Inteligencia artificial: cómo detectar enfermedades antes de que aparezcan los síntomas
Expresiones Colombia Radio 
La inteligencia artificial puede ayudar a identificar patrones y factores de riesgo antes de que una enfermedad produzca síntomas evidentes.
Por: Marlene Vega y Álvaro Cruz
Durante siglos, la medicina aprendió a reconocer las enfermedades cuando el cuerpo comenzaba a hablar. El dolor, la fiebre, la pérdida de peso, la dificultad para respirar, un cambio en la piel, una alteración en la memoria o una fatiga que ya no parecía normal eran señales que llevaban al médico a buscar qué estaba ocurriendo. Incluso los exámenes preventivos, que intentan adelantarse a los síntomas, siguen dependiendo de que exista una prueba capaz de revelar una alteración que los ojos humanos puedan interpretar. La inteligencia artificial está empezando a modificar esa lógica porque puede buscar señales que todavía no forman parte de una enfermedad evidente y relacionarlas con enormes cantidades de información que ningún médico podría comparar mentalmente al mismo tiempo.
La idea no consiste en imaginar una máquina que sepa el futuro ni en convertir un algoritmo en una especie de oráculo médico. Lo verdaderamente interesante es algo más concreto y, al mismo tiempo, mucho más profundo: una enfermedad puede comenzar a modificar el organismo antes de que la persona tenga conciencia de estar enferma. La inteligencia artificial intenta aprender a reconocer esas pequeñas modificaciones cuando todavía están dispersas entre miles de datos aparentemente normales. Puede hacerlo examinando una imagen, un electrocardiograma, una muestra de sangre, los registros médicos acumulados durante años o incluso determinadas características de la respiración durante el sueño. La promesa está en encontrar una señal temprana allí donde, para una mirada convencional, todavía parece no haber nada.
Ese cambio tiene una consecuencia importante para la medicina. Hasta ahora, gran parte de la práctica clínica ha consistido en responder a una pregunta que aparece cuando algo ya está sucediendo: ¿qué enfermedad explica estos síntomas? La inteligencia artificial está intentando añadir otra pregunta: ¿qué patrón está comenzando a aparecer aunque todavía no existan síntomas suficientes para llamar a eso una enfermedad?
El cuerpo empieza a cambiar antes de que nosotros lo sepamos
Una de las razones por las que esta posibilidad resulta tan poderosa es que el organismo no espera a que aparezca el primer síntoma para comenzar a cambiar. Algunas enfermedades atraviesan períodos silenciosos en los que determinados procesos biológicos ya están avanzando, pero todavía no producen una señal suficientemente evidente para que la persona consulte o para que un examen convencional los identifique con facilidad.
El problema es que esas primeras modificaciones pueden ser diminutas. Una variación en el ritmo cardíaco, una determinada configuración de los vasos sanguíneos de la retina, una alteración en la respiración nocturna o la combinación de antecedentes, resultados de laboratorio y diagnósticos aparentemente independientes pueden no significar demasiado cuando se observan por separado. Lo que una inteligencia artificial puede hacer es analizar esas piezas juntas y buscar relaciones que hayan aparecido repetidamente en grandes grupos de pacientes.
La diferencia parece sencilla, pero cambia la manera de entender la prevención. El médico puede observar un dato y preguntarse si tiene importancia. Un algoritmo puede observar millones de combinaciones y descubrir que determinadas combinaciones aparecen con mayor frecuencia en personas que posteriormente desarrollan una enfermedad. Eso no significa que el algoritmo comprenda la enfermedad como lo hace un médico ni que pueda asegurar que una persona enfermará. Significa que puede encontrar patrones estadísticos que merecen ser investigados.
La Administración de Alimentos y Medicamentos de Estados Unidos reconoce precisamente entre las aplicaciones de la inteligencia artificial médica la detección temprana de enfermedades, la evaluación del riesgo, el pronóstico y la identificación de nuevos patrones relacionados con la fisiología humana y la progresión de las enfermedades.
