¿Se pueden identificar ideas transversales que ayuden a anticipar el futuro de la salud digital? Sí, y en mi opinión uno de los conceptos más claros es el del diagnóstico perfecto.
Al final, los humanos valoramos lo que nos permite entender mejor lo que nos pasa, con mayor precisión y con más contexto. La tecnología nos empuja en esa dirección, y el camino parece prometedor.
Seguramente el diagnóstico perfecto no existe, pero el arte de gestionar la incertidumbre progresa rápidamente. No hablamos de máquinas infalibles, sino de aspiraciones humanas. En términos matemáticos, sería como un límite: nos acercamos constantemente, pero sólo llegamos al infinito.
Una consulta aumentada en constante evolución
El diagnóstico perfecto requiere una consulta aumentada, en la que lo importante no son los algoritmos, sino los flujos de información entre humanos y máquinas. La razón de ser de la tecnología no es tanto eliminar el error como ayudarnos a entender por qué nos equivocamos, y, lo que es más, hacerlo en tiempo real.
Esto tiene una implicación importante: se puede cambiar el ritmo con el que se mejora la prestación de los servicios de salud, si el acierto diagnóstico y la calidad de los tratamientos pueden evaluarse instantáneamente.
Las novedades de los últimos meses lo confirman: un nuevo estetoscopio digital duplica la detección de insuficiencia cardíaca; los sistemas basados en electroencefalograma (EEG) pueden cuantificar el dolor con un 90% de precisión; y el modelo Delphi-2M predice más de 1.000 enfermedades.[1]
Por su parte, el diagnóstico ya no es un acto solitario: es un proceso colectivo. Aparecen nuevos sistemas que combinan múltiples modelos de IA que cooperan como un equipo médico, como muestra el proyecto MAI-DxO de Microsoft, y se pueden construir arquitecturas en las que la consulta digital, la farmacia y la clínica física funcionan como un único organismo asistencial (Amazon Health).
Más allá de la tecnología, el reto es esencialmente humano.
El paciente es una persona, no un patrón estadístico
La guía de la OMS sobre IA generativa en salud, aunque sin especificar cómo se mide, deja claro que la confianza será la nueva unidad de evaluación de la tecnología.[2] Ningún diagnóstico puede considerarse perfecto si no es justo, privado, y consentido.
Quizás no se trata de proteger al usuario sino de dejar que él se proteja. Es necesario que los asistentes de IA permitan a los propios usuarios gestionar la privacidad como un elemento más de su plan de salud.
Y aún otra cosa: las respuestas de los sistemas de IA no son, de momento, nada menos sesgadas que las de los mejores clínicos, pero hay una diferencia esencial. La tecnología es forzada a ser transparente y auditable. Se ha demostrado, por ejemplo, que los grandes modelos pueden cambiar sus decisiones éticas en función del género o la renta del paciente.[3] Por eso, la exigencia de trazabilidad y comportamiento ético pronto podría situar a estos sistemas en niveles más altos de coherencia que los propios humanos.
E incluso el espacio físico del diagnóstico se expande.
El diagnóstico sale de la consulta
El aire que respiramos puede revelar ansiedad, las compresas inteligentes pueden detectar biomarcadores médicos y los mapas de emociones urbanas muestran cómo el entorno afecta también a la salud mental colectiva.
El diagnóstico perfecto es, pues, cada vez más, un diagnóstico ampliado: social, ambiental y emocional.
El diagnóstico perfecto no es un algoritmo infalible, sino un ecosistema en el que la tecnología, la clínica y la ética trabajan en equilibrio y se ayudan mutuamente.
Referencias
[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.