Hace apenas un par de años pocos pensaban que la inteligencia artificial podría llegar a entender el lenguaje médico. Aunque todavía queda un largo camino por recorrer, hoy existen modelos como ChatGPT, Gemini o Claude que ya son capaces de resumir historias clínicas, responder preguntas complejas e incluso ayudar a interpretar información médica.
Sin embargo, mientras las compañías buscan destacar con el modelo más inteligente, hospitales y empresas tecnológicas están descubriendo que el verdadero cuello de botella para una adopción eficiente y confiable está en los datos.
Un informe reciente pone en evidencia que muchas instituciones de salud están encontrando el mismo problema. Los datos fragmentados y mal gestionados se han convertido en el mayor obstáculo para pasar de proyectos piloto a resultados reales.
Y no porque falten. De hecho, el sector salud produce enormes cantidades de información todos los días. El problema es que esa información rara vez está organizada. Una parte vive en historias clínicas escritas hace años, otra en documentos PDF, otra en resultados de laboratorio, otra en imágenes diagnósticas y otra en sistemas que ni siquiera pueden comunicarse entre sí.
En otras palabras, la inteligencia artificial puede ser muy poderosa, pero si no encuentra la información adecuada, tampoco podrá ofrecer respuestas confiables.
El verdadero reto está en los datos
La industria tecnológica se obsesionó con construir modelos cada vez más grandes y potentes. Pero en el sector salud la confianza y la precisión sí son de vital importancia.
Antes de preguntarse qué modelo utilizar, hospitales y clínicas ahora deben resolver cómo unificar millones de registros clínicos, conectar sistemas desarrollados hace décadas y garantizar que un médico reciba información actualizada sin poner en riesgo la privacidad de los pacientes.
Durante el auge de la IA generativa aparecieron decenas de asistentes conversacionales para el sector salud. Pero un médico no solo necesita un chatbot que responda preguntas generales.
Necesita una herramienta capaz de revisar el historial clínico de un paciente, consultar protocolos médicos, comparar resultados de laboratorio, encontrar antecedentes relevantes y entregar una respuesta sustentada en información real.
Por eso cada vez cobran más importancia tecnologías como RAG (Retrieval-Augmented Generation), una arquitectura que permite que un modelo consulte documentos clínicos y bases de datos antes de responder.
La diferencia puede parecer técnica, pero cambia completamente el resultado. En lugar de responder únicamente con lo aprendido durante su entrenamiento, la IA puede apoyarse en información específica de una institución médica, reduciendo el riesgo de errores y ofreciendo respuestas mucho más útiles para los profesionales.
De hecho, ahí es donde realmente se está jugando la próxima etapa de la inteligencia artificial aplicada a la medicina. “Si bien la inteligencia artificial todavía no está a la altura de los médicos reales en ciertas áreas, actualmente es capaz de superar a los humanos en algunas cosas”, asegura Mike Hoey, CEO de Source Meridian. “Hay un par de ejemplos de esto en la radiología y el diagnóstico, donde algunos signos y síntomas son muy difíciles de detectar para el ojo humano. Con algoritmos avanzados de machine learning, la IA puede detectar estas sutiles diferencias en los datos de los diagnósticos”.
La próxima revolución no será un modelo
La industria tecnológica ha dedicado los últimos años a competir por construir la inteligencia artificial más potente. Sin embargo, en salud esa competencia podría dejar de ser la más importante.
Si los datos siguen dispersos entre historias clínicas, archivos PDF y sistemas que no se comunican entre sí. Incluso el mejor modelo del mundo tendrá dificultades para generar respuestas realmente útiles.
El futuro de la IA en medicina probablemente no dependerá únicamente de algoritmos más sofisticados. Sino de algo mucho menos llamativo, pero mucho más determinante como la capacidad de convertir datos fragmentados en información confiable.
Imagen: Foto de Stephen Andrews en Unsplash
