Inteligencia artificial en hospitales públicos de Madrid para detectar antes el cáncer de próstata y de mama
¡Ojo con esto! No estamos hablando de una noticia tecnológica más, de esas que suenan muy bien durante dos días y luego se pierden en el ruido. Estamos hablando de inteligencia artificial entrando en hospitales públicos para apoyar el diagnóstico del cáncer de próstata y de mama. Y aquí la razón para que sigas leyendo es muy clara: si esta tecnología funciona como promete, puede ayudar a detectar antes, leer mejor las pruebas, reducir esperas y dar más tiempo a los médicos para hacer lo que de verdad importa, que es cuidar al paciente. Esto conecta directamente con la inteligencia artificial, con las aplicaciones prácticas de IA, con las herramientas de inteligencia artificial, con la IA en el sector salud, con la IA y productividad laboral, con los ejemplos de inteligencia artificial en la actualidad y con algo que cada vez nos vamos a preguntar más: cómo prepararse para un mundo con IA sin perder el criterio humano por el camino.
La Comunidad de Madrid ha empezado a implantar herramientas de inteligencia artificial en varios hospitales públicos para ayudar a los radiólogos en el análisis de resonancias magnéticas y mamografías. Y aquí hay que decirlo con calma, pero también con claridad: la clave no es sustituir al médico. No va de poner una máquina en una consulta y decirle al paciente “ahora te atiende un algoritmo”. No. Va de darle al profesional sanitario una segunda lectura más rápida, más objetiva y más constante.
Y es que esta diferencia es fundamental. Porque cuando hablamos de inteligencia artificial en sanidad, mucha gente se va a los extremos. Unos piensan que la IA lo va a curar todo. Otros piensan que va a deshumanizarlo todo. Y como casi siempre, la realidad interesante está en medio. La IA puede ser una herramienta brutal si se usa bien, si se valida, si se supervisa y si se coloca en su sitio. Pero si se vende como magia, como sustituto del médico o como una solución automática para un problema tan delicado como el cáncer, entonces estamos metiendo la pata.
En este caso, el proyecto madrileño se centra en dos áreas muy concretas: el cáncer de próstata y el cáncer de mama. Dos enfermedades donde el tiempo importa, la precisión importa y el seguimiento importa muchísimo. Porque una lesión detectada antes puede cambiar el camino. Una comparación mejor hecha puede evitar dudas. Una medición más consistente puede ayudar a decidir si algo está creciendo, si está estable o si responde a un tratamiento.
La iniciativa está impulsada por la Consejería de Digitalización junto con la Consejería de Sanidad, y pretende agilizar y aumentar la precisión en los diagnósticos de pacientes con sospecha de cáncer de próstata o de mama. Además, también busca mejorar el seguimiento cuando la enfermedad ya ha sido detectada. Es decir, no hablamos solo de encontrar antes una señal sospechosa. Hablamos también de acompañar mejor la evolución clínica de una persona que ya está dentro del sistema.
La inteligencia artificial como copiloto del radiólogo, no como piloto automático
Vamos a aterrizarlo. Porque decir “la IA ayudará al diagnóstico” suena muy bien, pero se queda corto. ¿Qué significa en la práctica? Significa que el sistema puede analizar imágenes médicas, segmentar órganos, medir nódulos, localizar lesiones sospechosas o comparar pruebas anteriores de un mismo paciente. Dicho en palabras normales: puede hacer parte del trabajo pesado, repetitivo y milimétrico que hoy consume mucho tiempo en los servicios de imagen médica.
Y aquí viene lo importante: ese trabajo no es menor. A veces imaginamos que el diagnóstico por imagen es mirar una pantalla, ver una mancha y ya está. Pero no funciona así. Hay que comparar, medir, revisar, interpretar, ver si una zona ha cambiado, si una lesión tiene un comportamiento sospechoso, si una imagen actual encaja con el historial previo, si hay señales pequeñas que conviene vigilar. Y cuando tienes una carga asistencial enorme, cualquier apoyo que mejore la consistencia puede ser muy valioso.
Ahora bien, no confundamos apoyo con sustitución. La IA no conoce al paciente como lo conoce un equipo médico. No entiende por sí sola el contexto clínico completo. No habla con la persona. No escucha sus síntomas. No incorpora del mismo modo sus antecedentes, su situación emocional, sus tratamientos previos o sus preferencias. La IA ve patrones en datos. El médico ve datos, pero también ve personas. Y esa diferencia no se puede borrar con una presentación bonita.
