La Inteligencia Artificial que atiende pacientes de principio a fin como un médico de emergencias
La Inteligencia Artificial ya demostró que puede responder preguntas médicas complejas, interpretar estudios y hasta ayudar a los médicos en la búsqueda de diagnósticos. Pero, ¿y si pudiera hacer todo eso de forma autónoma, de principio a fin en una atención clínica real?
Ese es exactamente el salto que un grupo de investigadores decidió explorar en un estudio publicado en Nature, y el resultado tiene nombre: MIRA, un agente autónomo de IA médica que opera dentro de una historia clínica electrónica virtual y ejecuta flujos completos de atención en emergencias, desde la conversación inicial con el paciente hasta la decisión de internación.
De respuestas aisladas a decisiones clínicas completas
Durante mucho tiempo, el uso de IA en la medicina estuvo restringido a tareas puntuales. Los modelos de lenguaje de gran escala, los famosos LLMs, ya venían demostrando un desempeño impresionante en benchmarks médicos tradicionales, como preguntas de opción múltiple y escenarios de razonamiento diagnóstico. Además, diversas iniciativas mostraron la utilidad práctica de estos modelos en entornos hospitalarios reales, incluyendo su aplicación como herramientas de apoyo a la decisión para consulta de guías oncológicas, extracción y estructuración de datos a partir de notas clínicas no estructuradas y generación de códigos clínicos para fines de documentación y facturación.
¿Útil? Sí, sin duda. Pero todavía muy lejos de cómo funciona un médico de verdad en el día a día. En la práctica clínica, un profesional de la salud no solo responde preguntas: recopila información del paciente mediante anamnesis y examen físico, solicita estudios de laboratorio y de imagen, interpreta resultados, formula hipótesis diagnósticas, prescribe medicamentos, agenda procedimientos quirúrgicos y decide si el paciente necesita ser internado o puede ser dado de alta. Todo esto sucede dentro de un sistema integrado de historias clínicas electrónicas, los llamados EHRs, que deben seguir estándares como el FHIR para garantizar el intercambio consistente de información entre diferentes sistemas hospitalarios.
No existe una secuencia fija o predecible. Cada decisión depende de lo que vino antes, de lo que el paciente relató, de lo que los estudios indican y de cómo evoluciona el cuadro clínico minuto a minuto. Es un flujo continuo, dinámico y lleno de variables. Y es justamente ahí donde la mayoría de las soluciones de Inteligencia Artificial todavía tropieza. 😬
Los modelos tradicionales fueron entrenados para responder bien a preguntas específicas, pero no para navegar por un sistema de salud real, lidiar con datos incompletos, tomar la iniciativa o encadenar decisiones a lo largo de una atención completa. Las aplicaciones existentes, por más útiles que fueran, subutilizaban drásticamente el potencial más amplio de los LLMs y se quedaban cortas frente a las demandas multifacéticas de los flujos de trabajo clínicos, que exigen optimizar la precisión diagnóstica sin utilizar recursos médicos en exceso. Esa brecha entre lo que la IA sabe y lo que puede hacer de forma autónoma es exactamente el problema que la investigación sobre MIRA intentó resolver.
Lo que hace a MIRA diferente de todo lo que existía
Publicada en Nature en junio de 2026, la investigación sobre MIRA presenta algo que todavía no se había hecho de forma tan completa: un agente autónomo de IA médica capaz de conducir flujos clínicos enteros dentro de un entorno de historia clínica electrónica virtual estandarizado. El diferencial no está solo en la capacidad de generar respuestas precisas, sino en la habilidad de actuar de forma secuencial y contextualizada, interpretando el entorno, tomando decisiones y avanzando en la atención sin necesidad de que un humano dirija cada paso.
No es un chatbot que sugiere diagnósticos. Es un agente que actúa, que toma decisiones paso a paso, tal como lo haría un médico durante una atención de emergencia. La arquitectura de MIRA fue construida sobre modelos de lenguaje de gran escala, pero con una capa adicional de razonamiento clínico estructurado que permite al sistema navegar por historias clínicas electrónicas, conversar con un agente-paciente simulado, interpretar signos vitales, solicitar estudios de laboratorio, evaluar resultados y formular hipótesis diagnósticas con una lógica que sigue los mismos principios de la medicina basada en evidencia.
El sistema utiliza 11 herramientas diferentes con más de 85.000 opciones para solicitar e interpretar estudios de laboratorio, microbiológicos y de imagen, generar hipótesis diagnósticas y ejecutar planes de tratamiento, incluyendo agendamiento de procedimientos quirúrgicos, prescripción de medicamentos y organización de internaciones. Todo esto respetando el estándar FHIR y seis sistemas de codificación médica reconocidos internacionalmente: ICD, LOINC, ATC, NDC, RxNorm y SNOMED-CT.
