Durante décadas hemos discutido qué pueden hacer la tecnología por los médicos. Ahora debemos comenzar a preguntarnos qué puede llegar a hacer con la relación que mantenemos con nuestros pacientes. La irrupción de la IA generativa plantea una transformación que trasciende el diagnóstico, la predicción de enfermedades o la automatización de procesos asistenciales. Estamos ante una nueva tecnología capaz de intervenir en la comunicación clínica, condicionar decisiones, generar expectativas y simular algunas de las cualidades humanas sobre las que tradicionalmente se ha construido la confianza médica.
La cuestión fundamental ya no consiste exclusivamente en determinar hasta dónde puede llegar la capacidad de los algoritmos. Debemos preguntarnos hasta dónde estamos dispuestos a permitir que lleguen sin alterar los principios esenciales de nuestra profesión.
La medicina ha incorporado históricamente tecnologías que ampliaban nuestras capacidades diagnósticas y terapéuticas. Sin embargo, los nuevos sistemas de IA presentan una singularidad: no se limitan a proporcionarnos información, sino que pueden interpretarla, formular recomendaciones, participar en conversaciones y modificar las expectativas de médicos y pacientes. Por primera vez, una tecnología adquiere la apariencia de un interlocutor dentro de una relación que siempre habíamos concebido esencialmente entre personas.
La relación clínica como compromiso fiduciario
La relación médico-paciente no constituye una mera transacción de información ni una prestación técnica destinada a resolver problemas biológicos. Se fundamenta en una relación asimétrica en la que una persona enferma, condicionada por la enfermedad y su vulnerabilidad, deposita su confianza en otra que dispone del conocimiento y las competencias necesarias para ayudarla, como es el médico.
Esa asimetría encuentra su justificación ética en el deber fiduciario del médico: utilizar sus conocimientos exclusivamente en beneficio del paciente, respetando su dignidad, autonomía, privacidad y singularidad.
El profesor Luis E. Echarte, en su capítulo «Ficciones fiduciarias y relación médico-paciente en la era del aprendizaje automático», incluido en el Libro blanco de IA en Medicina del Colegio de Médicos de Málaga, desarrolla una reflexión particularmente relevante sobre las transformaciones que pueden experimentar estos fundamentos con la incorporación de sistemas inteligentes.
Su análisis permite comprender que la IA no representa simplemente una nueva herramienta clínica. Puede actuar simultáneamente sobre tres dimensiones de la asistencia: el juicio profesional, los instrumentos diagnósticos y terapéuticos, y el marco institucional que organiza nuestras decisiones. Esta capacidad introduce una cuestión de enorme trascendencia. Las tecnologías no son necesariamente neutrales respecto a los fines de las actividades en las que intervienen. También pueden modificar nuestra manera de interpretar la realidad.
Cuando un algoritmo convierte la complejidad de un paciente en una puntuación de riesgo, existe la tentación de identificar lo que resulta mensurable con aquello que verdaderamente importa. Cuando la eficiencia y la estandarización se convierten en criterios dominantes, otros valores esenciales, como la prudencia, la deliberación o la atención individualizada, pueden quedar progresivamente desplazados. Es lo que Echarte identifica como una deriva hacia la hiperobjetivación de la medicina, un proceso que puede intensificarse mediante la inteligencia artificial.
El peligro no reside únicamente en que la nueva tecnología pueda equivocarse, sino en que los médicos terminemos interpretando la realidad clínica exclusivamente a través de aquello que las máquinas son capaces de medir.
Cinco escenarios de transformación de la relación médico-paciente
Podemos identificar cinco escenarios que permiten comprender la magnitud de esta transformación y las oportunidades que ofrece.
El primero es la aparición del paciente algorítmicamente informado.
Durante mucho tiempo, el médico ha ocupado una posición privilegiada como intérprete del conocimiento científico. Internet comenzó a modificar esa situación, pero la IA introduce una diferencia cualitativa. El paciente ya no necesita buscar información y seleccionar documentos. Puede mantener conversaciones sobre sus síntomas, solicitar interpretaciones de resultados, comparar tratamientos o recibir hipótesis diagnósticas formuladas de manera aparentemente personalizada.
Esta circunstancia puede favorecer la alfabetización sanitaria, mejorar la preparación de las consultas y facilitar una participación más activa en las decisiones compartidas. Sin embargo, también puede incrementar la ansiedad, consolidar interpretaciones erróneas y generar una confianza desproporcionada en respuestas cuya fiabilidad depende del contexto y de la calidad del sistema utilizado.
La literatura científica continúa advirtiendo sobre el problema de las denominadas alucinaciones de los modelos generativos: respuestas incorrectas que conservan una apariencia de coherencia y credibilidad.
Ante este escenario, la autoridad profesional tendrá que sustentarse cada vez menos en la posesión exclusiva del conocimiento y más en nuestra capacidad para interpretarlo, contextualizarlo y aplicarlo a cada paciente.
El segundo escenario es la incorporación del copiloto inteligente a la consulta.
