Cómo una paciente con cáncer metastásico usó IA para entender su diagnóstico y qué lecciones deja al diálogo médico-paciente

Un diagnóstico que obliga a buscar sentido

En 2024, Miriam González, una mujer murciana de 35 años, recibió un diagnóstico que cambió su vida: cáncer de mama metastásico en estadio cuatro. Su recorrido no empezó ahí: en 2021 había consultado por un sangrado y le dijeron que no había problema. Al conocer la extensión de la enfermedad, su primer impulso fue pensar que se trataba de una sentencia inmediata. Con el tiempo, y gracias a la información que fue recibiendo, su percepción cambió hacia una idea de cronicidad y manejo de la calidad de vida. Para poder tomar decisiones y participar activamente en su tratamiento, necesitó entender en detalle en qué terreno se movía.

Ese terreno era complejo: su tumor presentaba diferenciación neuroendocrina, un subtipo poco frecuente que no siempre aparece en las guías clínicas habituales. Ante esa rareza, la información estándar resultaba insuficiente y Miriam buscó herramientas que la ayudaran a ordenar la evidencia y traducir términos técnicos en decisiones concretas.

La IA como traductora y organizadora de la información

La primera herramienta a la que recurrió fue Perplexity, un buscador con capacidades de inteligencia artificial. Para Miriam, la IA funcionó como una “traductora de jerga” y un filtro que permitía reunir datos dispersos: artículos, series de casos y resultados de ensayos. No pretendía que la máquina reemplazara al médico, sino que le proporcionara un mapa de la evidencia que pudiera llevar a su equipo oncológico.

El uso de IA en estos contextos se ha popularizado. Una encuesta en Estados Unidos muestra que aproximadamente uno de cada cuatro estadounidenses consulta chatbots para asuntos de salud, ya sea para obtener respuestas rápidas, complementar información o investigar por su cuenta antes o después de una consulta médica. En algunos casos, sobre todo entre personas con ingresos bajos, la IA se usa como sustituto por barreras económicas al acceso a la atención: una parte de los usuarios con menores ingresos citó la imposibilidad de costear una visita médica como motivación para recurrir a chatbots.

Cuando la paciente y los médicos trabajan con IA

El caso de Miriam tiene una diferencia clave: ella trabajó de la mano con su equipo médico. Describe haber encontrado un equipo que realmente la incluía en las decisiones, que escuchaba la evidencia que ella aportaba y debatía junto a ella, no contra ella. Esa colaboración es central para convertir la información que aporta la IA en opciones terapéuticas útiles.

Desde la mirada clínica, también hay una aceptación cauta. Profesionales como Mark Succi han señalado que la IA suele resultar más efectiva en fases tardías y concretas del proceso diagnóstico, cuando el caso ya está parcialmente estructurado, y menos útil para generar un diagnóstico inicial en contextos de alta incertidumbre. Oriol Mirallas, oncólogo en la unidad de terapias experimentales del MD Anderson en Houston, observa que cada vez más pacientes llegan con páginas impresas de ChatGPT o listados de ensayos clínicos; lo razonable es que esa búsqueda se integre con la evaluación de un experto, pues indicar tratamientos óptimos es complicado y cambiante.

Método y intervención: de la recolección a la síntesis

Para profundizar en el caso, Miriam contactó a Javi López, un especialista en IA. La metodología que usaron muestra qué nivel de sofisticación es posible hoy:

• Emplearon modelos avanzados, en versiones potentes de servicios como ChatGPT Pro+ Extended y Claude Opus 4.6 MAX; según lo indicado, estas versiones de alto rendimiento tienen un costo asociado de alrededor de 200 euros al mes.
• Convirtieron el historial médico en un documento de texto unificado para que la IA tuviera toda la información disponible en contexto.
• Generaron un prompt extenso —elaborado también con la ayuda de IA— que pedía al modelo que actuara como un comité multidisciplinar de especialistas, con instrucciones muy detalladas sobre el enfoque a seguir.

Este enfoque ilustra dos ideas: primero, que la calidad de la interacción con la IA depende mucho de cómo se alimenta el sistema (datos estructurados, contexto clínico, preguntas precisas). Segundo, que herramientas potentes y costosas pueden ofrecer análisis más sofisticados, aunque no eximen de la necesidad de validación por profesionales humanos.

Riesgos y evidencias: ¿qué dicen los estudios?

No todo lo que generan los modelos de lenguaje es fiable. Un estudio reciente que analizó cinco modelos populares —incluyendo Gemini y ChatGPT— encontró que cerca de la mitad de la información que ofrecieron sobre temas de salud carecía de rigor científico. Esa imprecisión puede poner en riesgo la seguridad del paciente si se toma como consejo clínico sin supervisión.

Por eso, expertos en salud pública y médicos coinciden en un punto clave: la IA puede empoderar y educar al paciente, pero la responsabilidad clínica final debe recaer en profesionales formados. En lugar de desalentar el uso de estas herramientas, los médicos deberían abrir el diálogo, preguntar qué han consultado los pacientes y qué les ha respondido la IA, y orientarles sobre cómo interpretar esa información.

Lecciones prácticas para América Latina

Aunque gran parte de los datos citados provienen de estudios y casos en Estados Unidos o Europa, las lecciones son relevantes para América Latina. En la región existen barreras de acceso a especialistas, desigualdades en la cobertura sanitaria y limitaciones en la disponibilidad de pruebas diagnósticas avanzadas. En ese contexto, la IA puede convertirse en una herramienta de apoyo para pacientes que buscan entender su enfermedad, siempre que se use con criterio y acompañado por médicos.

Recomendaciones prácticas:

• Usar la IA para educarse y recopilar información, no como sustituto del diagnóstico profesional.
• Llevar a la consulta el material que se ha consultado y discutirlo abiertamente con el equipo médico.
• Si se emplean modelos avanzados o servicios pagos, entender sus limitaciones y verificar las fuentes que respaldan las afirmaciones.
• Favorecer la alfabetización digital en salud: fomentar que los profesionales enseñen a los pacientes cómo evaluar la calidad de la información que les ofrece un chatbot.

Mirada al futuro: colaboración y límites

El caso de Miriam pone en evidencia que la relación entre pacientes, IA e investigadores puede ser constructiva cuando existe comunicación y supervisión clínica. La tecnología no anula la necesidad del juicio humano; lo complementa. A medida que los modelos mejoren, será crucial desarrollar protocolos que integren estas herramientas en la práctica clínica de manera segura y equitativa, especialmente en entornos con recursos limitados.

Mientras tanto, el desafío para profesionales y tomadores de decisiones en América Latina es doble: facilitar el acceso responsable a estas tecnologías y mejorar la capacidad de los equipos de salud para interpretar y validar la información que los pacientes traen. Solo así la IA podrá cumplir su promesa de empoderar sin desproteger.