En 2024, más de 70 empresas de IA en salud obtuvieron la autorización de la FDA. La inversión en IA clínica superó los 15 mil millones de dólares en todo el mundo. No hubo gran red hospitalaria que no anunciara su estrategia de IA.
Y el número de pacientes que se deterioran sin previo aviso en los hospitales de Estados Unidos no ha cambiado de manera apreciable. La enfermedad renal crónica sigue tardando años en detectarse. Se calcula que los errores diagnósticos siguen afectando cada año a 12 millones de adultos estadounidenses en la atención ambulatoria. Su nuevo médico todavía le pide que recuerde usted mismo la lista de sus medicamentos.
Algo falla en el planteamiento.
Lo que hace en realidad casi toda la IA en salud
La mayoría de los productos de IA clínica resumen notas, clasifican imágenes o lanzan alertas cuando un valor cruza un umbral. Todos útiles. Y todos son wrappers, envoltorios: toman los datos clínicos tal como ya existen, los pasan por un modelo y presentan un resultado. Los datos de fondo siguen siendo los mismos. La forma en que el sistema representa al paciente, también.
Una radióloga que lee una radiografía de tórax con ayuda de la IA sigue leyendo una sola imagen de un solo momento. La IA puede encontrar un nódulo que a ella se le habría escapado, y eso vale de verdad. Pero no puede decirle que la función pulmonar de ese paciente lleva tres años cayendo a lo largo de cinco pruebas, que la caída se aceleró tras un cambio de medicación hace ocho meses y que, a ese ritmo, la trayectoria apunta a una EPOC en menos de dieciocho meses. Esa información existe, dispersa entre distintos médicos y distintos años. Ningún wrapper puede llegar a ella, porque un wrapper solo ve la consulta de hoy.
En casi toda la IA clínica, la unidad de análisis es una consulta. Una nota. Una imagen. En la enfermedad humana, son años. Mientras una cosa no coincida con la otra, la IA en salud seguirá dando respuestas más rápidas a las preguntas equivocadas.
En la enfermedad humana, la unidad de análisis son los años.
La trampa de la velocidad
La velocidad es la ventaja que todos mencionan. Resumir un informe de alta en segundos. Redactar una derivación mientras el médico termina de hablar con el paciente. Extraer diagnósticos de texto libre al instante.
El agotamiento de los médicos es real y la carga de documentación, aplastante. Todo lo que devuelva tiempo a la atención clínica tiene valor. Pero ganar velocidad sobre la infraestructura existente resuelve un problema de eficiencia. La médica que recibe de la IA un resumen perfecto de la consulta de hoy sigue sin saber que la creatinina de su paciente lleva dos años subiendo, repartida entre tres médicos distintos. El resumen llega antes. El cuadro clínico es idéntico.
Los sistemas de salud adoptan IA que agiliza el trabajo, anuncian mejoras de productividad y dan por cumplida su estrategia de IA. Mientras tanto, el tiempo que pasa entre que una enfermedad empieza a desarrollarse y se detecta no se ha movido. El sistema va más rápido en la misma dirección. Nadie se preguntó si era la dirección correcta.
Por qué la industria construye wrappers
Los wrappers tienen su lógica. Se toma un modelo preentrenado, se ajusta con texto clínico y en pocos meses hay producto. La validación es sencilla: entra una nota, sale un resumen. El argumento de venta, el de siempre: «Nos conectamos a su historia clínica electrónica y la hacemos más inteligente». Sin conversaciones difíciles sobre la arquitectura de los datos. Sin trastocar la forma de trabajar.
Construir algo que lea la salud a lo largo del tiempo es una tarea completamente distinta. Hay que representar al paciente a través de años y de distintos médicos y centros, construir un razonamiento clínico que se fije en la dirección y no en la posición, validarlo en cientos de centros y convencer a los hospitales de que detectar una enfermedad dos años antes justifica una integración más profunda que la de un complemento que resume textos.
Lleva más tiempo, cuesta más y exige conversaciones para las que la mayoría de los equipos no están preparados. También es el único enfoque que ataca el verdadero vacío clínico.
La caja negra lo empeora
Además de ser un wrapper, casi toda la IA clínica funciona como una caja negra. Un modelo recibe datos y devuelve un resultado. La médica no ve el razonamiento. No puede cuestionar qué datos pesaron en la conclusión. No puede aplicar su criterio a los pasos intermedios, porque no hay pasos intermedios a la vista.
En la práctica, los clínicos tratan estos resultados como tratan los cientos de alertas que ya les lanza la historia clínica electrónica: con recelo y con el reflejo aprendido de descartarlas. Los sistemas opacos se quedan, una y otra vez, en tasas de uso del 10 al 15 por ciento. El sistema avisa. El clínico lo pasa por alto. La IA funciona, pero es clínicamente inerte.
Los sistemas que han superado el 80 por ciento de uso entre los clínicos comparten un rasgo: el razonamiento está a la vista. El clínico ve en qué se apoya la valoración y puede discrepar de partes concretas. Sin eso, la adopción no llega. Pasé años viendo cómo no llegaba antes de empezar a construir.
Cómo es, en la práctica, algo distinto
Un paciente cuya creatinina lleva 18 meses subiendo 0,1 por trimestre, entre dos médicos distintos. Ningún valor aislado disparó una alarma. En cada consulta, el número estaba «dentro del rango». Un sistema que lee trayectorias lo detecta. La médica recibe una alerta que muestra la tendencia, la proyección y el razonamiento clínico que la justifica. La revisa, está de acuerdo y deriva al paciente a nefrología un año antes de que el paciente cruzara el umbral.
Chroneme se está construyendo precisamente para detectar ese tipo de cambio. Lo estamos validando con un protocolo prerregistrado y publicaremos lo que encontremos, también allí donde se quede corto.
La misma inteligencia que detecta una deriva lenta en una UCI puede detectarla en un consultorio de atención primaria. El mismo sistema que señala una frecuencia cardíaca que sube a lo largo de semanas puede señalar una A1c que sube a lo largo de años. La arquitectura no cambia. Cambia la escala de tiempo.
Quince mil millones de dólares. Setenta autorizaciones. Y para el paciente, todo sigue igual.
Cambiará cuando cambie la infraestructura. Cuando la IA clínica lea trayectorias en lugar de instantáneas. Cuando los sistemas muestren su razonamiento en lugar de esconderlo. Cuando la salud sea algo que una persona pueda ver cambiar con el tiempo, y no algo que se descubre cuando ya es tarde.
Eso es lo que estamos construyendo en Chroneme.