Por eso nos gusta hablar de copiloto. Porque un copiloto ayuda, revisa, avisa, acompaña y puede aumentar la seguridad. Pero no toma el control absoluto del vuelo. En sanidad, ese matiz no es un detalle. Es la línea que separa una innovación útil de una irresponsabilidad.
Aplicaciones prácticas de IA en resonancias magnéticas para cáncer de próstata
En el cáncer de próstata, la herramienta se utilizará para apoyar al radiólogo en la interpretación de resonancias magnéticas. Según la información publicada por la Comunidad de Madrid, estos sistemas podrán analizar de forma conjunta el histórico de pruebas de imagen de cada paciente y ofrecer en segundos una valoración objetiva de la evolución del tumor.
Esto, dicho así, parece técnico. Pero imagínate tú el valor real. Una persona se hace una resonancia. Tiene pruebas anteriores. Hay que ver si una lesión ha cambiado. Hay que comparar tamaños, zonas, señales, posibles alteraciones. Hay que hacerlo con precisión, porque una diferencia pequeña puede tener importancia clínica. Y ahí la IA puede funcionar como una memoria visual tremendamente rápida, capaz de poner delante del especialista información ordenada y comparable.
No estamos diciendo que sea infalible. Ninguna tecnología lo es. Pero sí puede reducir parte del margen de error asociado a comparativas manuales. Y sobre todo puede liberar tiempo. Porque si el sistema automatiza tareas mecánicas, el especialista puede dedicar más energía a interpretar el caso completo, a revisar lo relevante y a tomar mejores decisiones.
Ese es el punto que muchas veces se nos escapa cuando hablamos de IA. No se trata solo de que una máquina haga algo rápido. Se trata de qué puede hacer mejor el profesional cuando deja de perder tiempo en tareas repetitivas. En la medicina pública, ese tiempo recuperado puede ser oro.
Herramientas de inteligencia artificial en mamografías 2D y tomosíntesis 3D
En el caso del cáncer de mama, el proyecto se centra en sistemas de IA aplicados a la lectura de mamografías en 2D y tomosíntesis mamaria en 3D. Estas herramientas pueden identificar lesiones sospechosas y asignar puntuaciones automáticas de anormalidad, es decir, una estimación de la probabilidad de malignidad.
Y aquí hay que parar un segundo. Porque el cribado de cáncer de mama no es una prueba aislada sin más. Es un sistema que examina a muchas mujeres, muchas de ellas sanas, precisamente para encontrar señales tempranas antes de que el problema dé la cara. Eso exige rapidez, sí, pero también una precisión enorme.
Si el sistema se queda corto, se pueden escapar lesiones. Si se pasa de prudente, puede generar pruebas adicionales, ansiedad, citas, biopsias innecesarias y más presión asistencial. Por eso la IA en mamografía no puede venderse solo como velocidad. La velocidad importa, claro que sí. Pero el verdadero reto es el equilibrio: detectar mejor sin disparar falsas alarmas.
La tomosíntesis 3D añade más información que una mamografía convencional, pero también puede implicar más volumen de lectura para el radiólogo. Y ahí la IA puede ayudar a priorizar estudios, señalar zonas sospechosas y reducir tiempos de revisión. Zas, justo ahí aparece el valor real: no en hacer marketing con la palabra “algoritmo”, sino en mejorar un proceso clínico que ya existe y que necesita ser más rápido, más consistente y más sostenible.
La tomosíntesis mamaria es una evolución de la mamografía tradicional. En lugar de ofrecer una única imagen plana, toma varias imágenes de la mama desde distintos ángulos y las reconstruye en cortes muy finos, lo que permite al radiólogo analizar el tejido con más detalle. Esto ayuda a reducir la superposición de estructuras, mejora la detección de lesiones pequeñas y resulta especialmente útil en mujeres con mamas densas. En este contexto, la inteligencia artificial puede servir como apoyo adicional para revisar estas imágenes y señalar posibles zonas sospechosas.
Primero probar, luego extender: así debería entrar la IA en salud
Los profesionales sanitarios testearán estas tecnologías durante los próximos meses en casos ya diagnosticados para comprobar su efectividad y exactitud. Y esto nos parece clave. Porque en sanidad no vale con decir “la herramienta funciona muy bien en una demo”. No. Tiene que funcionar en un hospital real, con pacientes reales, historiales reales, equipos reales y profesionales que ya van al límite en muchos servicios.
