Es poden identificar idees transversals que ajudin a anticipar el futur de la salut digital? Sí, i al meu parer un dels conceptes més clars és el del diagnòstic perfecte.
Al final, els humans valorem allò que ens permet entendre millor el que ens passa, amb més precisió i amb més context. La tecnologia ens empeny en aquesta direcció, i el camí sembla prometedor.
Segurament el diagnòstic perfecte no existeix, però l’art de gestionar la incertesa progressa ràpidament. No parlem de màquines infal·libles, sinó d’aspiracions humanes. En termes matemàtics, seria com un límit: ens hi acostem constantment, però només hi arribem a l’infinit.
Una consulta augmentada en evolució constant
El diagnòstic perfecte requereix una consulta augmentada, on l’important no són els algoritmes, sinó els fluxos d’informació entre humans i màquines. La raó de ser de la tecnologia no és tant eliminar l’error com ajudar-nos a entendre per què ens equivoquem, i el que és més, fer-ho en temps real.
Això té una implicació important: es pot canviar el ritme amb què es millora la prestació dels serveis de salut, si l’encert diagnòstic i la qualitat dels tractaments poden avaluar-se instantàniament.
Les novetats dels darrers mesos ho confirmen: un nou estetoscopi digital duplica la detecció d’insuficiència cardíaca; els sistemes basats en electroencefalograma (EEG) poden quantificar el dolor amb un 90% de precisió; i el model Delphi-2M prediu més de 1.000 malalties.[1]
D’altra banda, el diagnòstic ja no és un acte solitari: és un procés col·lectiu. Apareixen nous sistemes que combinen múltiples models d’IA que cooperen com un equip mèdic, com mostra el projecte MAI-DxO de Microsoft, i es poden construir arquitectures on la consulta digital, la farmàcia i la clínica física funcionen com un únic organisme assistencial (Amazon Health).
Més enllà de la tecnologia, el repte és essencialment humà.
El pacient és una persona, no un patró estadístic
La guia de l’OMS sobre IA generativa en salut, encara que sense especificar com es mesura, deixa clar que la confiança serà la nova unitat d’avaluació de la tecnologia.[2] Cap diagnòstic es pot considerar perfecte si no és just, privat, i consentit.
Potser no es tracta de protegir l’usuari sinó de deixar que ell es protegeixi. Cal que els assistents d’IA permetin als propis usuaris gestionar la privacitat com un element més del seu pla de salut.
I encara una altra cosa: les respostes dels sistemes d’IA no són, de moment, ni més ni menys esbiaixades que les dels millors clínics, però hi ha una diferència essencial: la tecnologia és forçada a ser transparent i auditable. S’ha demostrat, per exemple, que els grans models poden canviar les seves decisions ètiques segons el gènere o la renda del pacient.[3] Per això, l’exigència de traçabilitat i comportament ètic aviat podria situar aquests sistemes en nivells més alts de coherència que els humans mateixos.
I fins i tot l’espai físic del diagnòstic s’expandeix.
El diagnòstic surt de la consulta
L’aire que respirem pot revelar ansietat, les compreses intel·ligents poden detectar biomarcadors mèdics i els mapes d’emocions urbanes mostren com l’entorn afecta també la salut mental col·lectiva.
El diagnòstic perfecte és doncs, cada vegada més, un diagnòstic ampliat: social, ambiental i emocional.
El diagnòstic perfecte no és un algoritme infal·lible, sinó un ecosistema on la tecnologia, la clínica i l’ètica treballen en equilibri i s’ajuden mútuament.
Referències
[1] https://www.innex.io/ca/blog
[2] OMS (2024) Ethics and governance of artificial intelligence for health: Guidance on large multimodal models (LMMs). Ginebra: World Health Organization.
[3] Sorin V et al. (2025). Socio-Demographic Modifiers Shape Large Language Models’ Ethical Decisions. Journal of Healthcare Informatics Research.