Gleb Tsipursky, doctor y CEO de Disaster Avoidance Experts, relata una experiencia que ha sacudido su visión sobre la colaboración entre médicos e inteligencia artificial. Durante cinco días, una espasmos muscular en su pantorrilla izquierda parecía un simple calambre, pero el dolor creciente y la hinchazón indicaban algo más serio: una trombosis venosa profunda (TVP). Al acudir a su quiropráctico, el profesional trató el problema como un trastorno musculoesquelético, ignorando la posibilidad de un coágulo.

Cuando la situación empeoró, Tsipursky recurrió a un diagnóstico basado en IA desarrollado por un laboratorio de investigación en salud. La herramienta, que combina algoritmos de aprendizaje profundo con datos de imágenes de resonancia magnética y escáneres de ultrasonido, detectó patrones típicos de trombosis que habían pasado desapercibidos por el clínico. El resultado fue una alerta temprana que permitió iniciar tratamiento anticoagulante antes de que el coágulo se desplazara y causara una embolia pulmonar.

El caso de Tsipursky no es aislado; en los últimos años, la IA ha demostrado mejorar la precisión de diagnósticos en radiología, patología y cardiología. Un meta‑análisis publicado en *Nature Medicine* mostró que los sistemas de IA pueden superar a los radiólogos en la detección de lesiones malignas en mamografías, con una sensibilidad del 95% frente al 88% de los humanos. Sin embargo, la tecnología aún no reemplaza la experiencia clínica; la IA es una herramienta complementaria que amplía la capacidad de los profesionales para identificar condiciones que de otro modo podrían pasar desapercibidas.

La regulación de la IA en medicina sigue siendo un tema crítico. La FDA de EE. UU. y la EMA de la UE están trabajando en marcos que aseguren la seguridad y la eficacia de los sistemas de diagnóstico asistido por IA. Estas normativas no solo buscan proteger a los pacientes, sino también fomentar la innovación responsable. En España, la Ley de Salud Digital, en su última reforma, establece requisitos de trazabilidad y auditoría para los algoritmos que se integran en la práctica clínica.

Para los profesionales de la salud, la integración de la IA plantea desafíos y oportunidades. Por un lado, la sobrecarga de datos y la necesidad de interpretar resultados algoritmos pueden generar ansiedad. Por otro, la IA ofrece la posibilidad de personalizar tratamientos, reducir errores médicos y optimizar recursos. Según Tsipursky, la clave está en una colaboración efectiva: los médicos deben comprender las limitaciones de la IA y los desarrolladores deben diseñar interfaces que faciliten la interpretación clínica.

El caso también es un recordatorio de la importancia de la educación continua. Los médicos deben actualizarse no solo en medicina tradicional, sino también en competencias digitales. Instituciones académicas en América Latina, como la Universidad Nacional Autónoma de México y la Universidad de Buenos Aires, están incorporando módulos de inteligencia artificial en sus programas de medicina, preparando a la próxima generación de clínicos para un entorno donde la tecnología es parte integral del diagnóstico.

En conclusión, la experiencia de Tsipursky ilustra el potencial salvavidas de la IA en la medicina, pero también subraya la necesidad de regulación, educación y una relación simbiótica entre humanos y máquinas. El futuro de la salud es, sin duda, una alianza entre la experiencia clínica y la potencia analítica de la inteligencia artificial.