Anuario iSanidad 2025
Nieves Sebastián Mongares
En medicina en general y, en concreto en áreas como la uro-oncología, la inteligencia artificial (IA) cada vez tiene más aplicaciones. Dentro de las posibilidades que ofrece, hay especialistas como el Dr. Mario Domínguez Esteban, jefe de Sección de Uro-oncología en el Hospital Universitario Marqués de Valdecilla, que exploran todas sus posibilidades y además de utilizar las herramientas estándar desarrollan sistemas para que les ayuden tanto en el campo de la investigación como en el ámbito asistencial.
¿Cómo usa la IA hoy en día para facilitar su trabajo diario en la consulta o en la investigación médica en cáncer de próstata?
La IA se ha convertido en mi copiloto de investigación indispensable, pero nunca sustituye el juicio clínico. Dado el volumen inmanejable de publicaciones científicas actuales —solo en cáncer de próstata se publican más de 15.000 artículos al año—, la utilizo como un filtro inteligente para mantenerme al día sin perder horas de sueño.
Mi flujo de trabajo habitual implica el uso de agentes de IA para rastrear periódicamente repositorios globales (PubMed, Google Scholar, Scopus así como diferentes trabajos presentados en los diferentes congresos de las sociedades urológicas) en busca de avances específicos, como los recientes datos sobre radioterapia adaptativa o nuevos radiofármacos.
«La IA se ha convertido en mi copiloto de investigación indispensable, pero nunca sustituye el juicio clínico»
Pero más allá de la búsqueda, he desarrollado un ecosistema de herramientas que denomino CRIS (Clinical Research Intelligence System), un sistema multiagente basado en inteligencia artificial que coordina cinco módulos especializados: un analista de datos clínicos (para análisis exploratorio, bioestadística avanzada y generación de datos sintéticos), un revisor de literatura científica (conectado directamente a PubMed y bases de datos académicas, con capacidad de evaluación crítica estructurada según marcos Consort, Strobe o Tripod), un redactor científico, un módulo de control de calidad y auditoría, y un diseñador de protocolos con cálculo de tamaño muestral y análisis de potencia estadística.
En la práctica, esto significa que cuando necesito verificar los datos de un ensayo clínico, preparar un análisis estadístico o redactar un manuscrito, trabajo con la IA como copiloto técnico con capacidades especializadas.
Por ejemplo, recientemente la utilicé para verificar todas las citas y hazard ratios de una presentación sobre tratamiento del cáncer de próstata resistente a castración metastásico, cruzando datos de múltiples ensayos contra las publicaciones originales y las guías EAU y NCCN vigentes.
«He desarrollado un ecosistema de herramientas, un sistema multiagente basado en inteligencia artificial que coordina cinco módulos especializados»
La IA detectó que una cifra atribuida a un metaanálisis concreto no existía en la fuente citada y que varios hazard ratios habían sido actualizados en publicaciones posteriores —algo extremadamente laborioso de comprobar manualmente artículo por artículo—.
También la empleé para el análisis estadístico de nuestra publicación sobre el valor combinado del PHI y la resonancia magnética multiparamétrica ante la sospecha de cáncer de próstata, base de mi tesis doctoral.
Complementariamente, he creado herramientas clínicas y de gestión específicas: una aplicación web para la planificación de guardias del servicio de urología con algoritmos de reparto equitativo, bases de datos optimizadas para cirugía robótica urológica con validación automática de datos, y sistemas de gestión para mi consulta privada (agendas, presupuestos, planificación del centro médico). En docencia, la utilizo para generar material estructurado, casos clínicos simulados y contenido formativo para residentes y pacientes.
«En docencia, la utilizo para generar material estructurado, casos clínicos simulados y contenido formativo para residentes y pacientes»
Por otra parte, en la consulta, aunque la aplicación clínica directa aún está madurando, la utilizo indirectamente para estructurar evidencia compleja y preparar materiales que me ayuden a explicar mejor los tratamientos a mis pacientes.
Además, automatiza tareas de bajo valor añadido —búsquedas bibliográficas sistemáticas, clasificación de documentos, preparación de tablas de resultados, formateo de presentaciones— liberando tiempo para actividades clínicas y científicas de alto impacto.
Para profesionales sanitarios interesados pero sin experiencia, ¿dónde recomendaría que empezaran a usar la IA?
Les diría que no intenten hervir el océano construyendo sus propios modelos. Lo ideal es empezar por el ecosistema de herramientas verticales que ya existen y que permiten obtener beneficio inmediato con riesgo mínimo.
