Olvídese de lo que escuchó antes de finales de 2022. Ese es el punto de inflexión. Antes de que ChatGPT se hiciera público, la IA médica era rígida. Era una “IA estrecha”: buena en una tarea específica y repetitiva, terrible en todo lo demás.
Los desarrolladores entrenaron estos modelos con datos etiquetados. Piense en mamografías. Alimente a un algoritmo con miles de imágenes, claramente marcadas como “cáncer” o “benignas”, y aprenderá a detectar la diferencia. Escupe una puntuación de riesgo para nuevas imágenes. Funciona. De hecho, un gran estudio de Nature mostró que la IA supera a los radiólogos promedio, reduciendo significativamente los falsos positivos y negativos en los conjuntos de datos de EE. UU.
Pero la IA estrecha tiene un punto ciego.
Una herramienta que lee los senos no puede leer los pulmones. No puede encontrar una costilla rota, incluso si la costilla está justo al lado del pulmón. Es útil, sí. La FDA ha autorizado más de 1.500 dispositivos de este tipo. Sin embargo, ¿la adopción en la práctica diaria? Perezoso. El alto costo, las extrañas reglas de reembolso y la aterradora sombra de la responsabilidad mantienen estas herramientas en el estante.
Luego vino el gran cambio. IA generativa.
En lugar de tareas estrechas, estos modelos beben el océano de texto. Libros de texto. Artículos de investigación. Todos los datos médicos en línea. Esta base les permite manejar la realidad amplia y desordenada del ser humano. Explica una radiografía. Evaluar síntomas vagos. Manejar enfermedades crónicas. Analizar los efectos secundarios. Fundamentalmente, cualquiera puede utilizarlos. Pacientes, no sólo médicos.
OpenAI descubrió que el 55% de los adultos ya verifican sus síntomas en ChatGPT. Lo están haciendo de todos modos.
“El uso comercial de la IA médica sigue estancado en tareas administrativas, ignorando el enorme potencial de la atención de cara al paciente”.
Los hospitales utilizan principalmente GenAI para realizar trámites. Dragon Copilot de Microsoft escucha conversaciones y escribe notas. Otras herramientas corrigen códigos de facturación para evitar denegaciones de reclamaciones. Eficiente. Rentable para las aseguradoras.
Casi ninguna aplicación está diseñada para que el paciente la use solo.
¿Por qué? Porque construir una IA estrecha de grado médico es costoso. Adquisición de datos. Validación. Aprobación de la FDA. Cuesta millones, lo que significa que el precio es demasiado alto para la gente común y corriente. Además, responsabilidad. Si una IA no detecta un diagnóstico de cáncer y se la vende directamente, usted demanda a la empresa. Si se vende al hospital, el médico es quien toma las decisiones finales. El riesgo legal desaparece para el fabricante.
Eso hace que un estudio reciente de la Universidad de Nueva York sea explosivo.
Compararon herramientas clínicas costosas y especializadas con modelos de lenguaje grande (LLM) baratos y de uso general. ¿El resultado? Las herramientas “médicas” de marca no tenían ninguna ventaja. Los LLM gratuitos o baratos tuvieron un desempeño tan bueno o mejor.
Esto lo cambia todo. Los LLM generales no diagnostican enfermedades específicas, por lo que no requieren una revisión estricta de la FDA. Ninguna revisión de la FDA significa menos demandas. Menos barreras significan libertad empresarial.
El próximo unicornio sanitario
Aquí está la oportunidad. No construya otro dispositivo médico costoso y de una sola tarea. No hay dinero allí.
Ayude a las personas a utilizar la GenAI existente. Ese es el próximo gigante de la salud.
El camino no es fácil. Los empresarios enfrentarán preguntas difíciles. ¿Será una aplicación? ¿Un conjunto de agentes? ¿Una plataforma educativa? ¿Cómo se gana dinero: suscripciones? ¿Contratos de empleador? ¿Recompensas basadas en el desempeño?
La seguridad es la pesadilla. La precisión depende de cómo el usuario formula las preguntas. Los seguimientos importan. ¿Qué sucede cuando la IA detecta una crisis médica real a las 3 de la madrugada? Necesita una infraestructura de soporte clínico 24 horas al día, 7 días a la semana, o será responsable.
Es complejo. Es arriesgado.
Pero la lógica se sostiene. Trata a un paciente en una clínica, lo ayudas durante una hora. Si enseña a un paciente a utilizar la IA de forma eficaz, mejorará su gestión de la salud durante décadas.
El mercado está muy abierto. ¿Quién saltará primero?
