IA para profesionales sanitarios

No hace falta que sepas nada de tecnología para seguir esta guía. Da igual si trabajas en planta, en un centro de salud, en emergencias extrahospitalarias o en un quirófano: vamos a empezar por lo más básico —qué es realmente la IA— y vamos a subir el nivel poco a poco hasta llegar a la parte que de verdad te tiene que preocupar como profesional: qué exige la ley europea antes de que uses estas herramientas con información de un paciente.

Soy Vera López, enfermera de urgencias y emergencias, con experiencia tanto hospitalaria como extrahospitalaria (SVA/SVAM), y también profesora de FP de Sanidad. Sé lo importante que es mantenerse actualizada en una profesión donde la evidencia, los protocolos y ahora también la tecnología cambian constantemente. No hablo de la IA desde fuera de un box de urgencias ni desde fuera de un aula: la uso, la enseño y también la cuestiono, todos los días.

La inteligencia artificial (IA) es un sistema informático entrenado para realizar tareas que, hechas por una persona, dirías que requieren razonamiento: interpretar una imagen, redactar un informe, responder una pregunta, detectar un patrón en unos valores analíticos.

Dentro de la IA hay muchas técnicas distintas. La que más vas a usar tú, al menos al principio, son los modelos de lenguaje (los chatbots tipo ChatGPT, Claude, Gemini o Copilot), especializados en generar texto a partir de una instrucción. El resto de la guía se centra sobre todo en este tipo de herramienta, aunque también hablaremos de otras, como la IA de apoyo diagnóstico o los gemelos digitales.

Un modelo de lenguaje se entrena leyendo enormes cantidades de texto y aprendiendo a predecir la palabra más probable que sigue a otra. No "sabe" que un dato es cierto: genera la continuación estadísticamente más probable. Esto tiene un nombre y una consecuencia muy concreta para ti.

Añade a esto que la IA no tiene memoria entre conversaciones salvo que la herramienta lo indique, y que su conocimiento tiene fecha de corte: puede no conocer un protocolo actualizado hace pocos meses. Ninguna de estas limitaciones es motivo para no usarla. Es motivo para no usarla nunca sin verificar.

Un gemelo digital (digital twin) es una réplica virtual de algo real —un órgano, un paciente, un quirófano, incluso un hospital entero— construida a partir de datos reales (imagen médica, constantes, historia clínica, sensores) y actualizada de forma continua. La idea es simple: si tienes un modelo virtual suficientemente fiel de algo real, puedes simular sobre él antes de actuar sobre lo real.

Hasta ahora hemos hablado de la IA como algo que responde: le preguntas, te contesta, tú decides el siguiente paso. Un agente de IA es distinto: le das un objetivo, no una pregunta, y es él quien decide qué pasos dar para conseguirlo, encadenando búsquedas, herramientas y decisiones intermedias sin que tengas que intervenir en cada una.

Por ejemplo: pedirle a un chatbot que te resuma un artículo es una sola acción. Pedirle a un agente que "revise la literatura reciente sobre un tema, descarte lo irrelevante y te prepare un borrador de resumen" implica que el propio sistema busque, filtre, lea y redacte en varios pasos encadenados, sin que tú supervises cada uno mientras ocurre.

Por qué esto te debería importar en sanidad

Ya existen (o están empezando a probarse) agentes capaces de cruzar interacciones farmacológicas entre varias fuentes, gestionar agendas y recordatorios de pacientes, o monitorizar constantes de forma continua y avisar ante una desviación. La ventaja es evidente: ahorran muchísimo tiempo. El riesgo también: cuantos más pasos da un sistema sin que nadie los revise uno a uno, menos oportunidades hay de detectar un error antes de que llegue a tener consecuencias reales.

A efectos del Reglamento de IA de la UE (sección 10 de esta guía), un agente que actúa de forma autónoma en un proceso clínico entra, como mínimo, en la misma categoría de riesgo que cualquier otro sistema de apoyo a la decisión, y probablemente exige una supervisión humana todavía más explícita, precisamente porque su diseño reduce los puntos de control intermedios.

Estar actualizada forma parte del trabajo, no es un extra. La buena noticia es que hoy existen herramientas que reducen muchísimo el tiempo de una búsqueda bibliográfica; la mala noticia es que ninguna te libra de leer con criterio lo que encuentras.

Google Scholar Labs

Es una función experimental, todavía en fase de acceso limitado, dentro del propio Google Académico. En vez de buscar solo por palabras clave, le planteas una pregunta de investigación completa y el sistema la descompone en subtemas, busca artículos que respondan a cada uno y te explica, para cada resultado, por qué es relevante para tu pregunta. Mantiene los enlaces habituales de Scholar (citar, citado por, texto completo), así que sigues pudiendo verificar cada fuente.

Consensus

A diferencia de un chatbot generalista, Consensus no genera una respuesta desde su memoria: primero busca de verdad en su base de más de 200 millones de artículos revisados por pares, y solo después sintetiza lo que encuentra, con la cita enlazada a cada afirmación. Su función más útil para uso clínico es el Consensus Meter, que muestra qué porcentaje de los estudios encontrados apoya, contradice o es neutral respecto a una pregunta concreta, y su función "Ask Paper", que te permite preguntar directamente sobre un artículo único.

NotebookLM (con tecnología Gemini)

Esta herramienta no busca evidencia por ti: organiza la que tú ya has encontrado y verificado. Le subes los PDFs o artículos que hayas seleccionado y genera resúmenes, esquemas o incluso un resumen en audio a partir de ese material concreto, útil para repasar antes de una sesión clínica o una formación. Es un gestor de notas potenciado por IA, no un buscador.