La diferencia entre detectar y predecir, sin embargo, será una de las cuestiones más importantes de esta nueva medicina. Encontrar una lesión que ya existe no es lo mismo que calcular que alguien presenta un riesgo elevado de desarrollar una enfermedad dentro de varios años. Una cosa busca una realidad presente; la otra intenta reconocer una trayectoria.
El corazón puede dejar pistas en un examen que ya conocemos
El electrocardiograma es uno de los mejores ejemplos de cómo la inteligencia artificial puede cambiar el significado de una prueba antigua. Durante décadas, este examen ha permitido registrar la actividad eléctrica del corazón mediante unos pocos minutos de medición. El resultado puede parecer una serie de ondas que un especialista interpreta buscando alteraciones conocidas, pero los algoritmos pueden analizar características mucho más complejas de esa señal.
En 2025, un estudio publicado en Nature presentó un modelo denominado EchoNext, entrenado con más de un millón de registros que relacionaban electrocardiogramas con estudios de imagen cardíaca. El sistema fue diseñado para identificar distintas formas de enfermedad cardíaca estructural y fue evaluado también de manera prospectiva en personas que no habían tenido previamente una imagen del corazón. El estudio encontró que el modelo podía identificar enfermedad cardíaca que todavía no había sido diagnosticada.
Lo extraordinario no está solamente en que una máquina pueda leer un electrocardiograma. La verdadera transformación está en que una prueba relativamente sencilla y extendida podría convertirse en una puerta de entrada para descubrir que algo está ocurriendo en la estructura del corazón y que quizá sea necesario realizar estudios más especializados.
Otro estudio, realizado con más de un millón y medio de electrocardiogramas de más de 244.000 adultos, desarrolló modelos capaces de predecir múltiples diagnósticos cardiovasculares a partir de los registros eléctricos del corazón. El rendimiento fue especialmente elevado para algunas condiciones, aunque varió considerablemente según la enfermedad.
Esto introduce una idea que puede terminar siendo fundamental: quizá en el futuro no siempre necesitemos una prueba nueva para descubrir una enfermedad nueva. En determinados casos, podríamos aprender a extraer información adicional de las pruebas que ya hacemos.
Le puede interesar: ¿Quién nos enseñó a obedecer? Religión, poder y pensamiento
La retina puede convertirse en una ventana hacia el resto del organismo
Algo parecido ocurre con los ojos, aunque por una razón completamente distinta. La retina contiene una red de vasos sanguíneos que puede observarse directamente mediante imágenes y presenta características relacionadas con procesos que también afectan al sistema vascular. Durante mucho tiempo, los especialistas han utilizado fotografías del fondo de ojo para estudiar enfermedades oculares; ahora la inteligencia artificial está explorando cuánto más puede revelar esa misma imagen.
Un modelo de inteligencia artificial denominado RETFound fue entrenado utilizando alrededor de 1,6 millones de imágenes de retina sin etiquetar. Posteriormente fue adaptado para diferentes tareas y mostró capacidad para detectar enfermedades oculares y contribuir a la predicción de trastornos sistémicos, entre ellos insuficiencia cardíaca e infarto de miocardio.
Una revisión publicada en 2024 analizó precisamente el potencial de utilizar inteligencia artificial sobre fotografías de la retina para anticipar enfermedades que no pertenecen directamente al ojo. La explicación es que la retina permite observar de manera no invasiva estructuras vasculares y características relacionadas con el sistema nervioso central, lo que convierte al fondo de ojo en una fuente de información mucho más amplia de lo que tradicionalmente se pensaba.
La imagen, entonces, deja de ser solamente una fotografía que un oftalmólogo examina para buscar una enfermedad ocular. Puede convertirse en un registro biológico del estado general del organismo. Una máquina entrenada con suficientes imágenes puede aprender a asociar pequeñas características visuales con riesgos que quizá el paciente todavía no percibe.
Pero aquí aparece una de las primeras fronteras que la sociedad tendrá que aprender a manejar. Si una inteligencia artificial observa en una fotografía algo que podría indicar un mayor riesgo de enfermedad cardiovascular, la pregunta ya no es únicamente si el algoritmo tiene razón. También hay que decidir qué significa para esa persona recibir esa información, qué examen debería hacerse después, quién debe comunicarla y qué ocurre si el resultado es incorrecto.
