Imagine esto: se ha sentido mal, por lo que llama al consultorio de su médico para hacer una cita. Para su sorpresa, lo programan para el día siguiente. En la cita, no te apresuran describiendo tus preocupaciones de salud; En cambio, tiene media hora completa para compartir sus síntomas y preocupaciones y los detalles exhaustivos de su historial de salud con alguien que escucha atentamente y hace preguntas de seguimiento reflexivas. Usted se va con un diagnóstico, un plan de tratamiento y la sensación de que, por una vez, ha podido discutir su salud con la atención que merece.
La captura? Es posible que no haya hablado con un médico u otro médico con licencia, en absoluto.
Esta es la nueva realidad para los pacientes en un pequeño número de clínicas en el sur de California que son administradas por la startup médica Akido Labs. Estos pacientes, algunos de los cuales están en Medicaid, pueden acceder a citas especializadas a corto plazo, un privilegio que generalmente solo se le otorga a los pocos ricos que patrocinan clínicas de conserjería.
La diferencia clave es que los pacientes con Akido pasan relativamente poco tiempo, o incluso sin tiempo, con sus médicos. En cambio, ven a un asistente médico, que puede prestar un oído comprensivo pero tiene una capacitación clínica limitada. El trabajo de formular diagnósticos y inventar un plan de tratamiento se realiza mediante un sistema propietario basado en LLM llamado Scopeai que transcribe y analiza el diálogo entre el paciente y el asistente. Luego, un médico aprueba o corrige las recomendaciones del sistema AI.
“Nuestro enfoque está realmente en lo que podemos hacer para sacar al médico de la visita”, dice Jared Goodner, Akido CFO.
Según Prashant Samant, CEO de Akido, este enfoque permite a los médicos ver de cuatro a cinco veces más pacientes que antes. Hay una buena razón para querer que los médicos sean mucho más productivos. Los estadounidenses están obteniendo más viejo y enfermo, y muchos luchan por acceder a la atención médica adecuada. La reducción pendiente del 15% en los fondos federales para Medicaid solo empeorará la situación.
Pero los expertos no están convencidos de que desplazar gran parte del trabajo cognitivo de la medicina a la IA es la forma correcta de remediar la escasez de médico. Hay una gran brecha en la experiencia entre los médicos y los asistentes médicos mejorados con AI, dice Emma Pierson, una científica informática de UC Berkeley. Saltar tal brecha puede introducir riesgos. “Estoy ampliamente entusiasmado con el potencial de la IA para expandir el acceso a la experiencia médica”, dice ella. “No es obvio para mí que esta manera particular sea la forma de hacerlo”.
La IA ya está en todas partes en medicina. Herramientas de visión por computadora Identificar los cánceres durante los escaneos preventivos, sistemas de investigación automatizados Permitir que los médicos ordenen rápidamente la literatura médica y Escribas médicas con alimentación de LLM Puede tomar notas de cita en nombre de un clínico. Pero estos sistemas están diseñados para apoyar a los médicos a medida que realizan sus rutinas médicas típicas.
Lo que distingue a Scopeai, dice Goodner, es su capacidad para completar independientemente las tareas cognitivas que constituyen una visita médica, desde provocar el historial médico de un paciente hasta presentar una lista de diagnósticos potenciales para identificar el diagnóstico más probable y proponer los próximos pasos apropiados.
Bajo el capó, Scopeai es un conjunto de modelos de idiomas grandes, cada uno de los cuales puede realizar un paso específico en la visita, desde la generación de preguntas de seguimiento apropiadas basadas en lo que un paciente ha dicho para poblar una lista de condiciones probables. En su mayor parte, estos LLM son versiones ajustadas de los modelos de llama de acceso abierto de Meta, aunque Goodner dice que el sistema también utiliza los modelos Claude de Anthrope.
Durante la cita, los asistentes leyeron preguntas de la interfaz Scopeai, y Scopeai produce nuevas preguntas mientras analiza lo que dice el paciente. Para los médicos que revisarán sus resultados más tarde, Scopeai produce una nota concisa que incluye un resumen de la visita del paciente, el diagnóstico más probable, dos o tres diagnósticos alternativos y los próximos pasos recomendados, como referencias o recetas. También enumera una justificación para cada diagnóstico y recomendación.
Scopeai se está utilizando actualmente en clínicas de cardiología, endocrinología y atención primaria y por el equipo de medicina callejera de Akido, que sirve a la población sin hogar de Los Ángeles. Ese equipo, que está dirigido por Steven Hochman, un médico que se especializa en medicina de adicciones, recupera a los pacientes en la comunidad para ayudarlos a acceder a la atención médica, incluido el tratamiento para los trastornos por uso de sustancias.
Anteriormente, para recetar un medicamento para tratar una adicción a los opioides, Hochman tendría que reunirse con el paciente en persona; Ahora, los trabajadores sociales armados con Scopeai pueden entrevistar a los pacientes por su cuenta, y Hochman puede aprobar o rechazar las recomendaciones del sistema más adelante. “Me permite estar en 10 lugares a la vez”, dice.
Desde que comenzaron a usar Scopeai, el equipo ha podido acceder a los pacientes a medicamentos para ayudar a tratar su uso de sustancias dentro de las 24 horas, algo que Hochman llama “inaudito”.
Este acuerdo solo es posible porque los pacientes sin hogar generalmente reciben su seguro de salud de Medicaid, el sistema de seguro público para estadounidenses de bajos ingresos. Si bien Medicaid permite a los médicos aprobar recetas de scopeai y planes de tratamiento de manera asincrónica, tanto para la medicina callejera como para las visitas clínicas, muchos otros proveedores de seguros requieren que los médicos hablen directamente con los pacientes antes de aprobar esas recomendaciones. Pierson dice que la discrepancia plantea preocupaciones. “Te preocupa esas exacerbantes disparidades de salud”, dice ella.