Un flujo de trabajo razonable

1. Delimita bien la pregunta clínica (formato PICO si el caso lo permite).
2. Haz una primera búsqueda amplia con Consensus o Scholar Labs para hacerte una idea del panorama.
3. Verifica cada estudio relevante en su fuente original: diseño, tamaño de muestra, posibles conflictos de interés, si ha sido retractado.
4. Organiza lo que vayas a usar de verdad en NotebookLM u otra herramienta de notas.

Vamos a ser claras: el Reglamento (UE) 2024/1689 de Inteligencia Artificial (conocido como AI Act) no es una recomendación de buenas prácticas. Es una ley europea, con sanciones económicas graves y con implicaciones directas sobre tu responsabilidad profesional si trabajas con IA en un contexto clínico. Si tu centro o tú usáis IA con pacientes sin cumplirlo, no es solo un problema de "papeleo": es un problema legal y de seguridad del paciente al mismo tiempo.

La clasificación por riesgo

El Reglamento clasifica los sistemas de IA según su riesgo. Esto es lo que necesitas grabarte:

El calendario real, a fecha de hoy

El calendario de aplicación se ha movido varias veces, así que vamos con lo que está en vigor de verdad a día de hoy, y lo que se ha aplazado:

Este calendario puede seguir cambiando: consulta siempre la fuente oficial de la Comisión Europea o al responsable de calidad/compliance de tu centro antes de tomar decisiones basadas solo en esta guía. Esto no es asesoramiento legal, es una guía de orientación para profesionales.

Los datos de salud son una categoría especial de datos según el artículo 9 del RGPD. Eso significa un nivel de protección reforzado, con una base legal específica para poder tratarlos, muy por encima de lo que exige un dato personal cualquiera.

• Nunca subas datos identificables de un paciente —nombre, número de historia, imagen, fecha de nacimiento— a una herramienta de IA generalista que no esté aprobada por tu centro para ese uso.
• Anonimiza o seudonimiza siempre que necesites usar un caso real como ejemplo de consulta, formación o documentación.
• Comprueba dónde se procesan los datos y si la herramienta los usa para entrenar futuros modelos; muchas permiten desactivarlo, y tu centro debería tenerlo desactivado por defecto.
• Una evaluación de impacto (EIPD/DPIA) puede ser obligatoria antes de implantar una herramienta de IA que trate datos de salud a nivel de servicio o de centro; esa decisión no es individual, es del centro y de su Delegado de Protección de Datos.

Sobre las marcas de agua de Claude

Desde agosto de 2026, y como parte de las obligaciones de transparencia del artículo 50 del Reglamento de IA, Claude incorpora una marca de agua invisible en los textos que procesa. Es una señal legible solo por sistemas automáticos, no una prueba médico-legal: indica que un texto pudo pasar por la herramienta, pero no certifica ni su exactitud ni su autoría completa. No sustituye tu propia verificación clínica de ningún dato.

Ninguna herramienta de IA, por certificada que esté, asume responsabilidad clínica. La responsabilidad legal y deontológica de una decisión sobre un paciente sigue recayendo en el profesional que la toma, no en el algoritmo que la sugirió.

Esto tiene además una dimensión de consentimiento informado: si vas a apoyarte en un sistema de IA para una decisión relevante sobre un paciente, tu centro debería tener protocolizado si es necesario informarlo, igual que se informa de cualquier otro elemento relevante del proceso asistencial.

La regla número uno, antes que cualquier técnica de redacción: nunca incluyas datos identificables de un paciente real en el prompt de una herramienta generalista. Dicho esto, tres elementos mejoran cualquier consulta:

1. Contexto: tu rol, el servicio, el nivel de la persona que va a leer la respuesta.
2. Tarea concreta: qué necesitas exactamente, con un verbo claro.
3. Petición de fuentes: pide que indique en qué tipo de evidencia se basa, para poder verificarla tú después.

• La herramienta que uso está aprobada por mi centro para este uso concreto.
• No he introducido ningún dato identificable de un paciente.
• He verificado el resultado con una fuente clínica oficial antes de aplicarlo.
• Podría explicar esta decisión sin recurrir a "lo dijo la IA".
• Sé a quién avisar en mi centro si detecto un fallo relevante de la herramienta.

Alucinación

Información falsa o inventada que una IA genera con apariencia de certeza total.

Gemelo digital

Réplica virtual de un órgano, paciente o proceso, construida con datos reales y usada para simular antes de actuar.

Alto riesgo (AI Act)

Categoría del Reglamento de IA que incluye la mayoría de la IA clínica: diagnóstico, triaje, tratamiento o monitorización.

RGPD

Reglamento General de Protección de Datos de la UE; regula el tratamiento de datos personales, con protección reforzada para los datos de salud.

Datos de categoría especial

Datos personales, como los de salud, que requieren una base legal reforzada para poder tratarse (art. 9 RGPD).

DPIA / EIPD

Evaluación de impacto en la protección de datos, obligatoria antes de ciertos tratamientos de datos de alto riesgo.

Marcado CE

Certificación que acredita que un producto sanitario (incluida una IA con fines clínicos) cumple la normativa europea de seguridad.

Sesgo de automatización

Tendencia humana a confiar en exceso en una sugerencia automática, incluso frente al propio criterio profesional.

El calendario del Reglamento de IA se seguirá moviendo, las herramientas cambiarán, y en unos años esta guía estará parcialmente desactualizada. Lo que no va a cambiar es el principio de fondo: la IA puede acelerar tu trabajo, pero la responsabilidad clínica, legal y ética sigue siendo tuya, con o sin algoritmo de por medio.