En los últimos años, la inteligencia artificial generativa se ha convertido en una fuente alterna de consulta para temas de salud. Ante la aparición de un síntoma inesperado, muchas personas recurren primero a un modelo de lenguaje para informarse antes de visitar a un médico. La inmediatez y accesibilidad explican esta conducta. Sin embargo, también se exponen al riesgo de confundir información automatizada con diagnóstico clínico. El problema no es acudir a la IA para informarse, sino hacerlo sin criterio, sin contexto y sin una adecuada capacidad de contraste y validación.
Un episodio reciente permite ilustrar este tema. Frente a la aparición repentina de alteraciones visuales en un ojo, como manchas móviles, partículas flotantes y una forma semicircular cambiante, se consultó tanto a sistemas de inteligencia artificial como a profesionales de la salud. Uno de estos modelos ofreció inicialmente una interpretación alarmista. Otro sistema, en cambio, abordó el caso desde una lógica más estructurada, al considerar la edad, la evolución temporal de los síntomas y las características del fenómeno visual. Posteriormente, la evaluación de un retinólogo confirmó el diagnóstico de desprendimiento posterior de vítreo, sin desgarros ni compromiso de retina.
El interés de esta experiencia no reside en señalar aciertos o errores, sino en comprender por qué un sistema terminó corrigiéndose cuando se le exigieron fundamentos clínicos, referencias médicas y una delimitación clara de escenarios. La inteligencia artificial no intuye ni comprende la realidad clínica. Responde en función de cómo se le interroga y de cuán rigurosa es la exigencia del usuario. Cuando se la somete a contraste y precisión, puede rectificar. Cuando se la consulta de manera acrítica, tiende a sembrar dudas.
Conviene subrayar un punto central. La inteligencia artificial no reemplaza al médico. Ningún modelo puede realizar un examen físico, evaluar un fondo de ojo o descartar una lesión mediante instrumental especializado. Aun así, puede cumplir una función complementaria relevante, ya que ayuda a comprender procesos, ordenar información y preparar mejor una consulta médica. El error frecuente aparece cuando se la interroga como si fuera una autoridad, mediante preguntas cerradas y cargadas de ansiedad, esperando respuestas definitivas sobre gravedad o pronóstico.
En medicina, la secuencia de los síntomas resulta tan importante como el síntoma aislado. No es equivalente una mancha visual fija a una móvil. Del mismo modo, una alteración estable no se interpreta igual que otra que se reorganiza en horas. Cuando esa evolución temporal se expone con claridad, la IA puede aproximarse con mayor fidelidad al razonamiento clínico. En el caso descrito, la progresión desde una mancha densa hasta partículas móviles flotantes era coherente con un proceso vítreo relacionado con la edad y no con una urgencia retiniana.
Esta eficacia aparente de los modelos de lenguaje no es casual. Funcionan porque han sido entrenados con grandes volúmenes de textos médicos, científicos y divulgativos, lo que les permite reconocer patrones, ordenar información y formular explicaciones coherentes en segundos. Sin embargo, esa misma capacidad exige una validación constante: los modelos no comprenden la realidad clínica, no razonan ni evalúan al paciente, solo estiman respuestas probables a partir de datos previos. Por esa razón, su utilidad depende siempre de la verificación humana y del contraste con fuentes médicas confiables.
Así, delegar decisiones médicas a sistemas automatizados sin mediación humana puede resultar tan perjudicial como no informarse en absoluto. La conclusión es clara: en temas de salud, la IA puede informar, orientar y ayudar a comprender. No puede diagnosticar ni reemplazar la evaluación médica. El desafío no es tecnológico, sino cultural. Aprender a preguntar mejor, contrastar fuentes y entender que, incluso en la era de los algoritmos, la última palabra debe seguir siendo humana.
Deja una respuesta