¿Puede una inteligencia artificial diagnosticar enfermedades con más precisión que un médico humano? ¿Y si lo hace, deberíamos dejarla?

La carrera por desarrollar el primer gran modelo de lenguaje (LLM) verdaderamente clínico, seguro y aplicable en el mundo real ya ha comenzado. Y no es ciencia ficción: es inversión, regulación, experimentación… y poder.

Empresas emergentes, gigantes tecnológicos y comunidades de código abierto se están disputando el trono de lo que muchos llaman el “GPT de la medicina”. Un modelo que no solo sepa responder con precisión, sino que lo haga con sensibilidad, contexto, y dentro de los límites éticos y legales de una conversación clínica.

🧠 1. Hippocratic AI: precisión sin diagnósticos, pero con resultados

Con su reciente Polaris 3.0, Hippocratic AI ha presentado una familia de 22 modelos que han alcanzado un 99,38 % de precisión en tareas clínicas no diagnósticas. ¿Qué significa esto? Que pueden hablar con pacientes, responder dudas sobre tratamientos, gestionar llamadas postoperatorias, o incluso detectar señales de alerta… sin decidir tratamientos, de momento.

Pero lo más disruptivo no es su precisión, sino su proceso: más de 6.200 profesionales de la salud han supervisado sus respuestas a través de un sistema llamado RWE-LLM (Real-World Evidence Language Models). Lo que se genera, se valida. Y si no pasa la prueba humana, no se usa.

Además, han lanzado una especie de app store médica donde agentes de IA entrenados para tareas específicas —como atención en español, llamadas postoperatorias o chequeos preventivos— pueden ser integrados en hospitales reales. Y ya lo están siendo.

🏥 2. Google Med-PaLM: la IA que supera a los médicos en exámenes

Google no se ha quedado atrás. Su modelo Med-PaLM 2 fue el primero en superar el examen de licencia médica de EE.UU. (USMLE), con un 86,5 % de aciertos. Pero no solo impresiona en teoría: cuando se comparan sus respuestas con las de profesionales clínicos, los humanos prefieren las de Med-PaLM en criterios como exactitud, conocimiento, empatía y lenguaje claro.

Y ahora con Med-PaLM M, Google va más allá: introduce capacidades multimodales que permiten a la IA analizar imágenes médicas junto con texto. ¿Una futura IA radióloga?

🔬 3. El frente open-source: transparencia en lugar de poder

En paralelo, se ha abierto una carrera por democratizar el acceso a LLMs médicos. Proyectos como MEDITRON-70B, BioMistral y Hippocrates ofrecen modelos entrenados específicamente en literatura biomédica y datos clínicos públicos. Aunque aún no alcanzan los niveles de validación de Google o Hippocratic AI, su código y sus pesos son abiertos, auditables y replicables.

Esto plantea una pregunta clave: ¿debería la medicina del futuro depender de modelos cerrados y propiedad privada?

⚖️ 4. Diagnóstico legal: regulación, ética y confianza

Pero no todo es precisión y velocidad. Varios países ya han comenzado a regular el uso de IA en contextos médicos. En EE.UU., hay propuestas legislativas para exigir que cualquier LLM clínico sea evaluado como si fuera un dispositivo médico. En la Unión Europea, el AI Act exige transparencia, supervisión humana y responsabilidad legal.

¿Y si la IA comete un error grave? ¿Quién responde: la empresa, el modelo, o el sanitario que lo usó?

Además, la confianza de los pacientes sigue siendo un reto: ¿estamos listos para recibir un diagnóstico o seguimiento postoperatorio por parte de una máquina?

🧭 ¿Y ahora qué?

La medicina está cambiando. Y con ella, los márgenes entre conocimiento, atención, automatización y humanidad.

En SombraRadio.com, no celebramos ni demonizamos. Observamos. Preguntamos. Y sobre todo, abrimos conversación:

• ¿Aceptarías ser tratado por un agente médico sin intervención humana?
• ¿Deberían los LLMs clínicos ser de código abierto?
• ¿Es ético que una startup gestione diagnósticos sin supervisión directa?

🎙️ En próximos especiales…

Exploraremos cómo se están integrando estos modelos en hospitales reales, entrevistaremos a profesionales que ya trabajan con IA clínica, y profundizaremos en cómo se forma y valida a una IA médica en español.

La salud del futuro ya no es una cuestión de bisturí. Es una cuestión de datos.