Inteligencia artificial en medicina con el Dr. Fernando Eiras | Código Médico

La inteligencia artificial lleva tiempo desarrollándose en el ámbito sanitario, pero en los últimos años ha empezado a entrar de forma más visible en hospitales y servicios clínicos.

En este capítulo de Código Médico, el Dr. Gonzalo Baquero entrevista al Dr. Fernando Eiras, médico intensivista con experiencia en el desarrollo de modelos de inteligencia artificial aplicados a la medicina y la farmacología.

A partir de su trabajo en la UCI y en proyectos de investigación, el Dr. Eiras comparte cómo se están utilizando estas herramientas, qué límites presentan y qué cuestiones conviene tener presentes antes de incorporarlas al día a día asistencial.

La UCI: donde los datos abren nuevas posibilidades

Uno de los puntos de partida es claro: la UCI es uno de los lugares del hospital donde más datos se generan en tiempo real.

Monitorización continua, respiradores, hemofiltros, dispositivos que registran constantes de forma continua… Ese volumen de información convierte a la UCI en un entorno especialmente interesante para entrenar modelos predictivos.

Cuando se habla de inteligencia artificial en medicina en este contexto, se habla de herramientas capaces de detectar patrones y anticipar posibles deterioros antes de que sean evidentes. No sustituyen la valoración clínica, pero pueden aportar una capa adicional de análisis basada en datos.

Qué aplicaciones reales se están desarrollando

Bajo el término “inteligencia artificial” caben tecnologías muy distintas. No es lo mismo un modelo clásico de Machine Learning que un modelo de lenguaje natural.

En el hospital del Dr. Eiras trabajan en varias líneas:

Modelos predictivos

Por ejemplo, en pacientes con hemorragia subaracnoidea, con el objetivo de anticipar complicaciones antes de que sean evidentes.

Clusterización de pacientes

Agrupar pacientes según características obtenidas a partir de datos como la calorimetría indirecta. En patologías como la sepsis, donde la evolución no es homogénea, esta diferenciación puede aportar información adicional.

Modelos de lenguaje natural (LLM)

En fases más iniciales y teniendo en cuenta la regulación europea, se explora su papel como herramienta de apoyo a la toma de decisiones y en tareas documentales.

La inteligencia artificial no es una única solución: es un conjunto de herramientas con aplicaciones y limitaciones específicas.

Riesgos y límites de la inteligencia artificial en sanidad

El Dr. Eiras plantea una comparación sencilla en torno a los límites: cuando prescribes un fármaco sabes cómo actúa y cuáles pueden ser sus efectos adversos. Con la tecnología, deberíamos aplicar la misma lógica.

Entre los riesgos que se mencionan:

• Alucinaciones en modelos de lenguaje: respuestas que pueden parecer coherentes pero no ser correctas.
• Falta de explicabilidad, la llamada “caja negra”, donde conocemos la entrada y la salida pero no siempre el razonamiento interno.
• Dependencia de la calidad del dato, ya que un modelo es tan fiable como la información con la que se entrena.

También aborda la dificultad de acceso a datos sanitarios y la necesidad de protegerlos adecuadamente. La idea no es frenar la innovación, es comprenderla antes de incorporarla a la práctica.

¿Puede la inteligencia artificial sustituir al médico?

La cuestión surge inevitablemente. En el momento actual, la inteligencia artificial necesita supervisión médica. No trabaja de forma autónoma en la práctica clínica ni asume responsabilidad.

Su papel se orienta más hacia el apoyo: optimizar tareas repetitivas, ayudar en la redacción de informes o actuar como una segunda verificación en determinados procesos.

El desarrollo es rápido, pero el criterio clínico sigue siendo imprescindible.

Implantar IA en un hospital: por dónde empezar

Desde su experiencia en gestión sanitaria, el Dr. Eiras propone un orden lógico para introducir la inteligencia artificial en un centro hospitalario:

1. Formar al personal.
2. Mejorar la calidad y la estructura de los datos.
3. Optimizar procesos internos antes de desarrollar modelos complejos.
4. Validar los modelos en distintos entornos.

Muchos proyectos no avanzan por dificultades organizativas o por problemas en el acceso a los datos, más que por limitaciones técnicas. Antes de desarrollar herramientas complejas, conviene tener una base sólida.

La formación como base

Ante la pregunta sobre cómo puede formarse un médico en inteligencia artificial, la respuesta es realista.

No hay un único itinerario. Puede empezar por comprender cómo se construye un modelo de Machine Learning desde el principio: qué datos se utilizan, cómo se limpian, cómo se entrenan y cómo se validan.

A partir de ahí, congresos, charlas y programas específicos pueden ayudar a ampliar conocimientos. Entender los fundamentos permite utilizar la herramienta con mayor seguridad.

Mirando al futuro de la inteligencia artificial en medicina

De cara a los próximos años, se plantea que la inteligencia artificial puede ayudar a optimizar el tiempo, reducir carga burocrática y reforzar la toma de decisiones clínicas como una segunda verificación.

Si logra liberar parte del trabajo repetitivo y aportar apoyo basado en datos, puede contribuir a una práctica más eficiente. La tecnología avanza. El criterio profesional sigue siendo el eje.

Código Médico

Código Médico es el podcast impulsado por Mutual Médica, creado por médicos y pensado para médicos.

En esta segunda temporada abordamos cuestiones que están transformando la profesión desde dentro basadas en dos pilares: el futuro de la medicina y el acompañamiento al médico..

Puedes escuchar el episodio completo y seguir el podcast en YouTube, Spotify, Amazon Music, iVoox y Apple Podcasts.