Una cosa es que una IA dé buenos resultados en un entorno controlado y otra muy distinta es que encaje en el flujo de trabajo de un hospital público. Ahí aparecen detalles que no siempre salen en los titulares: integración con los sistemas de imagen, compatibilidad con historiales clínicos, formación del personal, tiempos de carga, protocolos, responsabilidad médica, protección de datos, sesgos, auditorías y evaluación continua.
Por eso tiene sentido empezar con casos ya diagnosticados. Así se puede comparar lo que propone el sistema con lo que ya se sabe. Se puede medir si acierta, dónde falla, qué aporta, qué confunde, qué casos interpreta peor y qué ajustes hacen falta antes de usarlo de forma más amplia.
Y esto, aunque suene menos espectacular, es lo serio. La medicina no puede permitirse experimentos improvisados. Mucho menos en cáncer. La innovación sanitaria tiene que pasar por una prueba de realidad. Y si la pasa, entonces sí, se puede extender.
IA en el sector salud con validación clínica y supervisión humana
Nosotros creemos que aquí está una de las grandes conversaciones de los próximos años: no si habrá IA en el sector salud, porque ya la hay y va a haber más, sino cómo se valida, quién la supervisa y qué garantías recibe el paciente. Porque no todo lo que lleva la etiqueta de inteligencia artificial sirve. Hay herramientas que pueden aportar muchísimo y otras que son humo con una interfaz bonita.
La diferencia está en la evidencia. En los datos. En la validación clínica. En la transparencia. En cómo se integra dentro del trabajo médico. En si mejora resultados o simplemente añade otra pantalla más a un profesional que ya tiene demasiadas pantallas.
Y ojo, porque esto es muy importante: una herramienta puede ser técnicamente impresionante y clínicamente poco útil. Puede detectar patrones, pero no encajar en el flujo del hospital. Puede prometer eficiencia, pero terminar generando más revisiones. Puede ser muy buena en un tipo de población y fallar en otra si los datos con los que fue entrenada no representan bien la diversidad real de pacientes.
Por eso la supervisión humana no es un adorno. Es una condición. La IA debe ayudar al médico, no presionarlo. Debe aportar una segunda lectura, no imponer una decisión. Debe reducir incertidumbre, no crear una dependencia ciega.
El contexto importa: España se enfrenta a más diagnósticos de cáncer
Este proyecto no aparece en el vacío. España se enfrenta a una carga creciente de cáncer. La Sociedad Española de Oncología Médica publicó el informe “Las cifras del cáncer en España 2026”, elaborado con estimaciones de la Red Española de Registros de Cáncer. REDECAN estima 301.884 nuevos casos de cáncer en España en 2026. Además, sitúa el cáncer de mama entre los más frecuentes en mujeres, con 38.318 casos estimados, y el cáncer de próstata como el más frecuente en hombres, con 34.833 casos estimados.
Con estos números encima de la mesa, cualquier mejora razonable en diagnóstico, lectura de pruebas, seguimiento y organización asistencial puede tener un impacto enorme. No porque la IA vaya a curar por sí sola. Eso sería una barbaridad decirlo. Sino porque puede ayudar a que el sistema llegue antes, ordene mejor la información y libere tiempo profesional.
Y esto último no es menor. En la sanidad pública, el tiempo del médico es uno de los recursos más valiosos. Si una herramienta reduce tareas mecánicas, automatiza mediciones y presenta información clínica de forma más clara, el beneficio no está solo en la máquina. Está en lo que el profesional puede hacer con ese tiempo recuperado.
Porque al final no queremos médicos mirando más pantallas. Queremos médicos con mejores herramientas para decidir mejor. Queremos informes más consistentes. Queremos pruebas leídas a tiempo. Queremos pacientes que no tengan que esperar más de lo necesario para saber qué está pasando.
Ejemplos de inteligencia artificial en la actualidad que sí pueden tocar la vida real
Cuando hablamos de ejemplos de inteligencia artificial en la actualidad, muchas veces pensamos en chatbots, generación de imágenes, automatización de textos o herramientas para crear presentaciones. Todo eso está muy bien. Pero la IA importante de verdad, la que puede cambiar vidas de forma silenciosa, muchas veces no sale en vídeos virales. Está en un hospital, en un laboratorio, en una prueba de imagen, en una unidad de diagnóstico, en un sistema que ayuda a priorizar un caso sospechoso.
