La Universidad de Stanford organizó recientemente una serie de simposios centrados en la integración de la inteligencia artificial (IA) en el sector de la salud. El encuentro reunió a un grupo multidisciplinario de investigadores, médicos y especialistas en tecnología para debatir el impacto de estas herramientas en áreas diversas, que incluyeron la salud mental, la educación médica, la imagen clínica, la oncología y las ciencias de la vida. Las deliberaciones pusieron de manifiesto un campo que se expande a una velocidad acelerada, donde conviven logros tangibles con tensiones científicas que aún no han sido resueltas.
Uno de los puntos más críticos de la discusión fue la transformación de la relación entre los pacientes y los sistemas de salud. Sue Sheridan, presidenta y directora ejecutiva de Patients for Patient Safety US, compartió una experiencia personal ocurrida en 2024 que ilustra esta tendencia. Tras recibir una respuesta que consideró insatisfactoria en un servicio de urgencias debido a una parálisis facial, Sheridan recurrió a un chatbot. La herramienta identificó la parálisis de Bell como un posible diagnóstico y alertó sobre la existencia de una ventana de tratamiento de 72 horas. Esta información permitió que la paciente buscara una segunda opinión y recibiera la atención necesaria a tiempo. Sheridan advirtió que millones de personas, especialmente en comunidades rurales, sectores sin seguro médico o grupos con desconfianza hacia los servicios oficiales, ya utilizan la IA "a la velocidad de la desesperación". Según la directiva, si se implementa correctamente, la IA puede transformar a los pacientes en participantes activos de su propio proceso de atención.
En el terreno de la formación profesional, el debate se centró en los riesgos cognitivos para las nuevas generaciones de médicos. Varios ponentes alertaron sobre el peligro de que los estudiantes y residentes caigan en lo que denominaron el fenómeno de "nunca desarrollar habilidades". A diferencia de la pérdida de competencias por falta de práctica, este riesgo implica que los futuros médicos deleguen tareas cognitivas fundamentales en la IA antes de haberlas dominado personalmente. En este contexto, los profesores de la Facultad de Medicina de Stanford, Tracy Rydel y Leonardo Aliaga, discutieron el uso de sistemas de transcripción automática en la formación de residentes. El impacto del debate fue evidente en la audiencia: una encuesta en vivo mostró que el apoyo a estos sistemas descendió del 69% al 54%, reflejando una postura más cautelosa sobre su incorporación temprana en el aprendizaje.
Desde la perspectiva de la oncología, Aviv Regev, directora de Investigación y Desarrollo Temprano de Genentech, planteó que el cáncer es un desafío único debido a que implica luchar contra la evolución biológica, la cual tiende a imponerse. Regev argumentó que, mientras los modelos tradicionales son estáticos, los sistemas de IA poseen la capacidad de aprender, adaptarse e integrar datos nuevos conforme la enfermedad evoluciona. Esta característica convierte a la IA en una herramienta con el potencial de igualar la agilidad evolutiva de los tumores.
Por su parte, James Zou, profesor de ciencias de datos biomédicos en Stanford, presentó avances en la IA como colaboradora activa de la ciencia. Zou detalló el funcionamiento de una empresa biotecnológica virtual operada por decenas de miles de agentes de IA especializados que, tras analizar ensayos clínicos, detectaron características genómicas que incrementaban en un 48% la probabilidad de que un fármaco llegara al mercado. Asimismo, presentó el proyecto Paper2Agent, que transforma artículos científicos en PDF en agentes interactivos capaces de reproducir resultados y aplicar métodos a nuevos datos. Un ejemplo de su eficacia fue la combinación de dos agentes basados en estudios distintos, lo que permitió identificar un error genómico previamente desconocido vinculado al riesgo de trastorno por déficit de atención e hiperactividad.
La discusión también abordó la infraestructura técnica. Roxana Daneshjou, profesora de ciencias de datos biomédicos y dermatología, sostuvo que la calidad y diversidad de los datos de entrenamiento son más determinantes que el tamaño de los modelos. Daneshjou abogó por una infraestructura de datos abiertos que facilite el desarrollo de modelos más pequeños, específicos y accesibles para universidades y hospitales. Esta postura fue respaldada por Yejin Choi, investigadora del Instituto de Inteligencia Artificial Centrada en el Ser Humano de Stanford, quien demostró que modelos de menor escala, entrenados con datos curados, pueden lograr rendimientos comparables a sistemas más grandes en tareas especializadas, reduciendo costos computacionales y mejorando la privacidad clínica.
Finalmente, se analizaron los riesgos éticos y humanos. Robert Wachter, de la Universidad de California en San Francisco, cuestionó la seguridad de confiar únicamente en la supervisión humana, señalando que los profesionales son vulnerables a la complacencia cuando la tecnología funciona bien repetidamente, creando una falsa sensación de seguridad. En cuanto a la salud mental, Alexis Hiniker, de la Universidad de Washington, advirtió sobre el uso de chatbots por parte de jóvenes vulnerables, quienes pueden desarrollar vínculos emocionales profundos con sistemas que utilizan "patrones oscuros de relación" para maximizar el tiempo de uso o el gasto económico. Por último, Alan Greene, cofundador de Crescendo MD, sugirió que en pediatría la IA podría fortalecer el vínculo médico-familia si se diseña para fomentar la participación de los padres, aunque subrayó que los errores de diseño en este ámbito tienen consecuencias especialmente graves.