Los sistemas capaces de generar borradores de historias clínicas, resumir antecedentes, identificar interacciones farmacológicas o apoyar el razonamiento diagnóstico representan una oportunidad extraordinaria para reducir la carga administrativa y cognitiva de los profesionales.
Comenzamos a disponer de evidencias clínicas que permiten valorar sus resultados. Un ensayo aleatorizado publicado en NEJM AI en 2025, realizado con 238 médicos de 14 especialidades, evaluó dos sistemas de documentación clínica mediante inteligencia artificial. Uno de ellos consiguió reducir un 9,5 % el tiempo dedicado a la redacción de notas frente al grupo de control, mientras que el otro no mostró una reducción estadísticamente significativa. Los investigadores también observaron posibles mejoras en determinados indicadores de sobrecarga profesional, aunque señalaron la necesidad de estudios adicionales. Estos resultados invitan al optimismo, pero también a la prudencia. No todas las herramientas ofrecen los mismos beneficios ni la reducción del tiempo administrativo garantiza automáticamente una mejora de la relación asistencial.
Aquí aparece una decisión organizativa esencial. El tiempo recuperado gracias a la inteligencia artificial puede utilizarse para escuchar mejor al paciente o, simplemente, para aumentar la actividad asistencial. La diferencia no dependerá de la capacidad del algoritmo, sino de las prioridades del sistema sanitario.
Existe, además, el riesgo del sesgo de automatización: la tendencia a aceptar recomendaciones tecnológicas por la confianza que inspira su aparente precisión. Si este comportamiento se consolida, podría favorecer una progresiva descualificación del profesional, debilitando capacidades que necesitan ejercitarse, como el razonamiento clínico independiente, la atención crítica y la deliberación.
El tercer escenario es la continuidad algorítmica de la asistencia.
La inteligencia artificial permitirá extender determinadas funciones de información, orientación y seguimiento más allá de los límites temporales de la consulta.
Los pacientes con enfermedades crónicas podrán disponer de herramientas conversacionales capaces de explicar recomendaciones, recordar pautas terapéuticas, facilitar la comprensión de información sanitaria y ayudar a identificar situaciones que requieren valoración profesional.
Estas aplicaciones ofrecen posibilidades especialmente interesantes en accesibilidad, educación sanitaria y continuidad asistencial.
Pero también obligan a redefinir sus límites. Cuando un sistema conversa con un paciente fuera de la consulta, ¿está proporcionando información general, realizando una orientación sanitaria o interviniendo realmente en una decisión clínica?
La distinción no es meramente semántica. De ella dependen aspectos tan relevantes como la seguridad del paciente, la privacidad de sus datos y las obligaciones profesionales e institucionales que corresponden a cada intervención.
El cuarto escenario es la aparición de la empatía algorítmica.
Nos encontramos probablemente ante uno de los desafíos más complejos desde la perspectiva ética. Los modelos conversacionales pueden utilizar un lenguaje emocionalmente adecuado, reconocer expresiones de sufrimiento y elaborar respuestas que transmiten comprensión, cercanía y acompañamiento.
Un estudio publicado en JAMA Internal Medicine en 2023 comparó respuestas de médicos y de un sistema conversacional a preguntas formuladas por pacientes en un foro público. Los evaluadores consideraron que las respuestas generadas por la inteligencia artificial presentaban, en aquel contexto experimental, mayores niveles de calidad y empatía percibida.
Es importante interpretar correctamente estos resultados. La investigación evaluaba respuestas escritas, no la calidad integral de una relación clínica real. Precisamente aquí adquiere especial relevancia el concepto de «ficciones fiduciarias» desarrollado por Echarte. Una IA puede producir expresiones lingüísticas que interpretamos como empáticas. Pero la eficacia comunicativa no equivale necesariamente a la reciprocidad moral que caracteriza una relación humana. Un sistema puede simular preocupación sin asumir personalmente las obligaciones que esa preocupación implica.
Esta diferencia resulta fundamental en ámbitos como la salud mental, los cuidados paliativos, la atención a personas mayores o las situaciones de soledad y vulnerabilidad. No debemos despreciar el beneficio que pueden proporcionar determinadas herramientas de acompañamiento. Pero tampoco deberíamos permitir que la simulación de un vínculo termine sustituyendo inadvertidamente las relaciones humanas que dan sentido al cuidado.
El quinto escenario es la fragmentación de la responsabilidad clínica.
La incorporación de algoritmos introduce nuevos actores en las decisiones asistenciales. A la relación tradicional entre médico y paciente se añade el sistema inteligente y, frecuentemente, la organización o empresa responsable de su diseño, implantación y actualización.
La relación bilateral puede convertirse así en una estructura triangular o incluso cuatripartita. Esta transformación plantea interrogantes relevantes. ¿Quién responde ante una recomendación incorrecta? ¿Qué responsabilidad corresponde al profesional que la acepta, a la institución que incorpora el sistema y al proveedor tecnológico? ¿Cómo garantizar que el paciente comprende el papel desempeñado por la inteligencia artificial en su proceso asistencial?