Y ahí es donde esta noticia tiene interés. Porque no estamos ante una IA pensada para entretenernos o para ahorrarnos cinco minutos escribiendo un correo. Estamos ante inteligencia artificial aplicada a una zona sensible: el diagnóstico temprano y el seguimiento del cáncer.
Eso exige otro nivel de responsabilidad. En marketing, si una IA se equivoca, puedes corregir una campaña. En atención al cliente, si un chatbot responde mal, puedes escalar a un humano. En salud, si una herramienta falla, las consecuencias pueden ser mucho más serias. Por eso necesitamos menos fuegos artificiales y más evaluación rigurosa.
Y aun así, dicho todo eso, sería absurdo negar el potencial. Porque cuando una IA está bien entrenada, bien integrada y bien supervisada, puede ayudar a ver patrones, comparar imágenes y detectar señales que conviene revisar. No como sustituto del criterio clínico, sino como refuerzo.
Lo que puede cambiar para el paciente
Para el paciente, todo esto puede sonar demasiado técnico: segmentación de órganos, puntuación de anormalidad, tomosíntesis, resonancia magnética, histórico de pruebas de imagen. Pero detrás de esas palabras hay algo muy humano.
Hay una persona esperando un resultado. Hay una familia pendiente de una llamada. Hay una sospecha que puede quedarse en susto o convertirse en diagnóstico. Hay tratamientos que funcionan mejor cuando llegan antes. Hay revisiones en las que saber si una lesión ha crecido, se ha reducido o sigue igual puede cambiar la estrategia completa.
Si la inteligencia artificial ayuda a acortar esa espera, bienvenida sea. Si ayuda a que el informe sea más consistente, bienvenida sea. Si ayuda a que el radiólogo tenga una segunda lectura objetiva, bienvenida sea. Pero siempre con una condición: que la tecnología esté al servicio del paciente y del médico, no al revés.
Porque el peligro sería organizar la sanidad alrededor de la herramienta. Y tiene que ser justo lo contrario. La herramienta tiene que adaptarse a la sanidad, a sus necesidades, a sus límites, a sus profesionales y, sobre todo, a sus pacientes.
IA y productividad laboral en hospitales públicos sin deshumanizar la atención
La productividad laboral en un hospital no puede entenderse igual que en una oficina cualquiera. Aquí no se trata de producir más informes como quien produce más documentos. Se trata de usar mejor el tiempo clínico para que el paciente reciba una respuesta mejor y más rápida.
Y ahí la IA puede tener un papel interesante. Puede ayudar a filtrar, priorizar, medir y comparar. Puede reducir tareas repetitivas. Puede evitar que el profesional tenga que dedicar energía a procesos que una máquina puede hacer de forma constante. Pero eso no significa convertir al médico en supervisor pasivo de una pantalla.
La buena IA sanitaria debería hacer justo lo contrario: devolver al profesional parte del tiempo que hoy se pierde en trabajo mecánico. Tiempo para interpretar. Tiempo para coordinarse con otros especialistas. Tiempo para explicar mejor. Tiempo para pensar. Tiempo para mirar el caso completo.
Porque una sanidad más eficiente no debería ser una sanidad más fría. Debería ser una sanidad donde la tecnología absorbe parte de la carga repetitiva para que el humano pueda estar más presente donde de verdad importa.
El riesgo de vender demasiada esperanza
Ahora bien, conviene no pasarse de entusiasmo. Cada vez que aparece una tecnología nueva en salud, especialmente si lleva la palabra inteligencia artificial, se corre el riesgo de prometer demasiado. Y en cáncer eso sería irresponsable.
La IA puede mejorar procesos, pero no elimina la necesidad de especialistas. Puede detectar patrones, pero no entiende a un paciente como lo entiende un equipo médico. Puede señalar una zona sospechosa, pero no conoce por sí sola el contexto clínico completo. Puede asignar una puntuación de riesgo, pero no debe convertirse en una sentencia automática.
Y es que hay una diferencia enorme entre “esta herramienta ayuda a detectar posibles lesiones” y “esta herramienta diagnostica cáncer”. Lo primero puede ser cierto si está validado. Lo segundo, dicho así, puede ser peligroso. Porque el diagnóstico médico es un proceso, no un clic.
