo para calcular el riesgo de malignidad de un nódulo pulmonar o para diferenciar un nódulo sólido de uno en vidrio esmerilado. Hoy, los sistemas son capaces de entender y generar lenguaje natural, imágenes y hasta video.
El hito clave fue ChatGPT (2022). En apenas dos meses alcanzó 100 millones de usuarios activos, convirtiéndose en la aplicación de consumo con el crecimiento más rápido de la historia.
Aquí encaja la idea de Peter Diamandis: cuando mejora la interfaz, la adopción se vuelve exponencial. La IA existía en radiología o en cardiología desde hacía años, pero era invisible para el usuario final. Con la interfaz conversacional, la tecnología salió de los laboratorios y se instaló en la vida cotidiana de médicos y pacientes.
El impacto en medicina
1. Documentación clínica: de la burocracia a la conversación
Uno de los cambios más concretos y disruptivos está ocurriendo en la práctica diaria. En USA, se estima que los médicos dedican hasta un tercio de su jornada laboral a completar historias clínicas electrónicas. Hoy, sistemas de “ambient AI” como Nuance DAX Copilot permiten registrar en tiempo real la conversación médico-paciente y generar automáticamente la nota de consulta.
Estudios preliminares muestran que esta tecnología reduce en más de un 50% el tiempo administrativo y mejora la satisfacción profesional. El impacto no es menor: menos horas frente a la computadora significan más tiempo para la clínica y menos burnout.
2. Imagen médica y diagnóstico asistido
El ensayo MASAI mostró que el uso de IA en cribado mamográfico redujo la carga de trabajo casi un 44% sin comprometer la seguridad diagnóstica. En neurología, la FDA aprobó varios algoritmos que detectan hemorragias cerebrales en minutos, acelerando el manejo del ACV.
Estos ejemplos confirman que la IA dejó de ser un experimento y se integró en flujos críticos de atención.
3. Investigación biomédica a escala
El lanzamiento de AlphaFold (Nature, 2021) marcó un punto de inflexión en biología molecular: en apenas meses, el modelo predijo la estructura de más de 200 millones de proteínas, un avance que hubiera llevado décadas por métodos tradicionales.
Expectativas y realidades
La IA no reemplaza al médico, pero amplifica sus capacidades. Puede acelerar procesos, ayudar en el screening, optimizar la documentación y mejorar la comunicación. Pero también puede inducir a error si se consulta sin supervisión profesional.
El desafío ahora no es si la IA llegará a la medicina, sino cómo vamos a integrarla de manera segura, equitativa y responsable.
Reflexión final
En 2019 hablábamos de regresión logística para ilustrar cómo un algoritmo podía imitar una decisión médica. En 2025, los modelos no solo imitan: colaboran, redactan, diagnostican y descubren.
Pero el verdadero salto no estuvo solo en la tecnología, sino en la interfaz. Como señala Diamandis, cuando la experiencia de uso se vuelve natural, la difusión es exponencial. ChatGPT lo demostró: en cuestión de semanas puso la IA en manos de millones.
La pregunta que queda abierta es si lograremos usar ese poder para potenciar la medicina sin perder de vista el rol central del juicio clínico humano.
En 2019, utilizábamos la regresión logística como ejemplo didáctico para ilustrar cómo un algoritmo podía simular una decisión médica básica, como evaluar un nódulo pulmonar. Hoy, en 2025, los modelos de IA no solo imitan procesos cognitivos: colaboran activamente en la redacción de notas clínicas, generan hipótesis diagnósticas y aceleran descubrimientos científicos a escala global, como lo demostró AlphaFold al predecir estructuras de más de 200 millones de proteínas en meses.
El verdadero catalizador de esta evolución no ha sido solo el avance técnico, sino la mejora en las interfaces de usuario, que ha democratizado el acceso y acelerado la adopción exponencial, ese “interface moment“. ChatGPT ejemplifica esto: alcanzó 100 millones de usuarios en solo dos meses, superando cualquier aplicación previa y llevando la IA generativa directamente a consultas médicas informales.
Sin embargo, esta accesibilidad tiene un doble filo. Mientras herramientas como Nuance DAX Copilot reducen el tiempo administrativo en un 50% y mitigan el burnout en un 70%, liberando a los médicos para enfocarse en el paciente, muchos pacientes usan chatbots para obtener información médica, a menudo sin supervisión profesional. Hay estudios que muestran que aunque los chatbots superan a los médicos en empatía y claridad percibida, su precisión clínica puede fallar, generando respuestas convincentes pero inexactas. No hace falta remarcar lo peligroso que puede ser la convicción llena de inexactitud.
La lección de estos seis años es que la IA amplifica el potencial humano en medicina pero exige una integración ética. El desafío pendiente no es tecnológico, sino humano: ¿podremos equilibrar esta potencia transformadora con el juicio clínico, asegurando que la IA sirva como aliada y no como sustituto, para una atención más equitativa y precisa?
Gracias por llegar hasta aquí. Si te interesó el artículo, podés suscribirte aquí abajo para recibir en tu correo cada articulo nuevo que escriba. Es gratis y me ayuda a que más personas lo lean.