Una noche de sueño puede contener información que nadie está buscando
La investigación más sorprendente quizá no esté en una máquina de hospital, sino en algo tan cotidiano como dormir.
El Parkinson suele reconocerse por síntomas motores como el temblor o la rigidez, pero determinados cambios relacionados con el sueño y otras funciones pueden aparecer antes de que esos signos sean evidentes. Investigadores desarrollaron un sistema de inteligencia artificial capaz de analizar señales respiratorias nocturnas y utilizaron datos de miles de personas para identificar patrones asociados con la enfermedad.
El modelo llegó incluso a ser evaluado con información de personas que todavía no habían recibido un diagnóstico de Parkinson y que posteriormente fueron diagnosticadas. En ese análisis, el sistema identificó como compatibles con Parkinson a una proporción importante de personas años antes de que apareciera el diagnóstico clínico. Los propios investigadores presentaron el resultado como evidencia inicial de que la tecnología podría utilizarse para evaluar riesgo antes del diagnóstico, no como una herramienta definitiva para diagnosticar a cualquier persona que duerma mal.
La importancia de este tipo de investigación está en que obliga a mirar la enfermedad desde otro ángulo. Durante mucho tiempo pensamos que una enfermedad neurológica comenzaba cuando aparecía el síntoma que permitía reconocerla. Ahora los investigadores buscan señales que puedan existir mucho antes, incluso en funciones que el paciente nunca habría relacionado con esa enfermedad.
En el caso del Parkinson, además, investigaciones independientes han encontrado biomarcadores en sangre capaces de distinguir a personas en etapas premotoras hasta siete años antes del comienzo de los síntomas motores. Allí la inteligencia artificial puede convertirse en una herramienta para combinar esos marcadores y aumentar la capacidad de clasificación, pero el hallazgo también demuestra que el futuro de la detección temprana probablemente no dependerá de una sola tecnología, sino de la convergencia entre biología, imágenes, historia clínica y aprendizaje automático.
El expediente médico puede esconder una enfermedad que todavía no tiene nombre
Hay otro lugar donde la inteligencia artificial puede encontrar pistas y que resulta menos espectacular porque no produce imágenes llamativas: el historial médico.
Cada consulta deja información. Una presión arterial registrada años atrás, un resultado de laboratorio, una hospitalización, una alteración metabólica, un diagnóstico aparentemente menor, un medicamento determinado o la frecuencia con que una persona vuelve al sistema de salud forman un rastro. Separados, esos datos pueden parecer irrelevantes. Juntos, quizá dibujen una trayectoria.
Esto está siendo estudiado especialmente en enfermedades que suelen diagnosticarse tarde. En 2025, investigadores desarrollaron un modelo de aprendizaje automático utilizando información de historias clínicas electrónicas para identificar personas con mayor riesgo de desarrollar cáncer de páncreas entre dos años y medio y tres años después de la evaluación. El modelo no estaba diciendo que esas personas ya tuvieran cáncer; estaba intentando encontrar, entre los datos acumulados, una población cuyo riesgo futuro fuera considerablemente mayor que el de la población general.
Otro trabajo publicado ese mismo año utilizó modelos basados en inteligencia artificial para analizar historias clínicas de dos grandes sistemas de salud y mejorar la predicción del cáncer de páncreas. Al excluir información correspondiente a los meses inmediatamente anteriores al diagnóstico, los investigadores comprobaron que el modelo todavía podía encontrar señales asociadas con un riesgo aumentado.
La idea puede parecer fría cuando se expresa como una fórmula estadística, pero detrás existe una posibilidad profundamente humana. Si el sistema de salud pudiera identificar con suficiente precisión a las personas que necesitan una vigilancia diferente antes de que aparezca una enfermedad grave, quizá algunas historias clínicas podrían cambiar de rumbo antes de llegar al diagnóstico tardío.
