Anuario iSanidad 2025
Dr. Julio Mayol, director científico del Instituto de Investigación Sanitaria del Hospital Clínico San Carlos (IdISSC)
¿Qué es la inteligencia artificial (IA)? La respuesta parece sencilla, pero su alcance real exige una mirada más amplia. Es el conjunto de métodos capaces de ejecutar tareas que antes reclamaban razonamiento humano.
Procesa lenguaje, interpreta imágenes, analiza datos clínicos o sugiere decisiones. ¿Sustituirá al profesional? De momento solo reorganiza cómo pensamos, trabajamos y entendemos la información.
El propósito en salud importa más que la tecnología. El por qué y el para qué definen su utilidad. La IA puede y debe ayudar a anticipar problemas, reducir variaciones, liberar tiempo para la relación clínica y mejorar los resultados que importan a las personas. Este enfoque obliga a revisar los procesos reales donde se inserta, porque la herramienta no basta por sí misma. Solo funciona si se integra en un sistema coherente.
La historia ayuda a entender este momento. El campo se formalizó en 1956, con un enfoque basado en reglas. Durante décadas se movió entre entusiasmo y frustración, con sistemas rígidos que no aprendían porque se anteponía la lógica al aprendizaje.
La IA puede y debe ayudar a anticipar problemas, reducir variaciones, liberar tiempo para la relación clínica y mejorar los resultados que importan a las personas
El giro llegó con el aprendizaje automático y la disponibilidad de datos. En 1997, Deep Blue mostró la capacidad de procesar información estructurada a escala. La última década consolidó las redes profundas y los modelos generativos.
El secreto está en la unidad matemática que define el funcionamiento de la neurona sintética, y = f (wz + b), donde y es la salida, f es una función que transforma el valor interno, w es un peso que multiplica la entrada x, y b es el sesgo que desplaza el resultado antes de aplicar f.
Estas redes de neuronas sintéticas, con una capa de entrada, múltiples capas ocultas y una capa de salida, analizan texto, imágenes y señales fisiológicas con precisión creciente. Organizan información no estructurada y generan respuestas que facilitan el trabajo clínico y administrativo.
Organizan información no estructurada y generan respuestas que facilitan el trabajo clínico y administrativo
En investigación biomédica el salto ya es evidente. La IA acelera la lectura de la literatura, integra bases de datos, identifica patrones y orienta hipótesis. AlphaFold marcó un punto de inflexión en biología estructural al predecir estructuras proteicas con rapidez y dio el premio Nobel de Química a sus líderes en 2024. Esta lógica se extiende a nuevas herramientas que apoyan la selección de compuestos, el análisis genómico y la interpretación clínica.
En este contexto de impulso de la investigación con IA nace EpistemAI, una solución creada dentro del Grupo de Innovación, Cirugía, Farmacia y Neuroingeniería que dirijo en el Instituto de Investigación Sanitaria San Carlos, con un propósito concreto: ayudar a los equipos de investigación a trabajar mejor, generar conocimiento más riguroso y aumentar el impacto real de sus proyectos.
Esta solución basada en IA generativa ordena la información, propone preguntas, revisa coherencia de las ideas de los investigadores, identifica lagunas y conecta datos dispersos. No sustituye a las personas. Mejora su capacidad de análisis y su eficiencia.
La IA no sustituye a las personas, mejora su capacidad de análisis y su eficiencia
En educación, la IA generativa permite aprendizaje adaptado. Ajusta la dificultad según el rendimiento del estudiante y ofrece simulaciones fiables para entrenar habilidades sin riesgo para pacientes.
Introduce una evaluación continua orientada a competencias. Pero ¿están nuestras universidades preparadas? Un reciente estudio liderado por el doctor Juan Turnes, jefe de servicio de aparato digestivo en el Complejo Hospitalario Universitario Pontevedra, sugiere que no.
Y en la práctica clínica, su papel fundamental va a ser el de apoyar y mejorar la toma de decisiones. En imagen médica ya criba y prioriza casos mediante la detección de patrones relevantes en las imágenes, algo similar a lo que puede hacer con la imagen óptica en anatomía patológica.
Y en la práctica clínica, su papel fundamental va a ser el de apoyar y mejorar la toma de decisiones
En monitorización identifica señales tempranas de deterioro. En atención primaria y hospitalaria resume historiales extensos y sugiere diagnósticos diferenciales. O puede ayudar a mejorar la identificación de enfermedades raras como hace DxGPT de Fundación 29.
Adecuadamente utilizada, la IA generativa reduce la carga cognitiva y mejora la capacidad de anticipación, especialmente cuando se utilizan herramientas de procesamiento de lenguaje natural para que los profesionales dejen de mirar pantallas y vuelvan a mirar a los ojos de los pacientes.
En gestión, la IA puede ayudar a organizar recursos y a proyectar demanda. Mediante gemelos digitales que aprovechan los datos de nuestros sistemas se podría predecir la ocupación de camas, facilitar la planificación de urgencias y automatizar tareas administrativas. Esto ordenaría procesos y liberaría tiempo profesional. Aquí el riesgo es bajo y la ganancia en tiempo es enorme.
Evidentemente, la implantación de una tecnología disruptiva genera preguntas legales y éticas. Los profesionales necesitan entender cómo razona un modelo. La responsabilidad ante errores debe estar definida y la protección de datos exige controles estrictos.
En este aspecto, nuestra apuesta es explorar el uso de datos sintéticos, datos generados mediante redes neuronales y que imitan los datos del mundo real, para la investigación y la formación, para intentar evitar los riesgos de privacidad y los sesgos derivados de poblaciones no siempre bien representadas. Además, el Reglamento Europeo de IA fija obligaciones de transparencia, supervisión humana y gestión de riesgos para aplicaciones sanitarias de alto impacto.
El mayor reto no es técnico. Los humanos hemos fragmentado el sistema sanitario. Múltiples herramientas funcionan como piezas aisladas. Falta interoperabilidad, gobernanza clara y métricas orientadas a resultados. La IA solo generará valor cuando forme parte del flujo asistencial y se inserte en una arquitectura sólida.
Deja una respuesta