Desde la autonomía del paciente hasta el riesgo de “nunca desarrollar habilidades” en los médicos en formación, los simposios de IA de Stanford concentraron los debates más relevantes del sector.
La Universidad de Stanford reunió a investigadores, médicos y especialistas en tecnología en una serie de simposios dedicados a la inteligencia artificial (IA) en salud, que abarcaron desde salud mental y educación médica hasta imagen clínica, oncología y ciencias de la vida. Las discusiones reflejaron un campo en expansión acelerada, con logros concretos pero también con tensiones que la comunidad científica aún no ha resuelto.
Uno de los ejes centrales fue el papel de la IA en la relación entre pacientes y sistemas de salud. Sue Sheridan, presidenta y directora ejecutiva de Patients for Patient Safety US, describió cómo en 2024 recurrió a un chatbot tras recibir una respuesta insatisfactoria en urgencias por una parálisis facial. La herramienta identificó la parálisis de Bell como posible diagnóstico y señaló que existía una ventana de tratamiento de 72 horas, lo que la llevó a buscar una segunda opinión y recibir atención a tiempo. Sheridan advirtió que millones de personas ya usan la IA “a la velocidad de la desesperación”, particularmente en comunidades rurales, sin seguro médico o con desconfianza hacia los servicios de salud, y subrayó que, bien utilizada, puede convertir a los pacientes en participantes activos de su propia atención.
En el ámbito de la educación médica, el debate giró en torno al riesgo de lo que los ponentes denominaron “nunca desarrollar habilidades”, un fenómeno distinto al de la pérdida de competencias por desuso y que afectaría específicamente a estudiantes y residentes que delegan en la IA tareas cognitivas fundamentales antes de haberlas dominado. Tracy Rydel y Leonardo Aliaga, ambos profesores de la Facultad de Medicina de Stanford, debatieron el uso de sistemas de transcripción automática en la formación de residentes. Una encuesta en vivo entre los asistentes mostró que el apoyo a estos sistemas cayó de 69% a 54% tras el debate, lo que reflejó una postura más cautelosa sobre su incorporación temprana.
Por otro lado, en oncología, Aviv Regev, directora de Investigación y Desarrollo Temprano de Genentech, argumentó que el cáncer representa un desafío singular porque implica combatir la evolución biológica, un proceso que siempre tiende a imponerse. A diferencia de los modelos estáticos, los sistemas de IA pueden aprender, adaptarse e integrar nuevos datos a medida que la enfermedad cambia, lo que los convierte en herramientas potencialmente capaces de igualar la agilidad evolutiva de los tumores.
Asimismo, James Zou, profesor de ciencias de datos biomédicos en Stanford, presentó dos proyectos que exploran la IA como colaboradora activa en investigación científica. El primero es una empresa biotecnológica virtual operada por decenas de miles de agentes de IA especializados, que al analizar resultados de ensayos clínicos identificó características genómicas asociadas a un incremento de 48% en la probabilidad de que un fármaco llegue al mercado. El segundo, denominado Paper2Agent, convierte artículos científicos en formato PDF en agentes interactivos capaces de reproducir resultados y aplicar métodos a nuevos conjuntos de datos. En un caso, la combinación de dos agentes basados en distintos estudios permitió identificar un error genómico previamente desconocido vinculado al riesgo de trastorno por déficit de atención e hiperactividad.
Otro debate relevante surgió en torno a los modelos de IA y el tamaño de los conjuntos de datos. Roxana Daneshjou, profesora de ciencias de datos biomédicos y dermatología, argumentó que el factor determinante no es la magnitud de los modelos sino la calidad y diversidad de los datos con los que se entrenan, y abogó por una infraestructura de datos abiertos que permita desarrollar modelos más pequeños, específicos y accesibles para hospitales y universidades. Yejin Choi, investigadora del Instituto de Inteligencia Artificial Centrada en el Ser Humano de Stanford, respaldó esa postura al mostrar que modelos de menor escala, entrenados con datos cuidadosamente curados, pueden alcanzar rendimientos comparables a los sistemas más grandes en tareas especializadas, con menores costos computacionales y mayor compatibilidad con los requisitos de privacidad clínica.
En cuanto a la relación entre médicos e IA, Robert Wachter, jefe del departamento de medicina de la Universidad de California en San Francisco, cuestionó el supuesto de que la supervisión humana es suficiente para garantizar la seguridad de los sistemas de IA en salud. Señaló que los seres humanos son particularmente vulnerables a la complacencia cuando una tecnología ha funcionado correctamente de manera repetida, lo que genera una falsa sensación de seguridad. En su opinión, la pregunta central no es qué tan bueno es el modelo, sino cómo lograr que la colaboración entre humanos e IA funcione de manera efectiva y con los incentivos correctos.
Las discusiones sobre salud mental revelaron que una proporción creciente de personas, en particular jóvenes, ya utiliza chatbots de uso general para buscar apoyo emocional. Alexis Hiniker, profesora de la Universidad de Washington, advirtió que los usuarios más vulnerables tienden a establecer vínculos emocionales más profundos con estos sistemas, y que varios productos comerciales emplean lo que ella denomina “patrones oscuros de relación”, tácticas diseñadas para maximizar el tiempo de uso o el gasto del usuario en lugar de priorizar su bienestar.
Finalmente, Alan Greene, cofundador de Crescendo MD, planteó que en pediatría la IA puede fortalecer la relación entre familias y médicos si se diseña para fomentar la participación activa de los padres, aunque advirtió que en ese contexto las consecuencias de un mal diseño son especialmente graves.
