Los algoritmos pueden acelerar diagnósticos y ayudar a detectar enfermedades, pero también dejar atrás a los pacientes con menos recursos. Un informe de 22 científicos europeos alerta de los sesgos, la pérdida de habilidades médicas y la falta de controles sobre estas herramientas.
La inteligencia artificial promete revolucionar la sanidad, pero su implantación sin garantías puede terminar agravando las desigualdades entre pacientes. Esa es una de las principales advertencias del Consejo Asesor Científico de las Academias Europeas (EASAC) y de la Federación Europea de Academias de Medicina (FEAM), que reclaman controles más estrictos para evitar que la innovación tecnológica genere una atención sanitaria desigual.
El informe conjunto, titulado AI in European Healthcare: Policy Recommendations for Optimising Added Value and Safe, Ethical, and Inclusive Adoption, fue elaborado por 22 científicos europeos y presentado el 30 de septiembre de 2026. Sus autores advierten de que los sistemas de inteligencia artificial avanzan más rápido que la capacidad de muchos servicios sanitarios para evaluarlos, supervisarlos y garantizar su seguridad.
La preocupación no se limita a los posibles errores de un algoritmo. También afecta a la protección de los datos médicos, la responsabilidad ante un diagnóstico equivocado, la formación de los profesionales y la posibilidad de que determinados hospitales o regiones queden rezagados por falta de recursos.
El riesgo es que la sanidad europea termine dividida entre centros capaces de utilizar herramientas avanzadas y otros que no dispongan de tecnología validada, financiación o personal preparado. Los expertos denominan a este fenómeno «desiertos de IA», espacios donde los pacientes más desfavorecidos podrían recibir una atención de peor calidad por no tener acceso a sistemas fiables.
Los «desiertos de IA» pueden agravar las desigualdades sanitarias
La inteligencia artificial no ofrece necesariamente los mismos resultados para todos los pacientes. Su rendimiento depende, entre otros factores, de los datos utilizados durante su entrenamiento y de las poblaciones con las que se ha probado.
Un algoritmo desarrollado principalmente con información de adultos puede no funcionar igual de bien con niños. Una herramienta entrenada con datos de determinados grupos demográficos puede presentar errores cuando se aplica a personas de otro origen, edad o contexto clínico.
EASAC y FEAM advierten de que los colectivos menos representados en las bases de datos pueden quedar expuestos a resultados menos fiables. Entre los grupos que requieren especial atención figuran:
- Niños y personas mayores, si los datos utilizados no representan adecuadamente sus características clínicas.
- Pacientes de zonas rurales, que pueden tener menos acceso a hospitales digitalizados y profesionales especializados.
- Minorías y grupos infrarrepresentados, para los que los algoritmos pueden ofrecer resultados menos precisos.
- Personas con menos recursos económicos, que dependen de centros sanitarios con menor capacidad de inversión tecnológica.
- Pacientes de países con sistemas sanitarios menos digitalizados, que pueden quedar al margen de las herramientas más avanzadas.
El problema también puede reproducirse entre hospitales de un mismo país. Los grandes centros con presupuestos elevados pueden adquirir sistemas sofisticados, contratar especialistas y evaluar sus resultados, mientras que otros centros carecen de infraestructura para hacer lo mismo.
Por eso, los investigadores reclaman que la financiación pública no se limite a impulsar proyectos tecnológicos comercialmente atractivos. También debe contribuir a crear infraestructuras compartidas, facilitar el acceso a datos representativos y ayudar a los territorios con menor capacidad digital.
La innovación sanitaria no debería depender del código postal del paciente ni de la capacidad económica del hospital que le atiende.
Un algoritmo preciso no garantiza que el paciente viva más o reciba mejor atención
Otra de las advertencias centrales del informe es la diferencia entre la precisión técnica de una herramienta y su utilidad clínica real.
Un sistema puede identificar correctamente una anomalía en una imagen médica durante una prueba controlada. Sin embargo, eso no demuestra automáticamente que vaya a reducir los tiempos de diagnóstico, evitar complicaciones, mejorar la supervivencia o elevar la calidad de vida.
