Inteligencia artificial en la práctica clínica: qué hace bien, dónde falla y por qué tu criterio sigue siendo insustituible

IA en la práctica clínica

La inteligencia artificial en la práctica clínica ya no es una promesa a futuro: es una herramienta de uso diario que redacta notas médicas, estructura valoraciones preoperatorias y detecta puntos ciegos en el razonamiento. También comete errores que solo un profesional entrenado puede identificar. Durante el Healthcare Summit de Atlantis University, el Dr. Ariel Llamas, médico anestesiólogo en ejercicio desde 2011, mostró ambas caras con casos reales.

El error que lo resume todo

Antes de cualquier demostración, una advertencia. Al consultar sobre el ibuprofeno, el modelo respondió describiéndolo como un antibiótico y explicando cómo administrarlo en esa categoría. El ibuprofeno es un analgésico antiinflamatorio, no un antibiótico.

Para un médico, el error salta a la vista en un segundo. Para alguien sin formación clínica, pasa desapercibido y se convierte en información aceptada.

Ese es el punto de partida obligatorio: sin criterio profesional establecido, la inteligencia artificial puede engañarte con facilidad. Estos errores tienen nombre técnico —alucinaciones— y responden a una característica del modelo: lo que no sabe, lo completa. No dice «no lo sé»; genera una respuesta plausible.

Caso 1 — Valoración preanestésica generada con IA

El escenario planteado: paciente ficticio de 58 años, masculino, con hipertensión arterial controlada, medicación habitual, alergia documentada al propofol por broncoespasmo, programado para colecistectomía.

La solicitud: una nota de valoración preanestésica completa con clasificación ASA, factores de riesgo, plan anestésico con alternativas al propofol y consideraciones para la inducción.

Lo que devolvió el modelo: un documento estructurado y descargable, con la alergia al propofol destacada en rojo, factores de riesgo, manejo de vía aérea, plan anestésico y de mantenimiento, consideraciones postoperatorias y resumen ejecutivo. Propuso etomidato como inductor con dosis, planteó ketamina como alternativa, recomendó tener a mano el protocolo de anafilaxia en quirófano y advirtió sobre la suspensión previa de metformina para evitar acidosis láctica.

El error que había que cazar: clasificó al paciente como ASA III. El paciente era ASA II. El modelo aplicó el criterio de comorbilidad descompensada a un paciente cuya hipertensión estaba explícitamente descrita como controlada.

La lectura correcta de este caso no es «la IA falló». Es que produjo en segundos un documento clínicamente útil, exhaustivo y con recordatorios de seguridad valiosos —y contenía un error que solo un anestesiólogo detecta.

Caso 2 — Nota médica de evolución en formato SOAP

Segundo escenario: paciente femenina, 48 horas de dolor abdominal en fosa ilíaca derecha, última menstruación tres semanas atrás, hallazgos al examen físico.

A partir de esos datos, la herramienta generó una nota estructurada en subjetivo, objetivo, análisis y plan, con caracterización completa del dolor, síntomas asociados y un plan diagnóstico-terapéutico coherente.

El valor práctico: una nota organizada y bien presentada, lista para copiar a la historia clínica tras la revisión del profesional. El ahorro de tiempo es considerable y —dato importante para la seguridad del paciente— reduce el riesgo de omitir elementos por prisa o fatiga.

Herramientas clínicas específicas frente a modelos generales

Aquí conviene una distinción que muchos profesionales pasan por alto.

Los modelos de lenguaje generales —ChatGPT, Claude, Gemini— son versátiles y accesibles, pero no están diseñados para manejar información clínica identificable en sus versiones públicas.

Las herramientas clínicas dedicadas sí. Soluciones como Microsoft Dragon Copilot o Abridge funcionan como escribas clínicos: escuchan la conversación médico-paciente en tiempo real, generan notas estructuradas, se integran con el historial clínico electrónico y cuentan con cifrado de nivel empresarial y los marcos contractuales necesarios para operar bajo la normativa estadounidense de privacidad sanitaria.