Los números que impresionaron a la comunidad científica
Los resultados de las pruebas se realizaron con más de 574 casos reales extraídos de la base de datos MIMIC-IV, un repositorio público de historias clínicas electrónicas desidentificadas de aproximadamente 300.000 pacientes atendidos en el Beth Israel Deaconess Medical Center, en Boston, entre 2008 y 2019. Los casos abarcaron ocho diagnósticos diferentes en tres grandes áreas: cirugía, medicina interna y oncología.
Las condiciones evaluadas incluyeron apendicitis, colecistitis, diverticulitis, pancreatitis, neumonía, infección del tracto urinario, embolia pulmonar y cáncer de páncreas. Esta selección se hizo para reflejar tanto la alta demanda de síntomas que movilizan los departamentos de emergencias, como dolor abdominal con cerca de 13 millones de visitas anuales en EE.UU., tos con 5,97 millones y falta de aire con 5,89 millones, como la frecuencia de los propios diagnósticos.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
MIRA alcanzó una precisión diagnóstica promedio del 88,9% en los 574 casos evaluados. La mayor precisión se observó para apendicitis, con un 98,6% de acierto, seguida por pancreatitis con un 92,3%. Neumonía e infecciones del tracto urinario presentaron precisiones menores, con 72,4% y 77,6% respectivamente.
Pero la prueba más reveladora fue la comparación directa con médicos humanos. El desempeño de MIRA fue confrontado con dos grupos distintos de profesionales:
- Cuatro médicos especialistas certificados con 7 a 11 años de práctica clínica
- Un grupo mixto de seis médicos con diferentes niveles de experiencia, incluyendo cuatro residentes y dos especialistas certificados
En condiciones idénticas de evaluación, con acceso a la misma información y herramientas, MIRA alcanzó una precisión diagnóstica promedio del 87,8%, frente al 78,1% de los especialistas certificados y el 71,1% del grupo mixto. La diferencia fue estadísticamente significativa en ambas comparaciones. La mayor discrepancia apareció en los casos de pancreatitis, donde MIRA acertó el 95,2% de los diagnósticos, frente al 78,6% de los especialistas certificados y el 61,9% del grupo mixto. 🧠
Cómo MIRA piensa y actúa como un médico
Para entender por qué MIRA representa un avance tan significativo, es necesario comprender cómo operan en la práctica los agentes médicos basados en IA. A diferencia de un modelo de lenguaje que simplemente genera texto en respuesta a un prompt, un agente autónomo está diseñado para interactuar con herramientas externas, navegar por interfaces, consultar bases de datos y ejecutar acciones con base en lo que observa en el entorno.
El análisis de las trazas de acción de MIRA reveló que sigue un flujo de trabajo similar al de un médico, progresando de forma escalonada desde la presentación inicial en urgencias hasta la internación. El sistema avanza en el orden habitual de atención, partiendo de etapas menos invasivas como análisis de sangre hacia intervenciones más invasivas como procedimientos quirúrgicos.
En el caso de la apendicitis, por ejemplo, MIRA recopila el historial clínico, define un plan inicial, solicita e interpreta los hallazgos del examen físico, pide estudios de laboratorio, avanza hacia estudios de imagen, inicia la medicación, identifica y solicita la intervención quirúrgica apropiada, ajusta las medicaciones perioperatorias y recomienda la internación.
En cada etapa clínica, las elecciones de MIRA fueron consistentes con la práctica rutinaria, incluyendo los analitos sanguíneos específicos, los ensayos microbiológicos y las modalidades de imagen solicitadas. El agente solicitó exámenes físicos con más consistencia que los médicos humanos, con un promedio de 97,1% frente al 87,8% de los especialistas certificados. El sistema también solicitó una proporción mayor de análisis de sangre disponibles, cubriendo aproximadamente el 51,1% de los documentados en MIMIC-IV, frente al 28,3% de los especialistas. Aun así, MIRA solo solicitó cerca de la mitad de los analitos de laboratorio obtenidos en la rutina del MIMIC-IV, lo que indica que el sistema no adopta una estrategia de pedir todo indiscriminadamente.
En relación con los procedimientos quirúrgicos, MIRA identificó y solicitó correctamente el 53,5% de los procedimientos relevantes en las ocho enfermedades evaluadas, frente al 38,3% de los especialistas certificados. Lo más destacado fue en apendicitis y colecistitis, donde el sistema acertó el 100% de las apendicectomías laparoscópicas y el 90,6% de las colecistectomías laparoscópicas.