Por eso hay que tener cuidado con el lenguaje. La IA no cura. La IA no acompaña emocionalmente. La IA no decide tratamientos. La IA no sustituye la conversación entre médico y paciente. La IA puede ayudar a leer mejor datos, organizar información y señalar patrones. Y eso ya es muchísimo si se hace bien.
Inteligencia artificial y privacidad de datos en una zona especialmente sensible
Hay otro tema que no podemos pasar por encima: la privacidad. Cuando hablamos de inteligencia artificial y privacidad de datos en salud, hablamos de información especialmente sensible. Pruebas médicas, diagnósticos, historiales, imágenes, evolución de enfermedades. No estamos hablando de preferencias de compra ni de qué vídeo viste ayer.
Por eso cualquier despliegue de IA en hospitales públicos debe ir acompañado de protección de datos, trazabilidad, control de accesos, auditorías y protocolos claros. El paciente tiene que saber que la innovación no se hace a costa de su intimidad.
Además, está el problema de los sesgos. Una IA aprende de datos. Y si esos datos no son representativos, puede funcionar peor en determinados grupos de pacientes. Esto no es teoría abstracta. Es una de las grandes discusiones globales sobre IA médica. Por eso no basta con decir “el algoritmo acierta mucho”. Hay que preguntar: ¿en quién acierta?, ¿en qué tipo de casos?, ¿con qué equipos de imagen?, ¿con qué población?, ¿con qué margen de error?
Ese tipo de preguntas no frenan la innovación. La hacen mejor. Porque una IA sanitaria confiable no es la que promete mucho, sino la que demuestra mucho.
La oportunidad social de probar IA en la sanidad pública
La entrada de estas herramientas en hospitales públicos tiene una dimensión social enorme. Muchas innovaciones médicas aparecen primero en entornos privados, proyectos muy concretos o centros con más capacidad de inversión. Que se prueben en la red pública significa que, si funcionan, pueden beneficiar a una población mucho más amplia.
Y esto importa. Porque la detección precoz no debería depender de quién puede pagar una prueba más sofisticada. La medicina de precisión no debería convertirse en un lujo. Si la inteligencia artificial tiene sentido en salud, tiene que demostrarlo precisamente aquí: ayudando a que el sistema público sea más rápido, más justo y más eficiente.
Eso sí, el despliegue debe hacerse con transparencia. Sería bueno conocer qué herramientas se usan, qué métricas se van a evaluar, qué resultados se obtienen, qué errores aparecen, cómo se corrigen y cómo se garantiza que el profesional mantiene siempre el control clínico.
Porque la confianza no se construye con titulares. Se construye mostrando resultados, reconociendo límites y explicando bien cómo se usa la tecnología.
Inteligencia artificial en español para explicar mejor la medicina que viene
También hay una parte comunicativa que nos parece importante. Necesitamos hablar de inteligencia artificial en español de una forma que la gente entienda. Sin humo. Sin tecnicismos innecesarios. Sin vender miedo, pero tampoco fantasías.
Porque si al paciente le decimos “un sistema algorítmico de análisis avanzado mediante modelos de detección asistida asignará puntuaciones de anormalidad sobre tomosíntesis mamaria”, probablemente desconecte. Pero si le decimos “una herramienta ayudará al radiólogo a revisar la prueba con una segunda lectura y siempre será el médico quien supervise”, entonces la conversación cambia.
La IA sanitaria necesita pedagogía. Necesita explicar qué hace y qué no hace. Necesita dejar claro que no reemplaza al médico. Necesita decir cuándo ayuda, dónde puede fallar y por qué se está probando primero antes de extenderse.
Y esto es clave para evitar dos errores: el rechazo automático por miedo y la aceptación ciega por fascinación. Ninguno de los dos nos sirve.
El dato no cura, pero ayuda a decidir mejor
Hay una frase que deberíamos tener siempre presente: el dato no cura. Lo que cura es el tratamiento adecuado, indicado por profesionales, en el momento correcto y con seguimiento clínico. Pero sin buenos datos, las decisiones son más difíciles.
La IA trabaja precisamente ahí. No sustituye la medicina, pero puede mejorar la lectura de datos médicos. En imagen diagnóstica, donde cada píxel puede importar, estos sistemas pueden detectar patrones, revisar comparaciones y mantener una constancia que al ojo humano le resulta difícil sostener cuando hay cientos de estudios acumulados.