Para la búsqueda de evidencia, herramientas como Consensus, Elicit u OpenEvidence son el punto de entrada perfecto: permiten hacer preguntas médicas y recibir respuestas con referencias bibliográficas reales, evitando las alucinaciones de los chats genéricos.
«Lo ideal es empezar por el ecosistema de herramientas verticales que ya existen y que permiten obtener beneficio inmediato con riesgo mínimo»
Para la productividad personal, herramientas como Perplexity o NotebookLM son excelentes para interrogar documentos largos —como guías clínicas o papers complejos— y extraer los puntos clave en segundos. Es la forma más segura y útil de perder el miedo a la tecnología. No es necesario saber programar: el valor inicial proviene de formular buenas preguntas clínicas.
La diferencia entre obtener una respuesta genérica y una verdaderamente útil reside en la capacidad del profesional para contextualizar su consulta —especificando guías de referencia, tipo de evidencia buscada, nivel de complejidad del paciente—, algo para lo que los médicos ya estamos entrenados. De hecho, la competencia clínica y el pensamiento crítico son, paradójicamente, las mejores herramientas para sacar partido de la IA.
Un paso intermedio sería utilizar IA para análisis de datos propios —desde la depuración de una base de datos clínica hasta el cálculo de estadísticos descriptivos o curvas de supervivencia—, así como para auditorías de calidad asistencial. Lo fundamental es entender dos cosas desde el principio: la IA es un copiloto, no un piloto automático, y hay que verificar siempre la información que produce.
«La IA es un copiloto, no un piloto automático, y hay que verificar siempre la información que produce»
¿Cuál es el mayor freno actual en el uso de la IA en patologías como esta?
Es una combinación, pero si tuviera que elegir uno, diría que es la calidad y gobernanza de los datos, sumado a una necesaria cautela clínica. La tecnología ya es suficientemente potente; el problema es que avanza más rápido que nuestra capacidad para implementarla de forma segura en los sistemas legacy de los hospitales.
En cuanto a la integración en sistemas sanitarios, la mayoría de las herramientas no están conectadas con la historia clínica electrónica, lo que limita enormemente su utilidad práctica. Y la calidad de los datos es un problema real: los modelos requieren datos bien estructurados y en formatos interoperables, algo que rara vez existe en la práctica asistencial.
Existe también un freno cultural que se subestima: el miedo a la caja negra. Los médicos necesitamos explicabilidad; no nos basta con que un algoritmo nos diga que hay un tumor en una resonancia multiparamétrica, necesitamos entender por qué lo dice.
«Los modelos requieren datos bien estructurados y en formatos interoperables, algo que rara vez existe en la práctica asistencial»
¿Cómo se espera que evolucione la IA en los próximos años en el ecosistema sanitario?
Vamos a pasar de la actual IA generativa a una IA agéntica. En el futuro cercano, no solo le pediremos a la IA que resuma un historial clínico, sino que actúe: que agende citas de seguimiento, preredacte informes quirúrgicos o cruce datos genómicos con bases de datos farmacológicas para sugerir ensayos clínicos activos para un paciente específico.
La evolución será progresiva pero profunda, y la veo en tres oleadas: integración en tareas administrativas, desarrollo de sistemas multimodales para estratificación de riesgo y, finalmente, una capa transversal que optimice el sistema sanitario.
En un futuro, ¿podrá la IA ayudar en la personalización del tratamiento para estos pacientes?
Sin duda, donde veo el mayor potencial de la IA en mi campo, la urooncología, es en la personalización del tratamiento. El cáncer de próstata es una enfermedad muy heterogénea y el futuro pasa por algoritmos que integren genética, imagen médica e historia clínica para predecir qué tratamiento funcionará mejor en cada paciente.
¿Cómo tendrá que adaptarse la legislación?
La AI Act de la Unión Europea ya clasifica a la IA médica como de alto riesgo, pero el reto será no frenar la innovación. Necesitamos una regulación dinámica que permita validar algoritmos continuamente, definir responsabilidades y garantizar la protección de datos sin bloquear el desarrollo.
«Necesitamos una regulación dinámica que permita validar algoritmos continuamente»
En definitiva, ¿cómo ve el presente y futuro de la inteligencia artificial en este ámbito?
La IA ya está transformando el trabajo médico, especialmente en investigación y gestión de información, pero su integración clínica plena dependerá más de factores humanos, regulatorios y organizativos que de avances tecnológicos.
Bien utilizada, no sustituirá al profesional sanitario, sino que ampliará su capacidad para ofrecer una medicina más precisa, eficiente y centrada en el paciente. No será la IA la que reemplace al médico; será el médico que use IA el que supere al que no la utilice.
