El advenimiento de la inteligencia artificial (IA) constituye una revolución tecnológica que probablemente
configura un cambio de paradigma social. La atención sanitaria no es la excepción y, de manera
particular, tampoco lo es la relación médico-paciente.
Durante el siglo XXI, esta relación ha experimentado una transformación profunda. Hemos transitado
desde un modelo paternalista, en el que el médico decidía las acciones de salud y administraba la
información disponible para el paciente, hacia un escenario de mayor autonomía y acceso a datos
clínicos. En este contexto, el profesional puede limitarse a presentar alternativas diagnósticas y
terapéuticas para que el paciente elija (modelo informativo) o participar en un proceso de decisión
compartida, donde ambas partes intercambian información y construyen conjuntamente la conducta a
seguir (1).
Sin embargo, este ideal enfrenta una dificultad persistente: la asimetría de conocimientos y el uso de una
jerga médica frecuentemente inaccesible para los pacientes. Internet ya había modificado este escenario
al facilitar el acceso a información sanitaria, aunque con resultados variables. La IA podría profundizar
este cambio al recopilar y reelaborar información proveniente de múltiples fuentes, adaptándola al nivel
de comprensión de cada persona.
Conviene, no obstante, moderar el entusiasmo. Los modelos de IA pueden generar respuestas plausibles
pero incorrectas ("alucinaciones"), y la calidad de sus resultados depende de la calidad de los datos y del
contexto que reciben. La capacidad de traducir información no garantiza su veracidad ni su aplicabilidad a
un caso clínico particular.
Para los médicos, esto plantea desafíos concretos. Exige actualizar conocimientos de manera
permanente, discutir alternativas en un entorno más simétrico y, especialmente, contextualizar la
información con empatía y juicio clínico.
En este punto surge una tensión interesante. Un estudio ampliamente difundido comparó respuestas
entregadas por médicos y por ChatGPT a consultas realizadas por pacientes en un foro público.
Profesionales de la salud calificaron las respuestas del chatbot como superiores en calidad y empatía en
cerca del 79 % de los casos (2). Aunque estos resultados deben interpretarse con cautela, pues no
correspondían a encuentros clínicos reales ni evaluaban desenlaces, cuestionan la idea de que la
empatía percibida sea un atributo exclusivamente humano. Una revisión sistemática posterior concluyó
que la evidencia es prometedora, aunque heterogénea y dependiente del contexto (3). La enseñanza no
es que la IA empatice mejor, sino que la comunicación empática puede entrenarse y evaluarse, mientras
que el valor distintivo del médico reside en el vínculo terapéutico, la responsabilidad profesional y la
capacidad de juicio.
La IA también entraña riesgos. Entre ellos destacan el autodiagnóstico y la autoprescripción,
especialmente cuando las recomendaciones se presentan sin contexto clínico. Esto resulta
particularmente relevante al interpretar resultados de investigación. La significancia estadística no
equivale necesariamente a significancia clínica: una reducción relativa del riesgo puede parecer relevante
cuando la reducción absoluta es mínima y el número necesario a tratar (NNT) es elevado. Sin considerar
magnitud de efecto, costo-efectividad y contexto, una recomendación puede ser técnicamente correcta
pero clínicamente poco relevante.
A ello se suma el sesgo algorítmico. Un estudio demostró que un algoritmo ampliamente utilizado en
Estados Unidos subestimaba la carga de enfermedad de pacientes de raza negra al utilizar costos
sanitarios como variable sustituta de necesidad clínica (4). La lección es clara: los modelos pueden
reproducir inequidades estructurales cuando optimizan variables inadecuadas.
En síntesis, la IA puede favorecer una relación médico-paciente más informada y participativa, pero no
reemplaza aquello que define el acto médico. Frente a información potencialmente descontextualizada, el
juicio clínico, la responsabilidad profesional y la comprensión integral de cada paciente deben seguir
siendo los elementos rectores de la práctica médica.
Referencias:
Charles C, Gafni A, Whelan T. Shared decision-making in the medical encounter: what does it mean? (or it
takes at least two to tango). Soc Sci Med. 1997;44(5):681-692. doi:10.1016/S0277-9536(96)00221-3
Ayers JW, Poliak A, Dredze M, Leas EC, Zhu Z, Kelley JB, et al. Comparing physician and artificial
intelligence chatbot responses to patient questions posted to a public social media forum. JAMA Intern
Med. 2023;183(6):589-596. doi:10.1001/jamainternmed.2023.1838
Sorin V, Brin D, Barash Y, Konen E, Charney A, Nadkarni G, et al. Large language models and empathy:
systematic review. J Med Internet Res. 2024;26:e52597. doi:10.2196/52597
Obermeyer Z, Powers B, Vogeli C, Mullainathan S. Dissecting racial bias in an algorithm used to manage
the health of populations. Science. 2019;366(6464):447-453. doi:10.1126/science.aax2342