Pero cuidado. Para que eso funcione de verdad hace falta mucho más que comprar software. Hace falta integración con los sistemas hospitalarios, formación de profesionales, protocolos claros, auditorías, control de sesgos, protección de datos y evaluación continuada.
La IA sanitaria no es instalar una aplicación y ya está. Es cambiar una parte del flujo clínico sin romper lo que ya funciona. Es introducir una ayuda nueva sin crear dependencia. Es mejorar la precisión sin aumentar ruido. Es acelerar procesos sin precipitar decisiones.
Cómo prepararse para un mundo con IA también desde la sanidad
Cuando hablamos de cómo prepararse para un mundo con IA, muchas veces pensamos en empresas, empleos, educación o productividad. Pero la sanidad también tiene que prepararse. Y no solo comprando herramientas. Prepararse significa formar a los profesionales, actualizar protocolos, explicar a los pacientes, medir resultados y crear una cultura de uso responsable.
El médico del futuro no tendrá que saber programar necesariamente, pero sí tendrá que entender cómo se comportan estas herramientas, qué significan sus resultados, cuándo confiar en ellas y cuándo cuestionarlas. Porque usar IA sin criterio puede ser tan peligroso como rechazarla sin entenderla.
Y el paciente también necesitará entender lo básico. Necesitará saber que una IA puede ayudar en la lectura de una prueba, pero que la decisión clínica sigue siendo humana. Necesitará saber que una puntuación de riesgo no es un diagnóstico definitivo. Necesitará saber que la tecnología puede aportar velocidad, pero que la prudencia médica sigue siendo imprescindible.
Esta alfabetización en IA no es un lujo. Va a ser parte de la medicina que viene.
La pregunta no es si habrá IA en los hospitales, sino cómo se usará
La inteligencia artificial ya está entrando en la medicina. La pregunta no es si llegará, porque ya llegó. La pregunta importante es cómo se va a usar, quién la va a supervisar, con qué criterios se va a evaluar y qué garantías tendrá el paciente.
En cáncer de próstata y de mama, Madrid está dando un paso relevante: probar IA en diagnóstico por imagen, medir su utilidad y, si responde, extenderla de forma progresiva. Es una buena dirección siempre que no confundamos velocidad con precipitación ni innovación con marketing.
Nosotros lo vemos así: la IA puede ser una herramienta extraordinaria si se coloca en el lugar correcto. No delante del médico, sino al lado. No por encima del criterio clínico, sino reforzándolo. No como una promesa grandilocuente, sino como algo mucho más concreto y útil: detectar antes, medir mejor, comparar con más precisión y ayudar a que el paciente reciba respuesta cuanto antes.
Porque al final, en salud, la tecnología solo importa si mejora una vida. Y en cáncer, mejorar una vida muchas veces empieza por llegar a tiempo.
Cómo lo vemos nosotros
Nosotros creemos que esta noticia hay que leerla con ilusión, sí, pero también con cabeza. La inteligencia artificial puede aportar muchísimo a la sanidad pública si se usa como apoyo clínico, si se valida bien, si respeta la privacidad del paciente y si no se convierte en una excusa para reducir el valor del profesional sanitario.
La parte positiva es evidente: una segunda lectura, más rapidez, más consistencia, mejor seguimiento y capacidad para priorizar casos sospechosos. La parte delicada también lo es: sesgos, errores, dependencia excesiva, falta de transparencia o promesas demasiado grandes. Y justo por eso el camino correcto no es ni bloquear la tecnología ni abrazarla sin preguntas. El camino correcto es probar, medir, corregir y desplegar solo aquello que demuestre valor real.
Si lo hacemos bien, la IA puede convertirse en una de esas herramientas silenciosas que no salen todos los días en portada, pero que ayudan a que un diagnóstico llegue antes, a que un informe sea más claro y a que un médico tenga más tiempo para pensar en la persona que tiene delante.
Y aquí volvemos al principio: la inteligencia artificial, está tocando hospitales, pruebas médicas, diagnósticos y decisiones clínicas. La pregunta incómoda es esta: ¿estamos preparados para exigir una IA sanitaria útil, transparente y humana, o vamos a conformarnos con que nos digan simplemente que es “innovadora”?