Seguridad en la prescripción de medicamentos y adherencia a guías clínicas
Uno de los aspectos más críticos de cualquier sistema médico autónomo es la seguridad en la prescripción de medicamentos. Los investigadores realizaron una evaluación sistemática de las prescripciones de MIRA en seis dominios de seguridad:
- Interacciones medicamentosas de alta gravedad
- Compatibilidad de dosificación renal basada en la tasa de filtración glomerular
- Incompatibilidades entre medicamentos y alergias del paciente
- Riesgo de prolongación del intervalo QT
- Prescripción insegura de opioides
- Duplicación terapéutica
Los resultados fueron notables: no se observó ninguna interacción medicamentosa de alta gravedad, incompatibilidad de dosificación renal, incompatibilidad con alergias, riesgo de QT ni prescripción insegura de opioides en los 56 casos evaluados. La duplicación terapéutica se identificó en solo tres casos, todos evaluados como clínicamente razonables, aunque la documentación podría haber sido más explícita.
En cuanto a la adherencia a guías clínicas, MIRA demostró una concordancia superior a la de los médicos humanos en la mayoría de las categorías evaluadas. La diferencia promedio en la adherencia a las guías fue de +35 puntos porcentuales en comparación con los especialistas certificados. Por ejemplo, en los casos de pancreatitis, MIRA fue significativamente más propenso a prescribir fluidos intravenosos conforme lo recomendado por las guías y demostró mayor consistencia en la prescripción de terapia analgésica adecuada en la mayoría de las enfermedades.
Sin embargo, el sistema no fue perfecto. Al igual que los médicos humanos, MIRA no alcanzó concordancia total en la terapia antibiótica en todas las enfermedades, siendo neumonía la única categoría donde alcanzó el 100% de adherencia en el grupo evaluado.
El agente-paciente que no filtra información
Un componente fundamental del estudio fue el agente-paciente, un modelo de IA que simula las respuestas de un paciente real basándose exclusivamente en el historial clínico documentado. Este agente necesita proporcionar respuestas estables cuando diferentes profesionales hacen preguntas semánticamente equivalentes con palabras distintas, mantenerse fiel al historial clínico y, lo más importante, no revelar conclusiones diagnósticas prematuramente.
Las pruebas mostraron que el agente-paciente produjo respuestas consistentes en el 99,4% de los pares de preguntas evaluados y permaneció alineado con el historial clínico documentado en el 99,3% de las respuestas originales. En 933 encuentros paciente-médico auditados, no se observó ninguna filtración prematura de información diagnóstica.
Incluso cuando fue sometido a 11 patrones de ataque adversarial, incluyendo intentos de inyección de prompt e de ingeniería social en 880 interacciones, no se registró ninguna filtración de información diagnóstica. Esta robustez es esencial para garantizar que el entorno de pruebas no favorezca artificialmente a MIRA frente a los médicos humanos. 🔒
Decisiones de internación seguras y pruebas de robustez
Los investigadores también evaluaron si MIRA sería capaz de tomar decisiones seguras sobre internación versus alta hospitalaria. Para ello, se enfocaron en dos diagnósticos, neumonía y embolia pulmonar, porque existen escalas clínicas validadas, el CURB-65 para neumonía y el sPESI para embolia pulmonar, que son rutinariamente usadas por los médicos para determinar el nivel de atención. El detalle interesante es que MIRA no recibió los resultados de estas escalas ni fue instruido para usarlas, solo tuvo acceso a los datos clínicos subyacentes como signos vitales, resultados de laboratorio y estudios de imagen.
El resultado más importante fue que la sensibilidad para internación fue del 100% en ambas condiciones. MIRA nunca dejó de identificar a un paciente que necesitaba ser internado. La especificidad fue del 86% para neumonía y del 70% para embolia pulmonar, mostrando el sistema una tendencia a ser demasiado cauteloso en los casos de embolia pulmonar, prefiriendo internar a pacientes que podrían haber sido dados de alta. Este sesgo hacia la seguridad es clínicamente preferible a dejar que un paciente grave se vaya a casa.
Para evaluar si MIRA mantiene un desempeño estable con diferentes perfiles de pacientes, los investigadores realizaron experimentos de perturbación con seis escenarios distintos: cambio de sexo del paciente, pacientes convencidos de que están sanos, pacientes convencidos de que tienen cáncer, pacientes excesivamente ansiosos y pacientes que hablan solo alemán o solo francés. Las diferencias de riesgo variaron de -1,2 puntos porcentuales para el sesgo de ansiedad a -10 puntos porcentuales para el sesgo de sexo, pero ninguna alcanzó significancia estadística después de la corrección por comparaciones múltiples.
El escenario que hizo necesario este avance
La escasez de profesionales de la salud es un problema global que afecta tanto a países en desarrollo como a economías avanzadas. En este contexto, herramientas que consigan ampliar la capacidad de atención sin comprometer la calidad del cuidado dejan de ser una curiosidad tecnológica y pasan a ser una necesidad estratégica.