La respuesta exige mecanismos claros de gobernanza, trazabilidad y distribución de responsabilidades. La supervisión humana no puede quedar reducida a una formalidad administrativa ni convertirse en una fórmula para trasladar indiscriminadamente todos los riesgos al médico.
La responsabilidad profesional debe conservar su significado, pero las instituciones y los proveedores también han de asumir las obligaciones que les correspondan. La medicina del futuro puede ser tecnológicamente más compleja, pero no debería convertirse en una actividad moralmente más anónima.
De la innovación tecnológica a la gobernanza clínica
La Organización Mundial de la Salud ha insistido en la necesidad de desarrollar sistemas de inteligencia artificial sanitarios bajo principios de seguridad, transparencia, equidad, participación y supervisión apropiada.
Una revisión publicada en Nature en agosto de 2026 vuelve a situar la seguridad de los grandes modelos de lenguaje en el centro del debate, identificando vulnerabilidades y amenazas que deben evaluarse antes de su implantación generalizada en entornos asistenciales.
Estos planteamientos tienen consecuencias concretas para nuestra profesión. No basta con incorporar herramientas tecnológicamente avanzadas. Necesitamos verificar su validez en condiciones clínicas reales, conocer sus limitaciones, evaluar sus efectos sobre diferentes poblaciones y garantizar procedimientos de supervisión, auditoría y corrección.
La gobernanza de la IA debe ser también una responsabilidad clínica, no exclusivamente tecnológica o administrativa. Los médicos debemos participar en la selección, evaluación y seguimiento de los sistemas que utilizamos. Su diseño e implantación deben responder a necesidades asistenciales identificables y a resultados relevantes para los pacientes, no únicamente a indicadores de productividad. Igualmente, la formación profesional necesita una transformación profunda. La alfabetización en inteligencia artificial debe incluir conocimientos técnicos, pero también comprensión de sus límites epistemológicos, de los sesgos de automatización y de las consecuencias éticas de delegar decisiones.
Formar médicos competentes en IA no significa enseñarles exclusivamente a utilizar algoritmos. Significa también enseñarles a cuestionarlos, identificar sus errores y reconocer cuándo una decisión no debe delegarse.
En este nuevo escenario, las humanidades médicas, la bioética, la comunicación clínica y el razonamiento crítico adquieren una importancia renovada. Son precisamente las competencias que permitirán integrar sistemas cada vez más capaces sin empobrecer el ejercicio profesional.
Recuperar la centralidad del paciente
Existe una paradoja especialmente sugerente en esta transformación: la inteligencia artificial podría contribuir a rehumanizar una medicina que, durante las últimas décadas, ha sufrido una creciente burocratización y fragmentación asistencial.
Reducir tareas mecánicas, integrar información dispersa, facilitar la comunicación y mejorar el seguimiento puede devolver al profesional tiempo y capacidad para centrarse en las necesidades de cada enfermo.
Pero esta oportunidad no se materializará espontáneamente. Exige voluntad institucional, liderazgo profesional y una definición explícita de los objetivos que perseguimos.
La cuestión decisiva no consiste en determinar cuántas actividades clínicas podemos automatizar, sino cuáles debemos automatizar para mejorar realmente la atención sanitaria. La IA puede ayudarnos a conocer mejor las enfermedades. Incluso puede llegar a identificar patrones y asociaciones imposibles de reconocer mediante nuestras capacidades individuales. Pero el conocimiento de una enfermedad no equivale necesariamente a la comprensión de la experiencia personal de quien la padece.
En esa distancia entre el conocimiento científico y la experiencia humana continúa encontrándose una de las razones fundamentales de nuestra profesión. El futuro de la relación médico-paciente no debería plantearse como una competencia entre inteligencia humana y artificial. Debe construirse como una cooperación en la que el progreso tecnológico amplíe nuestras capacidades sin desplazar nuestra responsabilidad moral.
La gran oportunidad de la IA no consiste en sustituir la presencia del médico, sino en permitirle ejercer mejor aquello que justifica su existencia. El verdadero desafío no será conseguir que la nueva tecnología se parezca cada vez más a los médicos, sino evitar que los médicos terminemos comportándonos como máquinas.
---
Referencias bibliográficas:
1. Echarte Alonso LE. Ficciones fiduciarias y relación médico-paciente en la era del aprendizaje automático. En: Libro blanco de IA en Medicina. Colegio Oficial de Médicos de Málaga; 2026. pp. 150-213. https://commalaga.com/wp-content/uploads/2026/04/Libro-blanco-IA-26-comprimido.pdf
2. World Health Organization. Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models. Geneva: WHO; 2024. https://www.who.int/publications/i/item/9789240084759
3. Lukac PJ, et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025;2(12). https://doi.org/10.1056/aioa2501000
4. Ayers JW, et al. Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Intern Med. 2023;183(6):589-596. https://doi.org/10.1001/jamainternmed.2023.1838
5. Clusmann J, et al. Safety and security of large language models in healthcare. Nature. 2026;656:577-589. https://doi.org/10.1038/s41586-026-10687-1