Inteligencia artificial generativa en el ámbito sanitario: aplicaciones y límites
Inteligencia artificial generativa en el ámbito sanitario: aplicaciones prácticas y evidencia científica
A inteligencia artificial generativa en el ámbito sanitario Puede organizar historiales clínicos, facilitar el análisis de casos y proponer estructuras moleculares para la investigación. Para comprender su contribución, conviene observar cómo funcionan estas aplicaciones y qué resultados presentan los estudios.
Estudios publicados en revistas como Medicina natural e JAMA Network Open investigan el desarrollo de compuestos y el uso de modelos de lenguaje por parte de los médicos. Aunque los trabajos muestran posibilidades relevantes, los beneficios varían en función de la tarea y la forma de utilización.
Por eso, para comprender esta tecnología es necesario conocer sus aplicaciones, los datos disponibles y las precauciones que hay que tomar en cada contexto.
¿Qué es la inteligencia artificial generativa?
A inteligencia artificial generativa Reúne modelos computacionales que aprenden patrones y relaciones a partir de grandes volúmenes de datos. Basándose en ese aprendizaje, generan textos, imágenes y otras representaciones según la información y las instrucciones que reciben.
En el ámbito de la salud, por ejemplo, estos modelos pueden elaborar resúmenes de historiales clínicos y proponer estructuras moleculares para el desarrollo de medicamentos. No obstante, cada resultado depende de los datos de entrenamiento, del contexto proporcionado y de la finalidad de la herramienta.
Los grandes modelos de lenguaje, o LLM (Modelos de lenguaje a gran escala), trabajan con el lenguaje. Para elaborar una respuesta, calculan secuencias probables de unidades de texto, denominadas tokens. Por su parte, los modelos multimodales permiten combinar diferentes formatos, como textos e imágenes.
La diferencia queda más clara con un ejemplo: una herramienta de IA puede analizar datos clínicos y calcular el riesgo de padecer una enfermedad. Por su parte, la IA generativa puede transformar la información de un historial médico en un resumen para el equipo médico.
Sin embargo, en este resumen, el sistema puede omitir una alergia o incluir información que no figura en el documento original. Por ello, el profesional debe comprobar el contenido antes de utilizarlo. La OMS explica estas aplicaciones y sus riesgos en las orientaciones sobre modelos multimodales en el ámbito de la salud.
¿Cómo puede ayudar la inteligencia artificial generativa en el ámbito de la salud?
Entre sus aplicaciones se incluyen la documentación, el apoyo a la práctica clínica y la investigación farmacéutica. Sin embargo, cada actividad requiere sus propios criterios de evaluación.
Para resumir un historial clínico, por ejemplo, la herramienta debe conservar la información del registro. En la investigación sobre medicamentos, por su parte, los científicos deben comprobar si pueden producir y probar las moléculas propuestas.
Organización de la información y la documentación
Hacer un seguimiento del historial de un paciente puede requerir la lectura de consultas, pruebas y recetas repartidas en varios documentos. En este contexto, la IA generativa puede reunir los datos principales en un resumen y facilitar su consulta por parte del equipo.
Además, la herramienta puede adaptar el lenguaje de un contenido técnico. Un texto sobre un procedimiento concreto, por ejemplo, puede servir de base para una explicación más accesible para el paciente. A continuación, el profesional responsable revisa la precisión y la claridad de la versión.
A Organización Mundial de la Salud (OMS) Entre las posibles aplicaciones de estos modelos se incluyen la documentación de consultas, las tareas administrativas y la formación profesional.
Apoyo al razonamiento clínico
Además de organizar documentos, los modelos de lenguaje pueden ayudar a los profesionales a explorar hipótesis y analizar alternativas de actuación. No obstante, los investigadores siguen estudiando en qué situaciones este apoyo mejora el rendimiento.
Un estudio publicado en la Medicina natural, en febrero de 2025, evaluado 92 médicos en situaciones clínicas simuladas. Los participantes que tuvieron acceso a GPT-4 y a recursos convencionales obtuvieron una puntuación media 6,5 puntos porcentuales más en las tareas de razonamiento sobre conductas que aquellos que utilizaron únicamente recursos convencionales.
A pesar de haber obtenido una puntuación más alta, el grupo también tardó más tiempo en resolver los casos. Dado que la evaluación se llevó a cabo en un entorno simulado, los autores destacaron la necesidad de investigar los resultados en situaciones reales de atención médica.
La inteligencia artificial generativa en el desarrollo de medicamentos
En la investigación farmacéutica, los modelos generativos pueden proponer estructuras moleculares con características de interés. A continuación, los científicos seleccionan qué compuestos merecen ser investigados y evalúan la posibilidad de producirlos en el laboratorio.
Tras la síntesis, los experimentos verifican propiedades como la actividad biológica y la toxicidad. De este modo, el equipo comprueba si las propuestas computacionales presentan las características adecuadas para seguir adelante con el desarrollo.
