Más de uno de cada cinco adultos en el mundo ya consulta sus síntomas a una inteligencia artificial antes de llamar al médico. ChatGPT, Gemini y plataformas similares reciben millones de preguntas de salud cada día. Mayo Clinic acaba de publicar una advertencia formal sobre los riesgos reales de esa práctica, y los datos que aporta merecen atención.
La trampa de la respuesta segura que puede estar equivocada
El problema central que documenta Mayo Clinic no es la lentitud ni la complejidad de estas herramientas. Es exactamente lo contrario: responden con una fluidez y una confianza que no siempre se corresponden con la precisión de la información.
Un estudio recogido por la institución ilustra el riesgo con un caso concreto. Dos personas describieron los mismos síntomas a una IA, pero utilizaron palabras distintas para hacerlo. Solo una recibió la recomendación correcta: acudir a urgencias. La otra no recibió esa advertencia. Esa diferencia, en un contexto médico real, puede tener consecuencias graves.
La IA no accede al historial clínico del paciente, no puede realizar una exploración física y no distingue entre información verificada y contenido incorrecto. Aprende por patrones estadísticos, y cuando esos patrones fallan, genera respuestas que suenan coherentes pero son erróneas.
El caso de las rocas y la mineralización: cuando el error se vuelve peligroso
Mayo Clinic documenta en su advertencia un ejemplo que resume bien el problema. Una inteligencia artificial recomendó a un usuario comer rocas como fuente de minerales. En ese caso concreto, el absurdo era evidente y el usuario podía identificar el error.
El peligro real aparece cuando el error no es tan obvio. Una dosis incorrecta de medicación, una señal de alarma ignorada, un síntoma interpretado como banal cuando no lo es: en esos escenarios, la respuesta incorrecta de una IA no genera ninguna señal de alerta en el usuario.
La arquitectura de los grandes modelos de lenguaje no incluye un mecanismo nativo de verificación clínica. El modelo genera la respuesta más probable según su entrenamiento, no la más segura según criterios médicos. Esa distinción es fundamental y con frecuencia invisible para quien hace la consulta.
Por qué uno de cada cinco adultos elige la IA antes que al médico
Las razones del uso masivo de IA para consultas de salud son comprensibles. Está disponible a cualquier hora, no requiere cita previa, no genera coste directo y responde en segundos. Para alguien que se despierta a las tres de la madrugada con un síntoma que le preocupa, la barrera de acceso es mínima.
Este fenómeno no es marginal. Más de uno de cada cinco adultos en el mundo ya recurre a estas herramientas para evaluar su estado de salud, según los datos que recoge Mayo Clinic en su análisis. La cifra refleja un cambio de comportamiento sanitario que se ha producido en muy poco tiempo y sin regulación específica.
El acceso desigual a la atención médica refuerza esta tendencia. En muchos países de renta media y baja, la IA es el único recurso disponible fuera del horario laboral o en zonas rurales sin cobertura sanitaria suficiente. El problema no es que la gente use estas herramientas: es que las usa sin conocer sus límites reales.
Lo que la IA no puede hacer aunque lo parezca
Existe una percepción extendida de que los modelos más avanzados, como ChatGPT o Gemini, tienen capacidades casi médicas. La interfaz conversacional, el vocabulario técnico y la aparente coherencia de las respuestas refuerzan esa percepción. Pero hay límites estructurales que ninguna actualización del modelo ha eliminado.
El primero es la ausencia de contexto clínico individual. Un médico evalúa síntomas en función del historial del paciente, su medicación actual, sus antecedentes familiares y su estado general. La IA trabaja únicamente con lo que el usuario escribe en ese momento.
El segundo límite es la incapacidad de exploración física. Muchos diagnósticos diferenciales dependen de signos que solo se detectan mediante auscultación, palpación o pruebas complementarias. Ningún modelo de lenguaje puede sustituir esa evaluación.
