IA generativa en clínicas: tres usos que ya funcionan y dónde está el límite

1. Qué ha cambiado y qué no

1.1. De clasificar a redactar

Durante años la informática sanitaria usó algoritmos para clasificar y predecir: detectar un patrón en una serie de pruebas, anticipar qué citas se van a perder, ordenar una lista. Eran herramientas cerradas, entrenadas para una tarea concreta, y su resultado era un número o una etiqueta.

Lo que aportan los modelos de lenguaje es otra cosa: trabajan con texto libre. Y el texto libre es justamente donde vive la mayor parte del trabajo administrativo de una clínica —la nota de consulta, el informe, el correo al paciente, el parte—, que hasta ahora no se podía automatizar porque no cabía en un formulario.

1.2. Por qué la clínica es un caso difícil

Hay una diferencia entre usar un modelo para escribir un correo comercial y usarlo dentro de una consulta, y no es la dificultad del texto: es quién paga el error. Un correo mal redactado se corrige; una nota clínica con un dato que no ocurrió se queda en la historia del paciente y viaja con él a la siguiente visita, al informe de derivación y, si hace falta, a un juzgado.

A eso se suma que el material de trabajo son datos de salud, la categoría más protegida que existe. Por eso los proyectos que funcionan en clínicas se parecen poco a los de otros sectores: menos ambiciosos en alcance, mucho más exigentes en el circuito de revisión y en qué sale del centro.

1.3. Lo que no ha cambiado

Lo que no ha cambiado es quién responde. Un modelo produce un borrador plausible, y plausible no es lo mismo que correcto: puede escribir con seguridad algo que no ocurrió en la consulta. Por eso el uso sensato en un centro sanitario tiene una forma reconocible: el modelo propone y una persona confirma, siempre, sin excepciones que valga la pena defender.

2. Uso 1: la nota de consulta dictada

Es el caso con el retorno más claro y el más fácil de acotar. El profesional habla durante o después de la visita y el sistema devuelve la nota estructurada en los campos de la historia clínica: motivo, exploración, juicio y plan.

2.1. Por qué funciona bien aquí

Porque la alternativa real no es una nota perfecta: es una nota escrita a toda prisa entre paciente y paciente, o peor, escrita al final de la mañana de memoria. Un borrador completo que el profesional corrige en segundos suele producir mejor documentación clínica que el statu quo, no solo más rápida.

2.2. Las tres condiciones para que no se vuelva en contra

• Revisión antes de guardar: la nota no entra en la historia hasta que el profesional la valida. Si se guarda sola, el error entra igual.
• El audio no se queda: decide desde el principio si la grabación se conserva o se descarta al transcribir, y déjalo escrito. Guardar audio de consultas es una decisión con consecuencias.
• Consentimiento y transparencia: el paciente tiene que saber que la consulta se está transcribiendo y con qué finalidad.

3. Uso 2: el borrador del informe y el alta

3.1. Ordenar lo que ya está escrito

El segundo uso consiste en redactar, a partir de lo que ya está registrado, los documentos que hoy se escriben desde cero: el informe para el paciente, el resumen para el médico que deriva, la hoja de alta tras un procedimiento.

3.2. El informe para el paciente, el caso más agradecido

Aquí el modelo no aporta información nueva —toda está en la historia—, sino que la ordena y la traduce a un registro legible. El caso más agradecido es el informe destinado al paciente: convertir una nota técnica en un texto que se entienda sin perder precisión es exactamente lo que un modelo de lenguaje hace bien y lo que a un profesional le consume más tiempo.

Cómo se organiza esa documentación cuando deja de escribirse a mano está desarrollado en automatizar informes médicos, y el equivalente en salud mental, en automatizar los informes clínicos en psicología.

4. Uso 3: ordenar lo que entra por la puerta

El tercer uso está en recepción, no en consulta: clasificar los mensajes, correos y solicitudes que llegan cada día para que cada uno acabe en la cola correcta. Una petición de cita, una duda administrativa, una solicitud de informe y un aviso de que alguien no podrá venir son cuatro cosas distintas que hoy se leen una a una.

4.1. Por qué es el sitio por donde empezar

Es un caso cómodo porque el coste de un error es bajo y reversible: si algo se clasifica mal, se reencamina. Muy distinto de un uso clínico, donde el error no es reversible del mismo modo.

4.2. Los dos matices que evitan un disgusto

Dos matices importantes. El primero: clasificar no es triar. Ordenar por tipo de solicitud es administrativo; decidir la urgencia clínica de un paciente es un acto sanitario y le corresponde a un profesional. El segundo: si hay un canal conversacional con pacientes, tiene que decir que es automático y ofrecer salida a una persona; lo que funciona y lo que no en ese terreno está en la guía sobre chatbots para clínicas médicas.

5. El límite: qué no firma un modelo

5.1. La tabla del reparto

La lista de lo que queda fuera es corta y conviene tenerla escrita antes de empezar, no después del primer susto.

A un lado, lo que la máquina produce en serie. Al otro, lo que alguien firma de uno en uno. La responsabilidad no cruza esa línea.

5.2. Por qué la responsabilidad no se delega

Detrás de esta tabla hay una idea sencilla: la responsabilidad no se puede delegar en una herramienta. Cuando algo sale mal, quien responde ante el paciente, ante la inspección y ante un juzgado es el profesional y el centro, y esa cadena no admite un eslabón automático en el medio.

6. Los datos del paciente antes de salir hacia el modelo

Este es el apartado que decide si un proyecto de IA en una clínica es viable o no, y suele tratarse al final cuando debería ir primero.

