Promesas verificables, riesgos que conviene nombrar
En nuestra presente edición, ETHICA DIGITAL presenta una nueva columna que publicaremos mes a mes, incorporando un espacio para acercar, con perspectiva ética y utilidad clínica, las nuevas tecnologías que están cambiando —o prometen cambiar— nuestro trabajo diario. Una sección propuesta por la comisión de Innovación y Nuevas Tecnologías, que estará a cargo de los Dres Agustín Pérez Guanciali, Pablo Herrando y Enrique Majul, aportando novedades tecnológicas –muy especialmente las vinculadas a la Inteligencia Artificial (IA)- que ya están influyendo, o que prometen influir, sobre la manera en que ejercemos la medicina. No se trata de reseñar el último anuncio comercial ni de repetir titulares. Se trata de traducir, con perspectiva ética y utilidad clínica, lo que ocurre puertas afuera del consultorio. Innovación y Tecnología desde la dignidad del paciente, la prudencia, la independencia profesional, la responsabilidad médica y el respeto por el secreto profesional. La columna hablará de lo que se está midiendo, de lo que apenas se está proyectando y —cuando corresponda— de lo que conviene mirar con desconfianza.
Dr. Agustín Pérez Guanciali
Comisión de Innovación y Nuevas tecnologías
Los beneficios que ya se están midiendo
Si algo se sostiene con datos duros hoy es que la aplicación más consolidada de la IA en salud es la que reduce la carga administrativa y libera tiempo clínico. Un estudio publicado en JAMA sobre escribas de IA, difundido por MedPage Today y realizado sobre 8.581 médicos de cinco sistemas de salud, informó una reducción de 13,4 minutos diarios en el uso de la historia clínica electrónica y de 16,0 minutos en tiempo de documentación por jornada, lo que se tradujo en aproximadamente 0,49 visitas adicionales por semana y unos 167 dólares mensuales de ingreso adicional por profesional. La reciente encuesta de la American Medical Association de 2026, reportada por Univadis, muestra que más del 80% de los médicos usa alguna herramienta de IA, el doble que en 2023; más del 75% considera que mejora su capacidad asistencial; alrededor del 70% percibe una disminución del burnout; y la incertidumbre sobre la tecnología cayó del 20% a menos del 10%.
En UCHealth, la implementación de la plataforma Abridge permitió recuperar el contacto visual con el paciente y eliminar el trabajo extra en casa —esas horas que muchos dedicamos a documentar fuera de horario —, mientras el paciente se lleva un resumen escrito en lenguaje sencillo y un plan más completo.
Hay evidencia más ambiciosa. En Yale-New Haven Health, según la AUC School of Medicine, los algoritmos predictivos de sepsis se asociaron a una reducción del 29% en la mortalidad. Aaron Sorensen (SullivanCotter, vía Healthcare Business Today) recuerda que la documentación clínica consume hoy casi el doble del tiempo que la atención directa; y que, aplicada a recupero de costos, la IA reduce ese tiempo en un 70%. En el horizonte, BCG (2026) proyecta que alrededor del 50% de los adultos en Estados Unidos ya usa aplicaciones de salud y un tercio, dispositivos wearables; anticipa la predicción temprana de Alzheimer o enfermedad renal años antes de los síntomas, y una compresión del desarrollo farmacológico de años a meses. Estas últimas cifras conviene leerlas con cautela ya que son proyecciones de analistas.
¿Qué leemos?: qué está pasando dentro de la propia literatura médica
Mientras la IA nos ayuda a documentar, también está entrando —con menos ruido— en la escritura misma de los papers que leemos. Un preprint de Dmitry Kobak y colaboradores (Universidad de Gante), publicado en arXiv el 12 de agosto y comentado por Nature (2026), estima que hasta el 77% de los trabajos incorporados a PubMed Central durante 2025 muestran signos de redacción asistida por modelos de lenguaje, frente al 52% de 2024; en diciembre de 2025, la cifra treparía a cerca de 9 de cada 10. El uso se concentra en resúmenes, introducciones y discusiones —78% en ese último mes— y es menor en métodos y resultados (58%). En una encuesta de Wiley (2025), el 71% de los investigadores declaró usar IA para escribir.
La preocupación no es estilística. Los modelos pueden fabricar datos —lo llamamos «alucinar»— y arrastran los sesgos de sus corpus de entrenamiento hacia la literatura que después citamos para tomar decisiones clínicas. Nos pide, sencillamente, un ejercicio adicional de lectura crítica: mirar la evidencia primaria, verificar cifras, sospechar de las citas demasiado redondas.
Volver al claustro
En «La inteligencia real y la Era del Diamante» (El Mundo, 13 de julio de 2025), Niall Ferguson formuló una advertencia que conviene traer al escritorio del médico. La IA, sostiene, funciona en muchos casos como una «pseudo inteligencia» que puede erosionar la inteligencia real: dependencia cognitiva, atrofia del pensamiento crítico, pérdida de la lectura sostenida y de la escritura analítica. Los sistemas automáticos de detección de textos escritos por IA identifican apenas alrededor del 3% de los casos en pruebas controladas; el uso malicioso en bioseguridad —incluido el diseño de patógenos— es un riesgo documentado; y por detrás corre una carrera tecnológica entre potencias que condiciona el escenario global.
Ferguson propone recuperar la figura del claustro: espacios preservados de aprendizaje humano, sin dispositivos, donde el pensamiento pueda madurar sin interferencias. La metáfora traduce bien al lenguaje médico. Hay momentos del acto asistencial que no deberíamos ceder: la escucha atenta del paciente, el examen físico sin pantalla de por medio, la construcción del diagnóstico diferencial en el ateneo, el estudio pausado del caso difícil. Son la mejor tradición de nuestra profesión nuestros claustros. Convendría preservarlos aun cuando el resto del flujo se automatice.
Un cambio de paradigma que debemos entender
La IA es una gran herramienta y tendremos que aprender a utilizarla. Pero implica un cambio de paradigma respecto de lo que veníamos llamando «software». El software clásico es determinista: a + b = c porque alguien lo programó así, y su respuesta es reproducible por diseño. La IA, en cambio, responde según lo que su red neuronal haya aprendido en cada momento: no se programa lo que aprende, sino los algoritmos con los que aprende. En ese sentido, se comporta más como un ser humano que como un programa tradicional con conocimientos parciales, sesgos, aciertos y errores que dependen del contexto.
Entender esta diferencia no es un asunto técnico menor: es la base sobre la que se apoyan las decisiones clínicas que tomemos con su ayuda y las reglas con las que la sociedad deberá regular, tal como advirtió en estas mismas páginas la Dra. Claudia Madies (Ethica Digital, N° 193). Sobre esa distinción, y sobre las herramientas concretas que ya están al alcance del matriculado, seguiremos conversando en las próximas entregas.