El contexto
El tercero, y quizás el más subestimado, es la variabilidad en la formulación de la pregunta. Como demuestra el estudio citado por Mayo Clinic, dos descripciones del mismo cuadro clínico pueden generar respuestas opuestas. Esa inconsistencia es inaceptable en un contexto donde la decisión puede afectar a la vida del paciente.
El nuevo equilibrio del sector: entre la utilidad y la responsabilidad
La advertencia de Mayo Clinic llega en un momento en que la industria tecnológica y el sector sanitario negocian los términos de una relación compleja. Las grandes plataformas de IA han incorporado advertencias genéricas que recomiendan consultar a un profesional médico, pero esas advertencias aparecen después de la respuesta, no antes.
Algunos sistemas hospitalarios en Estados Unidos ya trabajan con versiones adaptadas de modelos de lenguaje entrenados específicamente con datos clínicos supervisados. Estas herramientas operan bajo protocolos distintos a los de los asistentes de uso general y están diseñadas para apoyar al personal médico, no para sustituirlo.
La distinción entre IA de uso general e IA clínica validada es clave para entender el debate. Mayo Clinic, una de las instituciones médicas más reconocidas del mundo, no está cuestionando el uso de la inteligencia artificial en medicina. Está señalando los riesgos concretos de aplicar herramientas de propósito general a decisiones que requieren criterio clínico especializado.
Por qué importa
El sector asegurador y los reguladores sanitarios en varios países están comenzando a analizar la responsabilidad legal en casos donde una recomendación de IA haya influido en una decisión médica con consecuencias negativas. Es un debate que acaba de empezar y que no tiene respuestas simples.
Antecedentes: la IA médica lleva años prometiendo y tropezando
La historia de la inteligencia artificial aplicada a la medicina no empieza con ChatGPT. IBM Watson fue presentado hace más de una década como una herramienta capaz de transformar el diagnóstico oncológico. Los resultados reales no estuvieron a la altura de las expectativas, y varios hospitales que habían apostado por el sistema terminaron abandonándolo.
Esa experiencia dejó una lección importante: la complejidad clínica no se resuelve únicamente con capacidad computacional. Los modelos necesitan datos de calidad, validación rigurosa y supervisión médica continua para funcionar de forma fiable en entornos de salud.
Los modelos de lenguaje actuales son más versátiles y accesibles que Watson, pero no necesariamente más seguros para el uso médico autónomo. La diferencia es que ahora están en el bolsillo de cualquier persona con un teléfono móvil, sin ningún filtro de acceso ni advertencia previa al uso.
Por qué esto te importa si alguna vez has buscado síntomas en internet
Si alguna vez has escrito tus síntomas en un buscador o en un chat de IA, ya formas parte de esta estadística. El impulso es natural y la herramienta está ahí. La cuestión no es si usarla o no, sino saber exactamente qué puede y qué no puede darte.
Una IA puede ayudarte a organizar información, a entender términos médicos o a preparar preguntas para tu consulta. No puede decirte con fiabilidad si lo que sientes requiere atención urgente, porque esa evaluación depende de factores que la herramienta no conoce y no puede medir.
La advertencia de Mayo Clinic no pide que dejes de usar estas herramientas. Pide que las uses con el mismo criterio que aplicarías a cualquier fuente de información no verificada: como punto de partida, nunca como punto de llegada.
¿Sabes realmente dónde termina la utilidad de una IA y dónde empieza el riesgo cuando se trata de tu salud?
Imagen ilustrativa generada con inteligencia artificial.
Edición con asistencia de herramientas de IA bajo supervisión editorial. Cómo trabajamos.
IBERIA
IBERIA es la redacción de LaPrensaIA. Cubrimos la actualidad de la inteligencia artificial con criterio propio: tecnología, empresas y sociedad. Cada artículo es producido por agentes de IA y revisado por su editor humano.
