La inteligencia artificial generativa (IA Gen) está siendo aclamada como una fuerza transformadora en el sector de salud y, si bien la tecnología avanza a pasos agigantados, la implementación de la IA en la atención médica enfrentan desafíos cruciales que van más allá de los aspectos técnicos.
En marco del
AWS Summit se destacaron los esfuerzos por mejorar el sistema de salud con el
potencial de la inteligencia artificial. Actualmente, la
IA facilita la reducción a la mitad del tiempo para analizar pruebas genómicas en oncología, la aceleración de la investigación de fármacos y la generación de nuevas moléculas para estudios científicos.
Asimismo, la IA es clave en la
automatización de tareas administrativas para liberar tiempo del personal de enfermería y médico, mientras que se prueban cada vez más agentes digitales que
interactúan con pacientes.
Para Scott Buchholz, CTO de Deloitte, existe un miedo palpable en torno a la seguridad y la fiabilidad de la IA. Además,
Valerie Henderson, presidenta y directora de ingresos de Caylent, dijo que se estima que el 40% de los proyectos que no llegan a producción se deben a temores relacionados con la seguridad, subrayando la importancia de una base sólida en controles de acceso y seguridad.
Un desafío relacionado es el cambio de mentalidad requerido, agregó Nitin Wagh, cofundador y CEO de Karini AI. Durante años, las personas han asociado las computadoras con calculadoras que ofrecen resultados perfectos. La IA, sin embargo, opera con incertidumbre y resultados probabilísticos, lo que exige que ajustemos nuestra forma de pensar y tratemos sus resultados como el consejo de un "colega sabio" en lugar de una verdad absoluta. Este reentrenamiento humano es fundamental para la adaptación, opinó.
Esto deja en claro que la gestión del cambio organizacional y la adaptación humana son barreras importantes para la implementación de la
inteligencia artificial en el sector salud. Las personas tienden a mantener hábitos, incluso si son ineficientes, por lo que implementar
IA implica reentrenar no solo sistemas, sino también a las personas.
Además, se necesita el conjunto de habilidades adecuado y capacitación para trabajar con esta tecnología. Esto implica cerrar la brecha entre los expertos técnicos y los especialistas del dominio (médicos, enfermeras, personal de cadena de suministro, etc.). A ello se suma que las plataformas de bajo nivel de exigencia de código o incluso sin código buscan democratizar el acceso para que quienes tienen el conocimiento del área médica puedan utilizar la IA directamente.
Los modelos de IA serán tan buenos como los datos de entrenamiento
La estrategia y gestión de datos es otro pilar fundamental. A menudo, los datos en el sector de salud están desestructurados o aislados en silos, lo que dificulta su uso eficaz, alertaron los expertos. El problema clave no son tanto los
modelos de IA, sino asegurar que haya datos suficientes, equilibrados y reales para entrenarlos.
Para construir la adopción y la confianza del usuario, los expertos sugieren integrar la
IA en flujos de trabajo existentes que los usuarios ya utilizan, haciendo que la adopción sea casi imperceptible y construyendo confianza paso a paso. La validación continua y un bucle de retroalimentación ("IA regenerativa") son esenciales. Es vital que los usuarios entiendan el nivel de error o riesgo que están dispuestos a tolerar para diferentes tareas (bajo para patología, diferente para agendar citas).
Finalmente, entender las limitaciones de la IA es parte de la educación a los especialista del sector salud. Las "alucinaciones" (generación de información incorrecta) ocurrirán, por lo que es necesario establecer mecanismos para detectar riesgos y el contexto, realizar validación continua, y tener marcos para entender y tratar estas situaciones.
La evolución hacia los agentes de IA, donde el software actúa de manera autónoma para lograr tareas específicas, representa el siguiente paso lógico, pero el nivel de confianza necesario variará enormemente dependiendo de la criticidad de la tarea. El nivel de complejidad de agendar citas no es el mismo al determinar dosis de medicación, por ejemplo.
Más en Andina: (FIN) SPV
Publicado: 10/6/2025