Una respuesta médica no es un sistema de salud
Imagine un sistema de IA capaz de leer casi todos los artículos relevantes, comparar el historial de un paciente con millones de casos, proponer un diagnóstico, diseñar una molécula y explicar las opciones en cualquier idioma. Eso sería una expansión notable de la experiencia especializada. El paciente aún necesitaría una prueba confiable, un clínico o equipo responsable del cuidado, un tratamiento licenciado y fabricado, una cama de hospital cuando algo sale mal, y una forma de pagar.
La salud tras una IA transformadora estará moldeada por la brecha entre la información y la entrega. El trabajo cognitivo es solo una parte de la medicina. La biología sigue siendo incierta, los ensayos clínicos toman tiempo, la fabricación debe controlarse, la cirugía y la enfermería ocurren en el mundo físico, y el personal y las instalaciones escasas deben atender a comunidades reales. Un modelo puede reducir algunos cuellos de botella mientras traslada la presión a otros.
La evidencia actual respalda un optimismo cauteloso, no afirmaciones de inmortalidad inminente. La guía de 2024 de la Organización Mundial de la Salud sobre modelos multimodales de gran escala identifica aplicaciones en la atención clínica, el uso por pacientes, la administración, la formación y la investigación, a la vez que advierte sobre resultados inexactos, sesgo de automatización, ciberseguridad, privacidad y acceso desigual. Sus recomendaciones son orientación de salud pública, no evidencia de que un producto específico sea clínicamente eficaz. El desempeño en pruebas de referencia no es prueba clínica.
El descubrimiento podría acelerarse antes de que mejore la atención
La IA ya se usa en partes del descubrimiento y desarrollo farmacéutico, incluyendo la búsqueda, la predicción y el análisis, aunque la evidencia y el estatus regulatorio varían según el uso (OMS, marzo de 2024). Sistemas más capaces podrían generar hipótesis y diseñar experimentos con mayor amplitud, y una mejor robótica y simulación podrían acortar el ciclo desde la idea hasta el resultado probado. Esas son proyecciones condicionales, no resultados post-AGI observados.
El descubrimiento no es lo mismo que un tratamiento seguro. Una molécula plausible todavía debe sintetizarse, caracterizarse, someterse a pruebas de toxicidad, fabricarse de forma consistente, estudiarse en personas y monitorearse tras su despliegue. Algunas etapas también pueden acelerarse, pero cada una protege contra un fallo distinto. Eliminar una etapa porque un modelo expresa alta confianza cambiaría un retraso visible por un riesgo oculto.
La medida correcta no es la cantidad de artículos o moléculas candidatas generadas. Es la mejora validada en la supervivencia, la función, la calidad de vida, la asequibilidad y el acceso — con los efectos adversos reportados en lugar de filtrados como datos incómodos.
La IA también podría mejorar las operaciones ordinarias antes de producir una revolución científica: programación de citas, documentación, traducción, autorización previa, previsión de suministros, codificación y comunicación con pacientes. Estos cambios pueden devolver tiempo al cuidado o convertirse en una razón para aumentar la carga de trabajo. Las instituciones deciden cuál resultado ocurre.
El diagnóstico necesita responsabilidad y seguimiento
Un sistema de diagnóstico puede ser útil en varios roles: sugerir posibilidades que un clínico pasó por alto, priorizar la urgencia, interpretar una imagen, verificar interacciones de medicamentos, o ayudar a un paciente a describir síntomas. También puede anclar a los usuarios en una respuesta equivocada, sonar seguro cuando la evidencia es escasa, y fallar de forma distinta según la población.
El desempeño clínico debe medirse en el contexto donde el sistema operará. Un modelo evaluado con registros retrospectivos limpios puede fallar con historiales incompletos, flujos de trabajo inusuales, equipos cambiados, o pacientes distintos a la población de entrenamiento. La precisión promediada en todos los casos puede ocultar un desempeño peligroso para un grupo más pequeño.
