La medicina no es una ecuación,
es un acto de humanidad.
Hace apenas unos años, la idea de
que una máquina pudiera aprobar un examen médico parecía ciencia ficción. Hoy,
la realidad es otra.
En NEJM AI,
el modelo GPT-4 fue puesto a prueba con casos clínicos complejos —de esos que
hacen sudar incluso a los residentes más brillantes— y logró algo sorprendente:
diagnosticó correctamente el 57 % de los casos, superando a los médicos
humanos que resolvieron las mismas viñetas, que acertaron en torno al 36 %.
Sí, una IA logró razonar a
partir de síntomas, laboratorios e imágenes y proponer diagnósticos plausibles.
En otras palabras: un modelo de texto demostró que podía pensar como un
clínico.
Y los avances no se detienen ahí.
Versiones más recientes —como GPT-5 o los equivalentes multimodales de Google,
OpenAI y Anthropic— ya obtienen puntajes extraordinarios en los exámenes
médicos estandarizados, como el USMLE. Algunos alcanzan
entre 85 % y 90 % de aciertos, muy por encima del
umbral de aprobación. La IA, al menos en papel, ya puede “graduarse de
medicina”.
Mientras tanto, los modelos
especializados de Google en radiología lograron superar a
radiólogos humanos en la detección de cáncer de
mama, reduciendo falsos positivos y falsos negativos. En esos escenarios
controlados, el desempeño es espectacular.
Y ahí surge la pregunta
inevitable:
Si ya diagnostica, ya
interpreta imágenes y ya pasa los exámenes… ¿qué queda para los médicos?
El espejismo del
rendimiento perfecto
La respuesta corta: mucho más de
lo que parece. Porque no todo lo que brilla en un benchmark reluce
en el mundo real.
Los modelos de lenguaje, como
GPT-4 o Gemini, han aprendido a resolver preguntas estructuradas, del tipo
selección múltiple. Pero hay un detalle que pocos mencionan: cuando los
investigadores modificaron una sola opción y agregaron “ninguna de las anteriores”,
el rendimiento se desplomó.
En el estudio It is Too Many Options: Pitfalls of
Multiple-Choice Questions in Generative AI and Medical Education, los
modelos perdieron casi 40 puntos porcentuales cuando tuvieron que responder sin
opciones dadas. En otras palabras, son excelentes eligiendo entre
alternativas, pero mucho menos hábiles creando una respuesta desde cero.
Eso no es pensamiento clínico.
Eso es predicción estadística. Y ahí está la diferencia entre un modelo y
un médico. El médico no busca la opción correcta: busca la verdad
que aún no tiene nombre.
Radiología: la
supuesta “primera víctima”
Durante años se dijo que los
radiólogos serían los primeros en desaparecer. Que los algoritmos leerían todas
las placas y que las máquinas firmarían los informes. Pero los hechos cuentan
otra historia.
Un artículo reciente, “AI Isn’t
Replacing Radiologists”, lo explica con claridad: la IA puede detectar
patrones, pero no entiende el contexto clínico. Una sombra en una
tomografía puede ser neumonía, cáncer o simplemente un artefacto. Solo el
médico, con toda la historia del paciente en mente, puede decidir qué
significa.
Y los datos lo
confirman. En Radiology’s
Last Exam (RadLE), publicado en 2025 por Suvrankar Datta y colegas, se
evaluó a los modelos más avanzados —GPT-5, o3, Gemini 2.5 Pro, Grok-4 y Claude
Opus 4.1— frente a radiólogos certificados en 50 casos de diagnóstico visual
complejo. El resultado fue contundente:
- Radiólogos:
83 % de aciertos.
- Mejor
modelo (GPT-5): apenas 30 %.
Además, los investigadores
clasificaron los errores de la IA en categorías fascinantes: desde “confusión
anatómica” hasta “falta de foco clínico”. Incluso cuando el modelo tenía buena
intuición visual, le faltaba la historia detrás de la imagen.
Benchmarks,
exámenes y la ilusión de la competencia justa
Los llamados benchmarks son
como los Juegos Olímpicos de la IA: pruebas estandarizadas donde se compara el
desempeño de diferentes modelos. En salud, estos incluyen desde bancos tipo
USMLE hasta desafíos radiológicos o clínicos complejos.
Pero hay una trampa: los benchmarks simplifican
la realidad. El mundo no te da cuatro opciones; te da miles de variables,
emociones y seres humanos que cambian de opinión. En ese entorno, un modelo
puede tener un 90 % de precisión y aun así fallar catastróficamente en un solo
paciente. La medicina no perdona ese 10 %.
Por eso, los investigadores ahora
diseñan nuevos benchmarks que no miden solo aciertos, sino
razonamiento, reproducibilidad y ética. Buscan evaluar no qué tan bien responde
un modelo, sino cómo llega a esa respuesta.
La verdad incómoda:
la IA no puede hacerse cargo de un paciente
Hay algo que la IA
aún no puede imitar: la experiencia y la auténtica empatía. La
capacidad de un médico para leer entre líneas, sentir la urgencia en la voz del
paciente o notar el silencio en una consulta no tiene equivalente digital.
Los modelos son herramientas
poderosas, sí. Pero son herramientas. No sienten responsabilidad moral, no
construyen confianza, no cargan con la mirada del familiar que pregunta “¿va a
mejorar?”.
Y además, su desempeño cambia con
cada actualización, cada fine-tuning, cada cambio en el prompt.
No son reproducibles con la estabilidad que exige la medicina.
La medicina es
demasiado compleja, demasiado humana, demasiado imperfecta para reducirla a un
algoritmo.
El futuro no es “IA o
médicos”. Es “médicos con IA”
Lo verdaderamente
transformador no será reemplazar médicos, sino potenciarlos.
Imagina una medicina donde el
clínico se enfoca en la relación, en el criterio, en la decisión difícil; y la
IA, mientras tanto, procesa miles de variables, compara patrones globales y
sugiere opciones que de otro modo nadie habría visto.
Ese futuro no es
amenaza, es oportunidad. Una oportunidad para
volver a lo esencial: la medicina como conversación, no como cálculo.
Y ahí, la inteligencia artificial
puede ser una gran aliada. No para sustituirnos, sino para devolvernos
tiempo, foco y humanidad.
Los modelos mejoran, los benchmarks evolucionan
y los titulares seguirán gritando que la IA ya superó a los médicos. Pero
al final del día, cuando un paciente te mira a los ojos y
pregunta: “Doctor, ¿usted qué haría si fuera su madre?”, ningún
algoritmo tiene aún esa respuesta.
Fernando
Bonilla Sinibaldi, MD, MSc, MBA
Consultor y
Divulgador
Salud Digital
e Inteligencia Artificial en Salud
Health
Transformers 360
https://substack.com/@iaensalud
Fuente: Intramed
