IA en salud: el riesgo de olvidar al paciente humano

La inteligencia artificial ha irrumpido en el sector salud con promesas extraordinarias. Cada semana surge un nuevo asistente de IA, un chatbot más inteligente o un flujo de trabajo automatizado. El entusiasmo es comprensible: los sistemas sanitarios están bajo una presión inmensa, los cuidadores están desbordados y las poblaciones envejecen más rápido que la fuerza laboral que las atiende. Sin embargo, en medio de esta ola de innovación, un elemento crucial está quedando relegado: el paciente humano.

¿Qué ha ocurrido?

Según un análisis publicado por The Next Web, la adopción de IA en salud se ha centrado en la eficiencia operativa y el diagnóstico automatizado, pero ha descuidado la dimensión humana de la atención. Herramientas como los chatbots de triaje o los sistemas de recomendación de tratamientos a menudo carecen de empatía y contexto personal, tratando a los pacientes como meros conjuntos de datos. El artículo señala que, aunque la IA puede procesar grandes volúmenes de información, no reemplaza la intuición clínica ni la conexión emocional que un médico establece con su paciente.

Este fenómeno no es nuevo. En la década de 1990, la introducción de historias clínicas electrónicas (EHR) prometió eficiencia, pero a menudo resultó en médicos pasando más tiempo frente a pantallas que con los pacientes. Hoy, la IA corre el riesgo de repetir ese error a mayor escala. La empresa Babylon Health, por ejemplo, lanzó un chatbot de triaje que fue criticado por no detectar correctamente emergencias, lo que llevó a retrasos en la atención. En 2021, un estudio de la Universidad de Stanford encontró que los algoritmos de diagnóstico de sepsis tenían una precisión significativamente menor en pacientes de minorías étnicas debido a datos de entrenamiento sesgados. Estos casos subrayan que la tecnología sin supervisión humana puede tener consecuencias graves.

¿Por qué es importante?

La deshumanización de la atención médica no es un riesgo menor. Estudios previos han demostrado que la empatía del médico mejora la adherencia al tratamiento y los resultados clínicos. Una investigación publicada en Academic Medicine en 2020 mostró que los pacientes de médicos con altos niveles de empatía tenían un 19% menos de probabilidades de sufrir complicaciones de la diabetes. Si la IA se implementa sin considerar estos aspectos, podría erosionar la confianza del paciente y aumentar la desigualdad en el acceso a una atención personalizada. Además, el sesgo algorítmico, ya documentado en otras áreas, puede perpetuar disparidades si los datos de entrenamiento no representan adecuadamente a la diversidad de la población. Por ejemplo, un algoritmo de salud utilizado en Estados Unidos para identificar pacientes con necesidades complejas subestimó sistemáticamente los riesgos de los pacientes negros, según un estudio de 2019 en Science. Esto se debió a que el algoritmo usaba el costo de la atención como proxy de la necesidad, y los pacientes negros históricamente gastaban menos en salud debido a barreras de acceso.

El impacto en el mercado también es significativo. Se proyecta que el mercado de IA en salud alcance los 188.000 millones de dólares para 2030, según Grand View Research. Sin embargo, si la confianza del paciente se deteriora, la adopción podría ralentizarse. Las startups que priorizan la eficiencia sobre la empatía pueden enfrentar reacciones adversas, como ocurrió con la aplicación de salud mental Woebot, que recibió críticas por no poder manejar crisis suicidas adecuadamente. Por otro lado, empresas como Ada Health han incorporado médicos en el diseño de sus chatbots, logrando una mayor aceptación entre los usuarios.

Consecuencias y camino a seguir

Ignorar al paciente humano puede llevar a una medicina fría y reactiva, donde la tecnología dicta las decisiones sin espacio para la deliberación compartida. Para evitarlo, los desarrolladores y los sistemas de salud deben integrar principios de diseño centrado en el ser humano: involucrar a pacientes y clínicos en el diseño de herramientas de IA, garantizar la transparencia algorítmica y mantener siempre un médico supervisando las decisiones críticas. La IA debe ser un asistente, no un sustituto del juicio humano.

Un ejemplo de buenas prácticas es el sistema de IA de la Clínica Mayo, que ayuda a los radiólogos a priorizar estudios urgentes sin reemplazar su interpretación final. Otro caso es el de la startup K Health, que combina un chatbot con revisión médica y ha demostrado una alta satisfacción del paciente. Sin embargo, aún persisten desafíos regulatorios. La FDA ha aprobado más de 500 dispositivos médicos basados en IA, pero la mayoría son para diagnóstico por imagen, dejando áreas como la salud mental o la atención primaria con poca supervisión. La Unión Europea está trabajando en el AI Act, que clasifica los sistemas de IA en salud como de alto riesgo, exigiendo transparencia y supervisión humana.

Lo que deben saber los lectores

• La IA en salud es una herramienta poderosa, pero su éxito depende de equilibrar eficiencia con empatía.
• Ya existen ejemplos de implementaciones fallidas donde la automatización generó frustración y errores clínicos, como el caso de Babylon Health y los sesgos en algoritmos de sepsis.
• Los pacientes deben ser informados sobre cuándo y cómo se usa la IA en su atención, y tener derecho a optar por una interacción humana. Países como Francia han comenzado a exigir el consentimiento explícito para el uso de IA en salud.
• Las regulaciones actuales no abordan suficientemente el impacto psicológico y social de la IA en la relación médico-paciente. Se necesitan marcos éticos que prioricen la dignidad del paciente.

“La tecnología no puede reemplazar la compasión. El desafío es diseñar sistemas que potencien, no que anulen, la conexión humana”, señala el análisis de The Next Web.

En conclusión, la revolución de la IA en salud no debe olvidar que el centro de la medicina es la persona. Integrar la inteligencia artificial de manera ética y humana no es solo un ideal, sino una necesidad para evitar una crisis de confianza en el futuro de la atención sanitaria. Las lecciones del pasado, desde los tropiezos de los EHR hasta los sesgos algorítmicos, nos recuerdan que la tecnología debe servir al paciente, no al revés. El camino a seguir implica colaboración multidisciplinaria, regulación robusta y un compromiso inquebrantable con la empatía.