La responsabilidad no puede asignarse a “la IA.” Un implementador debe saber quién monitorea el desempeño, recibe informes de incidentes, actualiza el modelo, gestiona el tiempo de inactividad, e informa a los pacientes afectados. Los clínicos necesitan autoridad para disentir sin ser tratados como ineficientes. Los pacientes necesitan saber cuándo un sistema moldeó materialmente su atención y dónde buscar una revisión.
Para el uso doméstico, un sistema conversacional no debería convertirse en un reemplazo invisible de los servicios de emergencia, el diagnóstico o el tratamiento licenciado. Puede ayudar a preparar preguntas y explicar terminología. Los síntomas nuevos, graves o que empeoran rápidamente todavía requieren atención humana apropiada, y la orientación de crisis debe dirigir a las personas hacia servicios reales.
La medicina personalizada podría reducir o profundizar la desigualdad
Los sistemas avanzados pueden combinar datos genómicos, ambientales, conductuales, de imagen y clínicos para adaptar la prevención y el tratamiento. Eso podría reducir el ensayo y error e identificar terapias para enfermedades raras. También podría hacer que la atención de alta calidad dependa de una vigilancia extensa y de una infraestructura de datos propietaria costosa.
El consentimiento se vuelve difícil cuando no se pueden predecir los usos futuros. Un registro genómico es identificable, persistente e informativo sobre parientes que no dieron su consentimiento. Los datos de dispositivos portátiles y conductuales pueden revelar salud a la vez que influyen en el empleo, el seguro, el crédito o la publicidad. Eliminar un nombre no hace anónimo a todo conjunto de datos longitudinal rico.
El acceso debe, por tanto, diseñarse dentro del sistema. La infraestructura pública y sin fines de lucro de investigación, los conjuntos de datos representativos, el reparto de beneficios, la ley de privacidad, la computación segura y los límites al uso secundario importan tanto como el desempeño técnico. Una terapia derivada de datos públicos amplios no debería volverse inaccesible para las comunidades cuya información la hizo posible.
Las afirmaciones sobre longevidad necesitan evidencia separada
Vidas más largas y saludables podrían resultar de muchas formas de progreso: prevenir enfermedades cardiovasculares, detectar el cáncer más temprano, tratar infecciones, reparar tejidos, mejorar la salud pública y abordar la biología del envejecimiento. La IA puede acelerar partes de cada campo. No se sigue de ahí que un modelo capaz de razonamiento científico pueda resolver rápidamente el envejecimiento como un solo problema de ingeniería.
Los sistemas biológicos contienen mecanismos interactuantes, horizontes temporales largos, y compensaciones difíciles de validar. Los resultados en animales a menudo no se trasladan a las personas. Un tratamiento que cambia un biomarcador puede no extender la vida saludable. Las afirmaciones sobre una extensión dramática de la esperanza de vida necesitan evidencia de puntos finales clínicos apropiados, no mecanismos generados por modelos, valoraciones de empresas, o pronósticos confiados.
Las consecuencias sociales también merecen atención antes de un avance decisivo. Vidas más largas y saludables podrían ser un enorme bien mientras afectan la jubilación, el cuidado, la vivienda, la representación política, la estructura familiar y la desigualdad entre personas con distinto acceso. Esas son preguntas de distribución, no razones para rechazar la investigación.
El cuidado físico sigue siendo trabajo relacional
La enfermería, la rehabilitación, el apoyo a la discapacidad, el cuidado infantil, el cuidado de mayores y el tratamiento de salud mental implican observación, contacto, confianza, aliento, consentimiento y responsabilidad en entornos impredecibles. La robótica puede automatizar partes, y la IA puede reducir la documentación o proveer entrenamiento. Tratar el cuidado como una tarea residual que sobra después del “verdadero” trabajo cognitivo repetiría una infravaloración ya existente.
Una mejor tecnología debería hacer el trabajo de cuidado más seguro, mejor dotado de personal y más sostenible. No debería justificar dejar a un solo trabajador supervisando nominalmente un número inseguro de sistemas automatizados. Los pacientes deben poder solicitar contacto humano, especialmente cuando la comunicación, la cognición, el trauma, el idioma o la discapacidad cambian lo que requieren el consentimiento y la comprensión.
