Inteligencia artificial y robótica quirúrgica: el equilibrio entre innovación y riesgo

Medscape ha abierto esta semana un debate que nos toca de lleno a quienes pasamos la jornada entre pantallas y pacientes: cómo equilibramos la innovación que trae la inteligencia artificial y la robótica quirúrgica con los riesgos reales que asume el profesional cada vez que delega una decisión en un algoritmo. La conversación coincide con el enfoque de "medicina aumentada" que se ha consolidado en el último encuentro de Farmaindustria, donde representantes del sector tecnológico, médico y farmacéutico coincidieron en una idea que a nosotros, los clínicos, nos resulta familiar: la IA no viene a sustituirnos, sino a ampliar lo que ya hacemos bien.

Lo que cambia en el día a día

En la práctica diaria, el reto asistencial no es incorporar tecnología por moda, sino decidir qué procesos delegamos sin perder control clínico. En la sesión celebrada en Santander, la responsable global de formación en IA de Google explicó que herramientas como AlphaFold han permitido realizar en minutos procesos que antes requerían años de investigación, y que los nuevos modelos multimodales ya son capaces de cruzar imágenes médicas, historiales, pruebas diagnósticas y datos genómicos de forma simultánea. Para nosotros, los clínicos, el verdadero ahorro no está tanto en el prodigio técnico como en lo que libera: menos tiempo buscando perfiles compatibles para un ensayo clínico, menos horas leyendo estudios repetitivos, más minutos para mirar al paciente a los ojos y decidir con tiempo.

Dónde poner el freno de mano

Aquí es donde el equilibrio del que habla Medscape se vuelve incómodo, y conviene no disimularlo. La propia sesión de Farmaindustria insistió en que el objetivo es mejorar la eficiencia sin sustituir la supervisión médica, una frase que tenemos que traducir a protocolos concretos en cada servicio antes de seguir escalando. En la práctica, eso se concreta en tres preguntas que cualquier facultativo puede hacerse antes de activar una herramienta nueva: qué dato alimenta al modelo, quién audita sus salidas, y cómo documentamos la decisión final cuando el algoritmo y nuestra intuición clínica no coinciden. Mientras tanto, la formación específica empieza a llegar a especialidades concretas — como la dermatología, donde los especialistas ya están recibiendo entrenamiento práctico en estas herramientas — y eso nos marca una hoja de ruta razonable: aprender primero en áreas donde el riesgo es más acotado antes de extrapolar al bloque quirúrgico, donde el coste de un error no se mide en píxeles.