Mayo Clinic despliega más de 150 modelos de IA para transformar la atención hospitalaria

Mayo Clinic, uno de los sistemas hospitalarios más reconocidos del mundo, ha desplegado más de 150 modelos de inteligencia artificial en distintas áreas de su operación clínica, según Matthew Callstrom, radiólogo y director médico del programa de IA generativa del hospital. La expansión no es un experimento aislado, sino una estrategia deliberada para incorporar IA en el flujo de trabajo diario de médicos, enfermeros y personal clínico, con el objetivo declarado de mejorar la atención al paciente y, en última instancia, salvar vidas.

Uno de los casos más concretos es 'Record Time', una herramienta desarrollada junto con Scale AI que ayuda a los médicos a procesar historiales clínicos extensos antes de las consultas. El doctor Alexander Ryu, médico de medicina interna en Mayo Clinic y vicepresidente de innovación del Departamento de Medicina, explica que muchos pacientes llegan a la clínica en busca de una tercera o cuarta opinión, cargando documentos desorganizados de otros sistemas de salud. Record Time genera resúmenes relevantes del paciente, ordena los documentos cronológicamente y facilita su búsqueda. Según Ryu, la herramienta le ahorra entre cinco y treinta minutos de preparación por visita, dependiendo de la complejidad del caso, tiempo que puede dedicar directamente al paciente. Ryu subraya que el hospital recibe decenas de millones de páginas de registros cada año, lo que hacía necesaria una forma de localizar información clave sin que se perdiera en el volumen de datos.

El artículo sitúa este desarrollo dentro de una tendencia más amplia: grandes compañías tecnológicas como Google, OpenAI y Anthropic ya ofrecen chatbots de salud, y decenas de millones de personas recurren a la IA para consultas médicas. Sin embargo, se advierte que las promesas de líderes de Silicon Valley sobre que la IA 'curará el cáncer' suenan a menudo más a discurso de marketing que a realidad inmediata, dado que las grandes empresas del sector se centran mayoritariamente en aplicaciones de consumo y de negocio, no específicamente médicas.

Mayo Clinic, en cambio, está usando su enorme volumen de historiales de pacientes e investigación propia para desarrollar herramientas de IA en colaboración con socios como Microsoft y Scale AI. Jason Droege, director ejecutivo de Scale AI, explica que la IA destaca en identificar patrones en grandes volúmenes de datos, y que gran parte del trabajo de médicos y enfermeros especializados consiste precisamente en reconocimiento de patrones, tareas donde la IA puede acelerar diagnósticos más precisos y liberar tiempo para tratar a más pacientes.

Entre las aplicaciones clínicas más destacadas, el hospital está llevando a cabo un ensayo clínico para evaluar si la IA puede ayudar a identificar a pacientes con riesgo de cáncer de páncreas en etapas tempranas, una aplicación que, según Callstrom, podría detectar la enfermedad años antes del diagnóstico habitual. Actualmente, muchos pacientes no reciben el diagnóstico hasta que el cáncer se ha propagado regionalmente o hecho metástasis, momento en el que la tasa de supervivencia a cinco años ronda el 9%. Callstrom relata que quedó convencido del potencial de la IA ya en 2016, al ver cómo podía ayudar a los radiólogos a identificar señales tempranas y sutiles de cáncer en imágenes médicas. El hospital también ha utilizado IA con éxito para analizar el ritmo cardíaco de los pacientes y determinar si podrían desarrollar fibrilación auricular, una condición que puede provocar coágulos sanguíneos y derrames cerebrales; según Callstrom, para los pacientes en quienes se detecta a tiempo, el impacto puede ser 'potencialmente transformador'.

En cuanto al proceso de desarrollo, Mayo Clinic empareja a expertos tecnológicos con médicos y clínicos para decidir qué problemas médicos abordar con IA. Callstrom detalla que las herramientas pasan por un proceso similar al de un ensayo clínico: primero se prueban con un grupo reducido de pacientes bajo supervisión médica, se mide su desempeño y luego se amplía la prueba a una población mayor; una vez desplegada de forma general, la herramienta sigue siendo monitoreada. Callstrom reconoce que entre el personal médico existe un escepticismo considerable, y que la clínica opta por dejar el uso de las nuevas herramientas a discreción de cada médico: quien quiera probarlas puede hacerlo, y quien no, no está obligado. Para Callstrom, la tasa de adopción es la mejor medida de qué tan bien está funcionando cada herramienta.

Sobre el impacto en el empleo, Callstrom afirma que, de momento, los puestos de trabajo no están desapareciendo, aunque sí están cambiando. Pone como ejemplo al equipo de enfermería, que ayudó a desarrollar un sistema de IA que escucha y toma notas durante las consultas con los pacientes, lo que podría reducir a la mitad el tiempo —más de una hora al día— que dedican a transcribir esas visitas, liberando tiempo para la interacción directa con los pacientes.

El uso de IA en entornos hospitalarios no está exento de controversia, y el artículo menciona explícitamente cuestiones de precisión y privacidad de los pacientes. La exdirectora de Operaciones de Investigación de Mayo Clinic, Traci Tamiko Eto, presentó una demanda contra el hospital este mismo mes, alegando represalias por haber planteado preocupaciones sobre privacidad y supervisión de algunos sistemas de IA de la institución. Una portavoz de Mayo Clinic, Andrea Kalmanovitz, señaló que el hospital no comenta litigios en curso, pero afirmó que la institución está 'comprometida con el desarrollo y despliegue responsable de la IA, con la privacidad, la seguridad, la transparencia y el cumplimiento normativo integrados en todos sus procesos', añadiendo que su investigación e innovación clínica se realizan conforme a las leyes y regulaciones aplicables.

Finalmente, Droege matiza el entusiasmo generalizado sobre la velocidad de adopción de la IA en salud, calificando de 'muy ambiciosas' las predicciones de que todo se solucionará en uno o dos años. En su opinión, la calidad de la atención debe ser el estándar por encima de la velocidad: en el ámbito sanitario, el objetivo es hacerlo bien, lo más rápido posible, pero sin sacrificar el rigor por la premura.