El monopolio institucional sobre la información clínica ya no existe. Pacientes, médicos y sistemas de salud operan en un entorno donde la IA distribuye capacidad interpretativa más allá de las paredes hospitalarias. La pregunta no es si adaptarse, sino cómo.
Durante décadas, las instituciones de salud tuvieron el monopolio de la información médica. El paciente llegaba a la consulta con una queja, el médico interpretaba los síntomas y los estudios, y emitía un juicio clínico que el paciente, en la mayoría de los casos, no tenía herramientas para cuestionar. Ese desequilibrio no era arbitrario: reflejaba una asimetría real de conocimiento especializado.
Ese equilibrio cambió. Hoy un paciente puede consultar un modelo de lenguaje antes de llegar a la consulta, obtener información sobre su diagnóstico, comparar opciones terapéuticas y llegar al consultorio con preguntas específicas.
La información ya no está exclusivamente del lado del profesional. Ami Bhatt, directora de innovación del Colegio Americano de Cardiología, lo formuló con precisión en un artículo reciente: la capacidad de interpretar información se está distribuyendo más allá de las instituciones. La pregunta ya no es si eso va a ocurrir. Ya ocurrió.
La redistribución de información no equivale a redistribución de expertise.
Un paciente con acceso a un modelo de lenguaje tiene más información que antes, pero esa información no reemplaza la experiencia clínica, el criterio diagnóstico ni la capacidad de integrar variables complejas en un contexto real. La consulta médica sigue siendo irreducible a lo informativo.
Lo que sí cambia es el punto de partida del encuentro clínico. Y cambia también el rol de las instituciones: ya no son las únicas fuentes de autoridad en salud, sino actores que deben demostrar valor en un entorno donde la información circula con menos fricciones.
Esa transición, bien gestionada, puede fortalecer la confianza. Mal gestionada, puede fragmentar la atención.
El fin del control institucional sobre la información no significa el fin de las instituciones. Significa que su rol tiene que madurar, como señala Bhatt: de custodios del conocimiento a garantes de su aplicación segura y validada.
Una investigación presentada en mayo en la conferencia ACM Web Science por un equipo de la Universidad de California en Riverside aporta un matiz importante a este panorama.
Los modelos de lenguaje tienden a responder preguntas subjetivas con predominio de razonamiento lógico y epistémico, mientras que las búsquedas web incorporan con mayor frecuencia consideraciones morales, prácticas y emocionales, más cercanas a la diversidad de perspectivas que existe en la sociedad.
Aplicado a salud, eso tiene consecuencias concretas.
Un modelo de lenguaje puede ofrecer una respuesta coherente y bien estructurada sobre una opción terapéutica sin reflejar la diversidad de criterios clínicos, las preferencias del paciente o los matices de la evidencia disponible.
La solidez formal de la respuesta no garantiza su utilidad clínica ni su adecuación al caso individual.
El investigador Vagelis Hristidis, del mismo equipo, planteó una preocupación más amplia: a medida que las personas reemplazan la búsqueda web por consultas directas a IA, la web puede perder gradualmente la diversidad de perspectivas humanas que la caracterizó durante 25 años. En salud, esa homogeneización tiene riesgos particulares.
Gobernanza de IA como respuesta institucional
En ese contexto, la Coalition for Health AI (CHAI) publicó en mayo un conjunto de guías de gobernanza para la implementación responsable de IA en instituciones de salud.
El proceso involucró a más de 150 líderes en IA en salud de más de 100 organizaciones, con el objetivo de producir herramientas adaptables a distintos contextos institucionales y niveles de recursos.
Las guías cubren ocho componentes críticos del uso responsable de IA y están diseñadas para ser integradas en los procesos existentes de cada organización.
- Política organizacional de IA — define lineamientos éticos y filosóficos para el despliegue tecnológico
- Estructura organizacional — establece líneas de responsabilidad institucional y rendición de cuentas
- Recursos organizacionales — presupuesto y asignación del capital humano y técnico necesario para monitorear los modelos
- Gestión responsable del ciclo de vida de la IA — seguimiento de una aplicación desde la evaluación inicial hasta su despliegue activo y eventual retiro
- Evaluaciones de riesgo e impacto — revisiones pre y post implementación para identificar deriva clínica o consecuencias no previstas
- Gestión y uso responsable de datos — integridad de los datos del paciente y uso de la información en cumplimiento normativo
- Gestión de terceros — auditoría de cumplimiento de proveedores y definición de límites de responsabilidad para software comercial
- Educación, formación y retroalimentación — modelos de aprendizaje continuo para que el personal clínico use las herramientas sin riesgo de desactualización profesional
CHAI también anticipa que el material será compatible con un programa de certificación voluntaria que la Joint Commission planea lanzar próximamente, lo que le daría un marco de reconocimiento formal dentro del sistema de acreditación hospitalaria en Estados Unidos.
La gobernanza de IA no es un problema técnico: es un problema institucional. Definir quién valida los modelos, quién monitorea su desempeño y quién responde cuando fallan es una decisión de gestión, no solo de tecnología.
Para la radiología, la redistribución del poder informativo tiene una dimensión específica. Los informes radiológicos son cada vez más accesibles a los pacientes, que pueden consultarlos directamente o a través de plataformas digitales.
La IA también está cambiando el proceso de generación del informe: detección automatizada, priorización de estudios, asistencia en la interpretación.
En ese escenario, la institución radiológica que construye procesos claros de validación, monitoreo y comunicación de sus herramientas de IA no solo cumple con un estándar regulatorio: se posiciona como un actor confiable en un entorno donde la confianza es cada vez más difícil de sostener por defecto.
La gobernanza de IA en imagen médica no es una formalidad administrativa. Es una decisión estratégica sobre qué lugar ocupa el servicio en el nuevo ecosistema de información clínica.
0 comentarios