6.1. Qué dice la norma sobre los datos de salud

Los datos de salud son categoría especial en el Reglamento General de Protección de Datos, artículo 9: su tratamiento está prohibido salvo que concurra una de las excepciones que el propio artículo enumera, y la asistencia sanitaria es una de ellas. Eso permite tratarlos para atender al paciente, no para cualquier finalidad añadida. Enviarlos a un tercero para que un modelo redacte un borrador es un tratamiento más, con su encargado, su contrato y sus garantías.

La consecuencia práctica no es dejar de usar la herramienta: es que la identidad del paciente no tiene por qué formar parte de lo que se envía. El contenido clínico sí; el nombre, no.

6.2. Seudonimizar antes de enviar

Si el texto que se manda al modelo lleva nombre, apellidos, documento de identidad, teléfono o cualquier dato que identifique al paciente, estás enviando datos de salud identificables a un tercero. La práctica correcta es sustituir esos identificadores antes del envío y reponerlos después, de modo que el modelo trabaje con el contenido clínico y no con la identidad. Y si esa capa de sustitución no está disponible, la decisión correcta es no llamar al modelo: es preferible quedarse sin la sugerencia que filtrar.

Los identificadores se sustituyen antes de que el texto salga. Si esa capa no está disponible, no se llama al modelo.

6.3. Las preguntas que hay que hacerle al proveedor

• ¿Dónde se procesa? Ubicación del tratamiento y régimen de transferencias internacionales.
• ¿Se entrena con lo que envío? La respuesta tiene que ser no, y por escrito en el contrato.
• ¿Cuánto se conserva? Plazo de retención de las peticiones y su borrado efectivo.
• ¿Quién es encargado del tratamiento? Contrato firmado, con sus garantías y su régimen de subencargados.
• ¿Qué registro queda? Traza de qué se envió, cuándo y quién lo pidió.

Estas preguntas no son un trámite: son la diferencia entre una herramienta y una brecha. El marco completo de obligaciones del centro está en la auditoría RGPD para clínicas, y el protocolo del día en que algo se escapa, en brecha de seguridad de datos médicos ante la AEPD.

7. Cómo saber si compensa

7.1. Medir antes, no después

Casi todas las cifras que circulan sobre ahorro de tiempo con IA son de terceros y no describen tu centro. La única medición que sirve es la propia, y se hace igual que cualquier otra: midiendo antes.

• Tiempo de documentación por acto, antes y después: con el mismo tipo de consulta y el mismo profesional.
• Proporción de borradores que se aceptan sin cambios de fondo: si hay que reescribirlos, no hay ahorro.
• Correcciones sobre el texto generado: mirar qué se corrige dice qué falta en el sistema, no solo qué falla en el modelo.
• Notas que se cierran el mismo día: el indicador de calidad documental que más se mueve con este cambio.
• Coste por acto documentado: el consumo del modelo tiene precio y conviene mirarlo desde el principio.

7.2. Qué hacer si el borrador no se acepta

Conviene medir también lo que no aparece en ninguna hoja de cálculo: si el equipo cierra la jornada antes, si las notas dejan de escribirse de memoria al final de la mañana y si alguien ha dejado de usar la herramienta sin decirlo. Ese último dato es el más honesto de todos, porque una herramienta que ahorra tiempo de verdad no hay que imponerla.

Si después de un mes el segundo indicador es bajo, el problema rara vez es el modelo: suele ser que la información de partida está incompleta y el borrador no puede salir bien.

8. Cómo se implanta sin que el proyecto se pare

La mayoría de los proyectos de IA en clínicas no fracasan por la tecnología: se paran porque empiezan por el caso más vistoso, que casi siempre es el más cercano a la decisión clínica y el que más resistencia genera. El orden importa más que la herramienta.

8.1. Paso 1: elegir una tarea aburrida y reversible

La clasificación de los mensajes que entran o el borrador de un tipo concreto de informe son buenos primeros casos: el error se corrige sin consecuencias y el equipo ve el resultado en días. Un caso próximo al diagnóstico exige un debate largo antes de la primera prueba, y ese debate se come el impulso del proyecto.

8.2. Paso 2: dejar la validación humana desde el primer día

Nada de «empezamos revisando y ya veremos si lo quitamos». Si el circuito nace con revisión obligatoria, el equipo confia; si nace sin ella y se añade después de un susto, la herramienta queda marcada y ya no se usa. La revisión no es una fase de pruebas: es el diseño definitivo.

8.3. Paso 3: revisar a las cuatro semanas con datos

Poner fecha de revisión antes de empezar evita las dos salidas malas: abandonar por sensación y continuar por inercia. En esa revisión se mira lo que se midió al principio y se decide extender, ajustar o parar, con la ventaja de que el equipo ya sabe de qué se está hablando.

9. Qué hace obeliOmed con la IA

9.1. Dónde está y dónde no

En obeliOmed la IA está donde ahorra papeleo y no donde decide: borradores de nota y de informe a partir de lo que ya está registrado, y ayuda a ordenar lo que entra por recepción. Todo lo que produce nace como propuesta y necesita que una persona lo valide antes de guardarse o enviarse.

9.2. Qué sale del centro y qué queda registrado

El texto clínico se seudonimiza antes de salir hacia el modelo, y si esa capa no está operativa, la llamada no se hace. Cada uso queda registrado —qué se pidió, cuándo y quién— con los mismos controles de acceso que el resto de la historia clínica. Y cuando el profesional corrige lo propuesto, esa corrección mejora la configuración del centro: catálogos, plantillas y mapeos. No hay reentrenamiento con tus datos ni memoria oculta.