El desafío consiste en que una predicción no equivale a una sentencia. Una persona que aparece en un grupo de mayor riesgo no necesariamente desarrollará la enfermedad, de la misma manera que una persona clasificada como de bajo riesgo no queda protegida contra ella. La inteligencia artificial trabaja con probabilidades, mientras que cada paciente vive una historia individual.
El verdadero salto no será saber más, sino llegar antes
Por eso la pregunta más interesante no es si la inteligencia artificial puede reemplazar al médico. Esa discusión, aunque frecuente, reduce demasiado el problema. La cuestión realmente importante es si puede ayudar a que el médico llegue antes.
La Organización Mundial de la Salud reconoce que la inteligencia artificial ya está entrando en áreas como el diagnóstico, la vigilancia de enfermedades y la atención clínica, pero insiste en que sus beneficios dependen de sistemas seguros, evidencia suficiente, protección de los datos, supervisión humana y reglas claras sobre responsabilidad.
Ese punto resulta esencial porque detectar algo antes también puede producir daño si se interpreta mal. Una predicción equivocada puede generar ansiedad, exámenes innecesarios, procedimientos invasivos o tratamientos que una persona nunca necesitó. Y un algoritmo que funciona muy bien en el hospital donde fue desarrollado puede comportarse de otra manera cuando se utiliza con otra población, otros equipos médicos, otros hábitos de salud o datos de diferente calidad. La propia OMS ha advertido que los modelos pueden verse afectados por datos incompletos, poco representativos o sesgados.
La medicina preventiva del futuro, por eso, probablemente no será una carrera para encontrar una máquina que adivine quién va a enfermar. Será un proceso mucho más delicado en el que médicos, investigadores y sistemas de inteligencia artificial intentarán distinguir entre una señal que merece atención y una coincidencia que no significa nada.
Y esa diferencia será decisiva, porque cuando una máquina encuentre una enfermedad antes de que el cuerpo la anuncie, todavía quedará la pregunta más difícil: qué hacer con ese conocimiento cuando todavía no sabemos si la enfermedad llegará a convertirse en realidad.
Cuando la inteligencia artificial empieza a mirar lo que nosotros todavía no vemos
La posibilidad más interesante de la inteligencia artificial aplicada a la salud no está necesariamente en que pueda responder qué enfermedad tiene una persona cuando ya presenta síntomas. Está en algo anterior: ayudarla a preguntarse si existen señales que valga la pena investigar antes de que aparezca un problema evidente. La diferencia parece pequeña, pero puede cambiar por completo la relación que una persona común tiene con su propia salud.
Durante mucho tiempo, quien no se sentía enfermo tenía pocas razones para pensar que debía investigar algo. La prevención dependía de los controles establecidos para determinada edad, de los antecedentes familiares, de algunos exámenes periódicos y, en buena medida, de la iniciativa del médico. La inteligencia artificial introduce una posibilidad adicional: que una persona pueda organizar sus propias dudas, reunir información dispersa y conversar con una herramienta capaz de ayudarle a determinar qué preguntas debería llevar a una consulta médica.
Eso no convierte a la inteligencia artificial en médico. De hecho, las autoridades sanitarias advierten que las herramientas de inteligencia artificial destinadas a apoyar decisiones clínicas deben permitir comprender sus fundamentos, conocer sus limitaciones y mantener el juicio profesional como parte esencial de la decisión.
Lo que sí puede cambiar es el momento en que una persona decide prestar atención.
La pregunta que casi nadie hace cuando todavía se siente bien
Una persona puede levantarse todos los días, trabajar, comer, dormir y continuar con su rutina mientras dentro de su organismo empiezan a producirse cambios que todavía no generan un síntoma reconocible. Ese es precisamente el territorio que la medicina preventiva intenta explorar: los factores de riesgo, los antecedentes, las alteraciones silenciosas y las señales que justifican una evaluación antes de que aparezca una enfermedad establecida.
La inteligencia artificial puede ayudar a convertir una preocupación difusa en una investigación ordenada.