La diferencia práctica es enorme: el profesional deja de escribir mientras habla y recupera tiempo de contacto real con el paciente.

Advertencia crítica: cargar información identificable de pacientes en versiones públicas y gratuitas de modelos generales expone al profesional y a la institución a un incumplimiento normativo grave. Usar estas herramientas con datos clínicos reales requiere acuerdos específicos con el proveedor. (Este tema se desarrolla en detalle en nuestro artículo sobre protección de datos de pacientes e IA.)

La regla del anonimato: cómo trabajar sin exponer al paciente

El método que se recomendó en el Summit es simple y aplicable desde hoy: trabajar siempre con paciente ficticio o anónimo. Los datos clínicos pueden ser reales —edad, comorbilidades, alergias, hallazgos—; los identificadores, nunca.

Y un criterio de decisión que funciona como filtro rápido:

¿Enviarías este dato por un correo electrónico que podría ser interceptado o leído por cualquiera? Si la respuesta es no, tampoco se lo entregues a una inteligencia artificial pública.

Preguntas frecuentes

¿Puede la inteligencia artificial equivocarse en un diagnóstico?

Sí. Los modelos generan respuestas plausibles incluso cuando carecen de la información correcta —fenómeno conocido como alucinación. Toda salida clínica requiere validación profesional.

¿Qué tareas clínicas puede asumir hoy la IA con seguridad?

Redacción y estructuración de notas, resúmenes de historias clínicas extensas, revisión de literatura, generación de listas de verificación y detección de puntos que podrían pasarse por alto.

¿Puedo usar ChatGPT con datos reales de mis pacientes?

No en sus versiones públicas. Se requiere un acuerdo contractual específico con el proveedor y una configuración conforme a la normativa aplicable.

¿La IA va a reemplazar a los médicos?

No en el horizonte previsible. Lo que sí ocurre es que el profesional que domina estas herramientas desplaza competitivamente al que no las usa.

¿Cómo empiezo si nunca he usado estas herramientas?

Con tareas de bajo riesgo: estructurar notas de casos anonimizados, resumir artículos, preparar material docente. Valida siempre el resultado contra tu conocimiento clínico.

Conclusión: el médico del futuro

Incorporar la inteligencia artificial en la práctica clínica no consiste en delegar decisiones, sino en recuperar tiempo. Las respuestas llegan en segundos; ese margen debe reinvertirse donde ninguna máquina compite: en la relación con el paciente.

Hay una observación que vale la pena retener. En redes sociales ya se percibe un movimiento de rechazo hacia el contenido generado artificialmente: las personas buscan personas. Lo mismo ocurrirá —está ocurriendo— en la consulta. El paciente quiere un diagnóstico, sí, pero también quiere ser escuchado, saludado, acompañado.

Como se planteó al cerrar la ponencia: el médico del futuro no es el que sabe más que la IA, sino el que sabe usarla para hacer lo que ninguna máquina podrá hacer jamás, que es cuidar personas.

Si quieres integrar estas competencias con fundamento estratégico, la Maestría en Administración de Servicios de Salud de Atlantis University incorpora inteligencia artificial aplicada a lo largo de todo el programa, en formato bilingüe y 100 % online.

👉 Solicita una asesoría gratuita y personalizada

Descargo de responsabilidad: este contenido es informativo y educativo; no constituye asesoramiento médico ni sustituye el juicio clínico profesional. Los casos presentados corresponden a pacientes ficticios con fines demostrativos y no deben aplicarse a la atención real. Toda salida generada por inteligencia artificial requiere validación profesional. Las herramientas mencionadas se citan a título ilustrativo, sin vínculo comercial con Atlantis University. Consulte a su área legal o de cumplimiento antes de utilizar cualquier herramienta de IA con datos de pacientes.

Become a student at Atlantis University