Además de la escasez de profesionales, existe el problema del agotamiento. El tiempo que los médicos dedican a la documentación en historias clínicas electrónicas sigue aumentando, y esto tiene un impacto directo en la calidad de la atención. Errores diagnósticos, retrasos en decisiones y fallas de comunicación entre equipos son consecuencias directas de este escenario.
Es en este contexto donde el desarrollo de agentes médicos autónomos adquiere una dimensión mucho mayor que simplemente impresionar en benchmarks académicos. Los propios investigadores sugieren que la adopción inicial en el mundo real probablemente se concentraría en tareas más delimitadas y de alto volumen, como conciliación de medicamentos preadmisión, armado de paneles de estudios de laboratorio, redacción automática de solicitudes de interconsulta y sugerencia de prescripciones conforme a guías clínicas, todo bajo revisión explícita del médico. Esto liberaría a los profesionales para redirigir su atención hacia las interacciones directas con los pacientes. 🌍
Herramientas que usamos a diario
Los desafíos que todavía hay que superar
A pesar de los resultados prometedores, los propios investigadores fueron cuidadosos al señalar las limitaciones del sistema. El entorno de pruebas, aunque sofisticado, fue construido con interacciones simuladas a partir de textos de historiales clínicos extraídos de resúmenes de alta. Esto puede generar respuestas más estructuradas que el habla real de pacientes en emergencias, que frecuentemente incluye incoherencias, omisiones y disfluencias que ningún benchmark logra capturar completamente.
Otro punto importante es que MIMIC-IV es un dataset ampliamente utilizado y públicamente disponible para investigadores acreditados. Aunque el acceso requiere registro previo, existe la posibilidad teórica de que datos de MIMIC-IV hayan sido incluidos en el corpus de entrenamiento de los LLMs utilizados, lo que significa que el desempeño reportado puede representar un límite superior y sobreestimar la generalización a otros casos.
La cuestión de la responsabilidad también permanece sin una respuesta clara. Cuando un agente de IA toma una decisión clínica que resulta en daño al paciente, ¿quién responde por eso? ¿El médico que confió en la recomendación? ¿El hospital que implementó la herramienta? ¿La empresa que desarrolló el modelo? Estas preguntas todavía no tienen solución en ningún sistema regulatorio del mundo.
Los investigadores también enfatizan que, aunque la evaluación se centró en las capacidades autónomas de decisión de MIRA, los agentes médicos de IA actualmente no deben ser diseñados para reemplazar a los profesionales de la salud. El rol ideal sería dentro de entornos clínicos colaborativos, asistiendo a los médicos en la ejecución de tareas rutinarias bajo diferentes niveles de supervisión humana o proporcionando recomendaciones terapéuticas basadas en evidencia que permanezcan sujetas a la aprobación del médico.
Una consideración relevante es la gestión de recursos. Cualquier aumento en las solicitudes de estudios por parte de MIRA se concentró en analitos sanguíneos de bajo costo marginal, como electrolitos y marcadores inflamatorios, sin un aumento sistemático en estudios de imagen de mayor costo. Esto mantuvo la utilización general por debajo de la práctica histórica. Aun así, los investigadores proponen que versiones futuras de MIRA incorporen un subagente de gestión económica que monitoree costos acumulados de estudios y procedimientos en tiempo real y sugiera alternativas más económicas cuando estén disponibles.
Qué esperar de los próximos pasos
La investigación sobre MIRA no es un producto listo para ser adoptado mañana en los hospitales. Es, ante todo, una demostración científica de que el nivel de sofisticación de los agentes médicos basados en Inteligencia Artificial llegó a un punto en el que la pregunta deja de ser si la IA puede apoyar decisiones clínicas complejas y pasa a ser cómo hacerlo de forma segura, ética y escalable.
Los propios autores reconocen que la validación prospectiva será esencial para confirmar si este potencial puede realizarse plenamente en entornos clínicos reales. También señalan que la combinación entre enfoques como el de MIRA, centrado en la automatización de flujos de trabajo dentro de la historia clínica, y el de AMIE, un sistema conversacional de diagnóstico desarrollado por Google que incorpora búsqueda de literatura médica actualizada durante el diálogo, puede representar el camino más prometedor para la integración clínica de la IA.
El código fuente y el framework de MIRA fueron publicados de forma abierta en GitHub, lo que permite que otros investigadores repliquen los experimentos, construyan sobre la arquitectura existente y avancen en la validación con nuevos conjuntos de datos y escenarios clínicos diferentes.
Lo que queda claro después de analizar todo lo que MIRA representa es que la decisión clínica apoyada por IA ya no es una promesa lejana. Es un campo en construcción acelerada, con desafíos serios por delante, pero también con un potencial transformador que puede redefinir el acceso a la salud de calidad a escala global. Y seguir de cerca esta evolución, entendiendo tanto los avances como los límites, es fundamental para cualquier persona que quiera comprender hacia dónde se dirige la tecnología en los próximos años. 🚀