Los acompañantes de IA pueden reducir la soledad para algunas personas, pero la disponibilidad simulada no garantiza una relación recíproca ni seguridad clínica. Un sistema cuyo modelo de negocio recompensa el compromiso puede tener incentivos distintos al bienestar a largo plazo de un paciente. Los productos de salud mental requieren límites, escalamiento en caso de crisis, privacidad y evidencia acorde con las afirmaciones que hacen.
La salud pública puede beneficiarse de la inteligencia compartida
La salud no es solo tratamiento individual. Los sistemas avanzados podrían mejorar la detección de brotes, la planificación de suministros, el monitoreo ambiental, la síntesis de evidencia y la comunicación entre idiomas. También podrían amplificar afirmaciones de salud falsas, habilitar vigilancia invasiva, o crear nuevos riesgos de uso indebido biológico.
Los sistemas de salud pública necesitan canales de reporte confiables, capacidad de laboratorio, profesionales locales, y comunidades dispuestas a cooperar. Una advertencia técnicamente precisa que llega sin legitimidad puede fracasar. La incertidumbre transparente, la corrección de errores, la revisión independiente y la protección contra el uso de datos de salud para fines de aplicación de la ley no relacionados ayudan a preservar esa confianza.
Las salvaguardas de bioseguridad deberían desarrollarse junto con las herramientas beneficiosas: cribado de pedidos de síntesis, bioseguridad de laboratorio, evaluaciones de capacidad, controles de acceso, e intercambio rápido de incidentes. El objetivo no es suprimir la biología. Es hacer más fácil la investigación beneficiosa mientras se evita que la información se convierta en la única barrera restante contra el daño masivo.
Requisitos normativos para el acceso universal
La inferencia barata no produce por sí sola un cuidado universal. Un programa de acceso serio debe abordar:
- electricidad, conectividad, dispositivos, idioma y accesibilidad confiables;
- relaciones de atención primaria y vías de derivación;
- equipos de diagnóstico, laboratorios, farmacias, fabricación y cadenas de suministro;
- privacidad y una opción no comercial para uso sensible;
- validación en distintas poblaciones locales y cargas de enfermedad;
- responsabilidad legal, reporte de incidentes y apelación humana;
- precios y arreglos de propiedad intelectual para los tratamientos resultantes;
- continuidad cuando un proveedor, modelo o red no esté disponible.
Los países de ingresos más bajos no deberían tratarse solo como fuentes de datos o mercados eventuales. Los investigadores locales, los ministerios de salud, los clínicos y los pacientes necesitan autoridad sobre las prioridades y el despliegue. Los sistemas optimizados para hospitales ricos pueden ser irrelevantes donde las restricciones vinculantes son el saneamiento, los medicamentos básicos, el transporte o el personal clínico.
Una prueba para las afirmaciones de salud tras la AGI
Al evaluar un avance prometido, pregunte:
- ¿La evidencia es una prueba de referencia, un estudio retrospectivo, un ensayo prospectivo, una decisión regulatoria, o un resultado de salud observado?
- ¿Qué población y entorno clínico se probaron?
- ¿Qué ocurre cuando el sistema se equivoca, no está disponible, o cambia?
- ¿Quién es responsable de la vía de cuidado completa?
- ¿La intervención reduce el costo total y mejora el acceso, o solo mejora un paso cognitivo?
- ¿Qué datos debe entregar una persona, y puede negarse sin perder el cuidado?
- ¿Los beneficios se miden en salud y función en lugar de en compromiso, producción, o un sustituto solo?
La IA transformadora podría ayudar a producir una de las mayores expansiones de conocimiento sobre salud en la historia. La humanidad se beneficia solo cuando ese conocimiento sobrevive al contacto con la biología, las instituciones, la desigualdad y el trabajo físico del cuidado. La meta no es un sistema que conozca la medicina. Es un mundo en el que más personas puedan volverse y seguir siendo saludables de forma confiable.