No es lo mismo escribirle a una IA: “¿Qué enfermedades puedo tener?”, que plantearle una situación cuidadosamente descrita: “Tengo 52 años, mi padre tuvo un infarto a los 58, tengo hipertensión desde hace seis años, tomo este medicamento, mi presión suele estar en este rango, llevo varios años sin hacerme determinados controles y recientemente mis análisis mostraron estos valores. No quiero que me diagnostiques. Quiero saber qué factores de riesgo debería revisar con mi médico, qué exámenes preventivos suelen considerarse en una persona con este perfil y qué señales justificarían una consulta más rápida”.
La segunda pregunta cambia completamente la conversación porque no está pidiendo una sentencia. Está solicitando orientación para investigar.
Y allí puede aparecer una de las aplicaciones más útiles para una persona que no tiene conocimientos médicos: utilizar la IA como una herramienta para ordenar información antes de llegar al consultorio.
La persona común puede empezar a investigar sin saber medicina
Una de las grandes ventajas de conversar con una inteligencia artificial es que no hace falta conocer de antemano el nombre técnico del problema que uno quiere investigar. Una persona puede comenzar con algo tan sencillo como una preocupación y avanzar mediante preguntas sucesivas.
Puede decir, por ejemplo: “En mi familia hay antecedentes de diabetes y yo he aumentado de peso durante los últimos años. No tengo síntomas importantes. ¿Qué factores de riesgo debería conocer y qué debería conversar con mi médico?”.
Después puede continuar: “¿Qué información de mi historia familiar sería importante recopilar?”.
Luego: “¿Qué datos de mis exámenes de sangre serían relevantes para evaluar ese riesgo?”.
Y finalmente: “Si te proporciono mis resultados, ¿puedes explicarme qué significa cada valor, cuáles están dentro del rango de referencia y cuáles debería llevar a mi médico para que los interprete en conjunto?”.
La diferencia fundamental es que la persona no está utilizando la IA para sustituir la consulta. Está llegando a ella mejor preparada.
Ese cambio puede parecer trivial, pero tiene consecuencias importantes. Muchas consultas médicas son breves y muchas personas olvidan antecedentes, medicamentos, síntomas ocasionales, fechas de exámenes o preguntas que querían hacer. Una conversación previa con una IA puede ayudar a construir una lista organizada de información y preguntas.
La tecnología puede incluso ayudar a detectar que una preocupación aparentemente aislada tiene varias dimensiones que conviene revisar. Una persona que pregunta por cansancio, por ejemplo, podría terminar descubriendo que necesita conversar con un profesional sobre sueño, medicamentos, alimentación, salud mental, anemia, alteraciones metabólicas u otras posibilidades. Eso no significa que la IA haya encontrado la causa. Significa que ayudó a ampliar el campo de observación.
El método puede ser más importante que la respuesta
Aquí aparece una regla que puede hacer una enorme diferencia: no preguntarle a la IA “¿qué tengo?”, sino “¿qué debería investigar?”.
La primera pregunta empuja al sistema hacia un diagnóstico. La segunda lo obliga a organizar posibilidades, factores de riesgo y siguientes pasos.
Una persona puede utilizar una secuencia como esta:
Primero: describir quién es y qué antecedentes tiene.
“Soy hombre, tengo 55 años, mi madre tuvo diabetes tipo 2 y mi hermano tiene hipertensión. No tengo síntomas importantes. Quiero revisar preventivamente qué riesgos debería conversar con un médico.”
Después: incorporar hábitos.
“Trabajo sentado muchas horas, hago poco ejercicio, duermo unas seis horas y mi alimentación tiene bastante comida procesada.”
Luego: incorporar información objetiva.
“Estos son mis últimos resultados de presión arterial, glucosa, colesterol y triglicéridos. Explícame qué mide cada uno y qué relaciones podría ser útil discutir con un médico.”
Después: pedir una mirada preventiva.
“Sin diagnosticarme, ¿qué factores de riesgo aparecen en la información que te he dado y cuáles serían razonables para discutir en una consulta?”
Y finalmente: pedir ayuda para preparar la consulta.
“Hazme una lista de preguntas concretas que debería llevar al médico y dime qué información adicional sería útil tener.”