Un ejemplo es el rentosertib, candidato a fármaco para la fibrosis pulmonar idiopática, una enfermedad que provoca cicatrices en el tejido pulmonar y dificulta la respiración.
Un ensayo de fase 2a publicado en la Medicina natural, en junio de 2025, evaluó el compuesto desarrollado con ayuda de la IA generativa. El estudio incluyó 71 participantes durante 12 semanas y comparó diferentes dosis con un placebo.
Así pues, este caso ilustra el paso de una propuesta computacional a la investigación clínica. La tecnología contribuyó al descubrimiento y al diseño del candidato, mientras que los estudios experimentales permitieron evaluar su comportamiento y sus efectos.
¿Cuáles son los límites de la inteligencia artificial generativa en el ámbito de la salud?
Los resultados científicos varían en función de la actividad. Por ejemplo, un ensayo publicado en el JAMA Network Open, en octubre de 2024, evaluado 50 médicos que analizaron casos clínicos con o sin acceso a un modelo de lenguaje.
En este estudio, el acceso a la herramienta no mejoró de forma estadísticamente significativa el razonamiento diagnóstico en comparación con los recursos convencionales. Por lo tanto, el mero hecho de poner a disposición esta tecnología no garantiza, por sí solo, un beneficio.
Los dos ensayos con médicos que se presentan en este artículo evaluaron tareas diferentes. Por ello, sus resultados plantean una pregunta importante: ¿Para qué actividad, con qué usuarios y en qué condiciones ha demostrado ser útil la herramienta?
Respuestas incorrectas y sesgos
Una respuesta puede parecer convincente y, sin embargo, contener información errónea. Por este motivo, el profesional debe verificar los datos, consultar los documentos originales y consultar las referencias citadas.
Además, los modelos pueden reproducir los desequilibrios presentes en los datos de entrenamiento. Si estos datos no representan adecuadamente a determinados grupos de pacientes, por ejemplo, la herramienta podría mostrar un rendimiento diferente entre distintas poblaciones.
A La OMS advierte sobre estos riesgos y sobre la confianza excesiva en la automatización. Por lo tanto, la corrección debe evaluar tanto la exactitud de la respuesta como su adecuación a la situación.
Protección de la información
Los historiales médicos y los documentos de investigación pueden contener datos personales, historiales médicos e información confidencial. Por ello, la institución debe conocer las condiciones de uso de la herramienta antes de enviar dichos materiales.
Este análisis debe aclarar dónde almacena el sistema los datos, quién puede acceder a ellos y si el proveedor podrá utilizarlos para entrenar modelos. Con esta información, la organización puede determinar qué documentos puede utilizar y qué controles debe adoptar.
Además de la elección de la tecnología, los equipos necesitan directrices claras para su trabajo diario. De este modo, los procedimientos ayudan a evitar el envío incorrecto de información.
¿Qué hay que tener en cuenta antes de adoptar una herramienta?
En enero de 2026, la FDA y la EMA anunciaron Diez principios comunes de buenas prácticas en materia de IA para el desarrollo de medicamentos. La iniciativa orienta el desarrollo de prácticas para generar datos empíricos con estas tecnologías, pero no supone la aprobación de herramientas concretas.
En la práctica, la evaluación debe partir de una necesidad concreta. Si el equipo pretende resumir documentos, por ejemplo, puede comparar los textos generados con los registros originales y evaluar los errores, las omisiones y el tiempo de revisión.
Antes de la implementación, conviene responder a lo siguiente:
- ¿Qué problema pretende resolver esta herramienta?
- ¿Se ha evaluado una actividad similar en los estudios disponibles?
- ¿Qué errores han detectado las pruebas?
- ¿Quién revisará los resultados?
- ¿Cómo va a hacer el equipo un seguimiento del rendimiento a lo largo de su uso?
De este modo, la institución puede evaluar si la solución contribuye al trabajo y qué ajustes debe realizar antes de ampliar su uso.
¿Cómo convertir las posibilidades en beneficios?
A inteligencia artificial generativa en el ámbito sanitario amplía las formas de organizar el conocimiento y explorar propuestas científicas. No obstante, su contribución depende de la combinación entre la capacidad computacional, la evaluación experimental y la participación de profesionales especializados.
En la industria farmacéutica, una propuesta cobra valor cuando el equipo consigue investigarla de forma sistemática. Para ello, es necesario coordinar los protocolos, la documentación, las personas y los materiales necesarios para su ejecución. Descubre también ¿Cómo funciona el suministro de medicamentos para la investigación clínica?.
En FIC Company, apoyamos esta continuidad con soluciones logísticas para la industria farmacéutica y la investigación clínica, teniendo en cuenta los requisitos de cada proyecto. Si su actividad implica el suministro, el almacenamiento o el transporte de medicamentos y productos sanitarios, Habla con nuestro equipo para coordinar las necesidades y planificar los próximos pasos. Soluciones que impulsan la ciencia.
Compartir en:
Se inscrever
Inicio de sesión
0 Comentarios
Más votado
Más reciente
Más Antigo
Comentarios en línea
Ver todos los comentarios