Samant es consciente de la apariencia de inequidad, y dice que la discrepancia no es intencional, es solo una característica de cómo funcionan actualmente los planes de seguro. También señala que ser visto rápidamente por un asistente médico mejorado con AI puede ser mejor que lidiar con los largos tiempos de espera y la disponibilidad limitada del proveedor, que es el status quo para los pacientes de Medicaid. Y todos los pacientes con Akido pueden optar por las citas de los médicos tradicionales, si están dispuestos a esperarlas, dice.
Parte del desafío de implementar una herramienta como Scopeai es navegar por un panorama regulatorio y de seguros que no fue diseñado para sistemas de IA que pueden dirigir de forma independiente las citas médicas. Glenn Cohen, profesor de la Facultad de Derecho de Harvard, dice que cualquier sistema de IA que actúe efectivamente como un “médico en una caja” probablemente necesitaría ser aprobado por la FDA y podría estar en conflicto con las leyes de licencia médica, lo que dicta que solo los médicos y otros profesionales con licencia puedan practicar la medicina.
La Ley de Práctica Médica de California dice que la IA no puede reemplazar la responsabilidad de un médico de diagnosticar y tratar a un paciente, pero a los médicos pueden usar IA en su trabajo, y no necesitan ver a los pacientes en persona o en tiempo real antes de diagnosticarlos. Ni la FDA ni la Junta Médica de California pudieron decir si Scopeai estaba o no en una base legal sólida basada solo en una descripción escrita del sistema.
Pero Samant confía en que Akido cumple, ya que Scopeai fue diseñado intencionalmente para no ser un “médico en una caja”. Debido a que el sistema requiere que un médico humano revise y apruebe todas sus recomendaciones de diagnóstico y tratamiento, dice, no requiere la aprobación de la FDA.
En la clínica, este delicado equilibrio entre la toma de decisiones de IA y el médico ocurre completamente detrás de escena. Los pacientes nunca ven la interfaz Scopeai directamente; en caso de que hablen con un asistente médico que hace preguntas de la manera en que un médico podría en una cita típica. Esa disposición puede hacer que los pacientes se sientan más cómodos. Pero Zeke Emanuel, profesor de ética médica y política de salud en la Universidad de Pensilvania que sirvió en las administraciones de Obama y Biden, se preocupa de que esta comodidad podría estar oscureciendo de los pacientes en el que un algoritmo está influyendo en su atención.
Pierson está de acuerdo. “Eso ciertamente no es realmente lo que tradicionalmente significaba el toque humano en la medicina”, dice ella.
DeAndre Siringoringo, un asistente médico que trabaja en la oficina de cardiología de Akido en Rancho Cucamonga, dice que si bien les dice a los pacientes con los que trabaja que un sistema de IA escuchará la cita para recopilar información para su médico, no les informa sobre los detalles de cómo trabaja Scopeai, incluido el hecho de que hace recomendaciones de diagnóstico a los médicos.
Debido a que todas las recomendaciones de Scopeai son revisadas por un médico, eso podría no parecer un gran problema: es el médico que hace el diagnóstico final, no la IA. Pero ha sido ampliamente documentado Que los médicos que usan sistemas de IA tienden a acompañar las recomendaciones del sistema con más frecuencia de lo que deberían, un fenómeno conocido como sesgo de automatización.
En este punto, es imposible saber si el sesgo de automatización está afectando las decisiones de los médicos en las clínicas Akido, aunque Pierson dice que es un riesgo, especialmente cuando los médicos no están físicamente presentes para las citas. “Me preocupa que pueda predisponerle a la cabeza de una manera que podría no si realmente estuviera en la sala viendo que esto sucediera”, dice ella.
Un portavoz de Akido dice que el sesgo de automatización es una preocupación válida para cualquier herramienta de IA que ayude a la toma de decisiones de un médico y que la compañía ha hecho esfuerzos para mitigar ese sesgo. “Diseñamos Scopeai específicamente para reducir el sesgo al contrarrestar proactivamente los puntos ciegos que pueden influir en las decisiones médicas, que históricamente se inclinan en gran medida en la intuición del médico y la experiencia personal”, dice. “También capacitamos a los médicos explícitamente sobre cómo usar Scopeai pensativamente, por lo que conservan la responsabilidad y evitan la excesiva dependencia”.
Akido evalúa el rendimiento de Scopeai al probarlo en datos históricos y monitorear con qué frecuencia los médicos corrigen sus recomendaciones; Esas correcciones también se utilizan para entrenar aún más los modelos subyacentes. Antes de implementar Scopeai en una especialidad dada, Akido asegura que cuando se pruebe en conjuntos de datos históricos, el sistema incluye el diagnóstico correcto en sus tres recomendaciones principales al menos el 92% del tiempo.
Pero Akido no ha realizado pruebas más rigurosas, como estudios que comparan citas scopeai con citas tradicionales en persona o telesalud, para determinar si el sistema mejora, o al menos mantiene, los resultados del paciente. Tal estudio podría ayudar a indicar si el sesgo de automatización es una preocupación significativa.
“Hacer que la atención médica sea más barata y más accesible es un objetivo loable”, dice Pierson. “Pero creo que es importante realizar evaluaciones fuertes en comparación con esa línea de base”.
Publicado Originalme en TechnologyReview.com el 22 de septiembre de 2025.
Ver Fuente Original