La inteligencia artificial puede hacer algo particularmente valioso en ese proceso: transformar una conversación desordenada en una historia comprensible.
La FDA reconoce que las aplicaciones de IA en salud están siendo desarrolladas para detección temprana, evaluación de riesgos, pronóstico, diagnóstico y reconocimiento de patrones relacionados con la progresión de enfermedades. Pero la capacidad tecnológica no significa que cualquier chatbot pueda realizar esas tareas con la misma seguridad. Existen diferencias enormes entre un sistema médico específicamente desarrollado, validado y regulado para una función concreta y una conversación general con una inteligencia artificial generativa.
También se le pueden hacer preguntas sobre los propios exámenes
Aquí la IA puede resultar especialmente útil para una persona que recibe un resultado de laboratorio y no entiende lo que está leyendo.
Supongamos que alguien recibe un hemograma, un perfil lipídico, una glucosa, pruebas de función renal y hepática. Puede preguntarle a una IA qué significa cada parámetro, qué mide, por qué puede alterarse y qué otras variables suelen interpretarse conjuntamente.
Puede incluso solicitar: “No interpretes estos resultados como un diagnóstico. Explícame cuáles están fuera del intervalo de referencia del laboratorio, cuáles están cerca de los límites y qué preguntas debería hacerle a mi médico”.
Eso permite convertir una hoja llena de números en información comprensible.
Pero existe una precaución fundamental: un valor fuera del rango de referencia no significa automáticamente enfermedad, y un valor dentro del rango no garantiza que todo esté bien. La interpretación depende de edad, sexo, antecedentes, medicamentos, síntomas, condiciones previas, método del laboratorio y contexto clínico.
La IA puede explicar el idioma de los resultados. No debería convertir por sí sola esos resultados en una sentencia sobre el estado de salud de una persona.
Una fotografía, un documento o un historial pueden convertirse en material para preguntar mejor
La evolución de los sistemas multimodales hace que esta interacción pueda ir mucho más allá del texto. Dependiendo de la herramienta y de las funciones disponibles, una persona puede proporcionar información estructurada, documentos o imágenes médicas para solicitar una explicación general.
Esto abre una posibilidad interesante: comparar información a través del tiempo.
Una persona podría decir: “Estos son mis resultados de los últimos cuatro años. Organízalos cronológicamente, identifica qué valores han cambiado de manera sostenida y dime cuáles debería preguntarle al médico”.
La palabra importante aquí es sostenida.
Un solo resultado puede ser circunstancial. Una tendencia puede ser mucho más interesante para una conversación médica. La IA puede ser particularmente buena organizando grandes cantidades de información y mostrando relaciones temporales que una persona tendría dificultades para observar leyendo documento tras documento.
La misma lógica puede aplicarse a medicamentos. Una persona puede elaborar una lista completa y preguntar qué información debería comunicar al médico, qué medicamentos está tomando, cuáles son sus dosis y qué preguntas generales conviene plantear sobre posibles interacciones. La respuesta no sustituye la revisión profesional, pero puede ayudar a que ningún dato importante quede olvidado.
La IA también puede ayudar a decidir cuándo dejar de investigar y buscar atención
Este punto es especialmente importante porque la inteligencia artificial puede producir el efecto contrario al que se busca. Una persona puede pasar horas conversando con una máquina sobre síntomas y terminar retrasando una consulta que necesitaba.
Por eso una buena conversación debería incluir una pregunta muy concreta: “¿Qué señales indicarían que no debo seguir investigando por mi cuenta y debería buscar atención médica?”
Las herramientas de apoyo sanitario pueden ayudar a orientar cuándo buscar atención, pero su precisión no es perfecta y no deben utilizarse para descartar por cuenta propia situaciones potencialmente graves.
En otras palabras, la IA puede servir para ampliar la mirada, pero también debe saber reconocer los límites de esa conversación.
Si alguien presenta dolor intenso en el pecho, dificultad importante para respirar, signos de un accidente cerebrovascular, pérdida súbita de conciencia, una reacción alérgica grave u otra situación potencialmente urgente, la conversación con una inteligencia artificial no debe convertirse en una sala de espera digital. La prioridad es recibir atención médica.
