Un estudio reciente en Estados Unidos plantea una pregunta que incomoda a muchos profesionales que trabajan en urgencias: puede la inteligencia artificial ayudar a diagnosticar con la rapidez y la fiabilidad necesarias en un entorno tan exigente como la sala de emergencias? la investigación sugiere que, al menos en pruebas controladas, un tipo concreto de modelo de lenguaje avanzado puede diagnosticar casos con una precisión similar a la de médicos o incluso superar a algunos de ellos en ciertas fases.

\nEn el ensayo se utilizaron modelos de razonamiento, una clase de sistemas de IA entrenados para explicar su razonamiento antes de dar una respuesta final.

El objetivo fue simular un proceso de toma de decisiones parecido al de un profesional humano, en lugar de limitarse a ofrecer una respuesta sin justificación.

Los investigadores evaluaron el rendimiento del modelo en tres momentos clave: la triage inicial cuando llega el paciente, el examen clínico en la sala de urgencias y la decisión de si el paciente debe permanecer en la sala, pasar a una sala de hospitalización o ingresar a cuidados intensivos.

\nLos resultados con pacientes reales mostraron que el modelo identificaba el diagnóstico correcto o muy cercano en la mayoría de los casos, y en algunas fases superaba al grupo de médicos que participaron en la prueba.

Pero los autores aclaran que esto no significa que las máquinas hagan medicina por su cuenta. Más bien, dentro de este marco limitado, la IA puede resolver diagnósticos con mayor rapidez o consistencia y apoyar a los médicos en su labor, siempre con supervisión humana y salvaguardas adecuadas.

\nAdemás de las pruebas con casos reales, la investigación incluyó escenarios sintéticos basados en datos de expedientes médicos para examinar la capacidad del sistema de justificar su salida y señalar los siguientes pasos en el manejo del paciente.

En ese conjunto controlado, el modelo demostró una razonable capacidad para justificar las decisiones y proponer un itinerario de atención coherente.

\nEl líder del estudio, el doctor Adam Rodman, médico del Beth Israel Deaconess Medical Center de Boston, señala que el uso de un modelo de razonamiento no sustituye la experiencia clínica, pero que este enfoque puede mejorar la precisión diagnóstica en tareas muy específicas.

En palabras de Rodman, el razonamiento del modelo imita la secuencia de pasos que un médico seguiría para resolver un problema, y esa claridad en la secuencia es lo que ayuda a aumentar la exactitud.

\nLa doctora Nour Khatib, que atiende urgencias en hospitales de Markham Stouffville y Uxbridge, en Ontario, añade una visión práctica: estas herramientas pueden ser útiles para transcribir la conversación y generar notas médicas, o para organizar la programación; sin embargo, no pueden sustituir la exploración física, la auscultación o la toma de decisiones clínicas en tiempo real.

Por ello, la IA debe verse como una ayuda que optimiza procesos y apoya la labor médica, no como un reemplazo. \nEl estudio también reconoce límites. El modelo se entrenó con datos de Estados Unidos y opera dentro de un sistema de salud con una alta presencia de servicios privados, lo que genera inquietudes sobre la privacidad y la aplicabilidad en otros entornos, como sistemas públicos de salud.

Por ello, los investigadores piden pruebas clínicas más amplias, con controles de seguridad y de equidad, antes de que estas herramientas se adopten de forma generalizada.

\nEn cuanto a usos prácticos, ya hay experiencias en curso en hospitales para reducir la carga administrativa: herramientas de transcripción que generan notas de alta calidad, sistemas de programación asistidos por IA y chatbots que explican enfermedades a los pacientes, con el objetivo de liberar tiempo a médicos y enfermeros para dedicarlo a la atención directa.

A nivel institucional, iniciativas como pilotar herramientas de transcripción IA en sistemas de salud regionales se están probando en Canadá, en paralelo a un creciente interés internacional.

\nA lo largo de la historia reciente, la inteligencia artificial en salud ha pasado de simples herramientas de registro y apoyo administrativo a asistentes más sofisticados que pueden ayudar en la interpretación de datos clínicos.

Los avances de los últimos años, desde los sistemas expertos hasta los grandes modelos de lenguaje, han acelerado este cambio, pero cada avance llega acompañado de preguntas sobre privacidad, seguridad, responsabilidad y qué tan bien pueden generalizarse los resultados a diferentes contextos sanitarios.

\nEn resumen, la noticia apunta a una tendencia: la IA puede complementar a los equipos médicos en las emergencias, mejorar la eficiencia y la calidad de la atención, y reducir la carga de trabajo.

Pero la conclusión clave es clara: la experiencia clínica, la exploración física y la toma de decisiones fundamentadas siguen sin reemplazo, y cualquier implementación debe ir acompañada de salvaguardas, regulación adecuada y supervisión humana para garantizar una atención segura y equitativa.