Lo que una persona nunca debería pedirle a una IA
Hay una frontera que conviene mantener clara.
No es prudente utilizar una conversación con una IA como única base para empezar, suspender o modificar un tratamiento, interpretar una situación de emergencia, descartar una enfermedad grave o decidir que una consulta médica ya no es necesaria.
Tampoco conviene entregarle información incompleta y esperar una conclusión definitiva. La IA puede responder con mucha seguridad incluso cuando la información disponible es insuficiente. Las herramientas generativas tienen además limitaciones conocidas: pueden carecer de contexto clínico, producir información incorrecta y no necesariamente saben qué información es decisiva para un paciente particular.
Por eso, mientras más importante sea la decisión, más importante resulta utilizar la IA como asistente de investigación y preparación, no como autoridad final.
El nuevo paciente puede llegar a la consulta con mejores preguntas
Quizá ese sea el cambio más realista y más valioso.
Durante décadas, el paciente llegó al consultorio con una historia que el médico debía reconstruir mediante preguntas. En el futuro, una persona podría llegar con una especie de mapa preliminar de su propia información: antecedentes familiares, medicamentos, evolución de algunos indicadores, preguntas sobre factores de riesgo, dudas sobre exámenes y una lista de asuntos que considera importantes.
El médico seguiría teniendo que interpretar todo aquello, descartar errores, solicitar los estudios necesarios y tomar las decisiones clínicas. Pero la conversación podría comenzar desde un nivel diferente.
La inteligencia artificial no tendría que descubrir por sí sola una enfermedad para transformar la prevención. Bastaría con que ayudara a que una persona que antes no sabía qué preguntar pudiera formular mejores preguntas.
Y quizá ahí esté una de las revoluciones menos espectaculares, pero más importantes de esta tecnología. La medicina del futuro no necesariamente comenzará cuando una máquina diga “usted tiene esta enfermedad”. Puede comenzar mucho antes, cuando una persona que se siente perfectamente bien le pregunte a una inteligencia artificial: “Con mi edad, mis antecedentes, mis hábitos y la información que tengo, ¿qué debería estar revisando antes de que aparezcan los síntomas?”
La respuesta responsable no debería ser un diagnóstico. Debería ser el comienzo de una investigación.
El problema será saber qué hacer con lo que descubramos
La posibilidad de encontrar señales antes de que aparezca una enfermedad también plantea una paradoja. Cuanto más poderosa sea la tecnología para detectar riesgos, más personas recibirán información sobre posibilidades que quizá nunca se conviertan en una enfermedad real.
Ese será uno de los grandes desafíos de la medicina preventiva asistida por inteligencia artificial. Saber que alguien tiene un riesgo elevado puede permitir actuar temprano, pero también puede generar ansiedad, pruebas innecesarias y decisiones equivocadas si el resultado se interpreta como una certeza. Por eso los sistemas destinados a la atención médica necesitan validación, transparencia y supervisión, y la regulación actual está intentando establecer precisamente esas condiciones.
La inteligencia artificial puede ser extraordinariamente buena encontrando patrones, pero la medicina no consiste solamente en encontrar patrones. También consiste en decidir cuáles importan, cuáles son circunstanciales, cuáles necesitan confirmación y cuáles no deberían alterar la vida de una persona.
El futuro, por tanto, no parece pertenecer a una máquina que diagnostique a la humanidad desde una pantalla. Parece pertenecer a una relación mucho más interesante entre tecnología y criterio humano: una inteligencia artificial capaz de ayudarnos a mirar nuestra propia información con mayor orden, un médico capaz de interpretar esa información dentro de nuestra historia real y una persona que, por primera vez, puede participar mucho más activamente en las preguntas que determinan su salud.
Porque detectar una enfermedad antes de que aparezcan los síntomas puede ser una de las grandes promesas de la inteligencia artificial, pero aprender a preguntarle correctamente puede ser la primera herramienta preventiva que cualquier persona tenga al alcance de su mano.