Los expertos consideran que una parte importante de los estudios sobre IA sanitaria se concentra en medir la precisión diagnóstica, sin analizar suficientemente los resultados que importan directamente a los pacientes.
Por eso reclaman investigaciones que permitan responder a preguntas concretas: ¿la herramienta detecta enfermedades antes?, ¿reduce las pruebas innecesarias?, ¿evita errores?, ¿mejora el pronóstico?, ¿disminuye los efectos adversos?
La exigencia resulta especialmente importante cuando se pretende incorporar un sistema a la práctica habitual de un hospital o financiarlo con dinero público. La novedad tecnológica no puede convertirse en un sustituto de la evidencia médica.
El informe identifica, no obstante, ámbitos en los que la IA ya muestra aplicaciones prometedoras. Entre ellos destaca el diagnóstico por imagen:
- Resonancia magnética y tomografía computarizada: mejora de la reconstrucción de imágenes y posibilidad de realizar exploraciones más rápidas.
- Detección de lesiones y tumores: apoyo para localizar, medir y caracterizar anomalías.
- Radioterapia: ayuda en la planificación de tratamientos más específicos.
- Medicina predictiva: herramientas para estimar riesgos y pronósticos en Oncología, Cardiología, Obstetricia y enfermedades infecciosas.
- Gestión administrativa: automatización de tareas documentales que pueden reducir parte de la carga de trabajo de los profesionales.
Los autores consideran que estas aplicaciones deben evaluarse con estudios adecuados y compararse con la atención habitual. No basta con demostrar que una máquina puede realizar una tarea: hay que acreditar que su incorporación mejora el funcionamiento del sistema sanitario.
El uso excesivo de la IA puede debilitar las habilidades de los médicos
Uno de los riesgos menos visibles es la llamada pérdida de competencias profesionales, conocida internacionalmente como deskilling.
Este fenómeno aparece cuando los profesionales se acostumbran a delegar determinadas tareas en sistemas automatizados y pierden práctica para realizarlas de manera independiente. El problema se hace especialmente relevante cuando la herramienta falla, deja de estar disponible o proporciona una recomendación incorrecta.
La Real Academia Nacional de Medicina de España (RANME) recoge un ejemplo relacionado con la endoscopia. Según un estudio multicéntrico realizado en cuatro centros de Polonia, dentro del ensayo ACCEPT, los gastroenterólogos habituados a trabajar con asistencia de IA mostraron una menor capacidad para detectar pólipos por sí mismos.
La información publicada por Redacción Médica concreta que la reducción fue de aproximadamente un 20 % en la capacidad de detección independiente citada en ese trabajo. El dato ilustra un riesgo que no debe confundirse con una demostración de que toda asistencia mediante IA perjudique a los médicos: el efecto depende de cómo se utilice la tecnología y de la formación que acompañe su implantación.
Para evitarlo, los expertos proponen que determinadas herramientas funcionen como una segunda lectura. El profesional realiza primero su propia valoración y, posteriormente, consulta el resultado del sistema para confirmar o cuestionar su interpretación.
También reclaman mantener la formación continua y la práctica clínica sin asistencia automatizada. El razonamiento médico, el juicio contextual y la capacidad de relacionarse con el paciente siguen siendo elementos esenciales de la atención.
La inteligencia artificial debe servir para reforzar el trabajo de médicos y enfermeros, no para sustituir su criterio ni convertirlos en simples supervisores de recomendaciones automáticas.
Los sesgos algorítmicos pueden provocar errores difíciles de detectar
La fiabilidad de un sistema no queda garantizada para siempre por haber superado una evaluación inicial.
Los algoritmos pueden perder rendimiento cuando cambian las características de los pacientes, los protocolos clínicos, los equipos médicos o el entorno en el que se utilizan. Una herramienta que funciona correctamente en un hospital puede ofrecer resultados diferentes en otro centro con una población distinta.
Este deterioro puede producirse de forma progresiva y sin generar fallos evidentes. Por eso, EASAC y FEAM reclaman una vigilancia continuada durante toda la vida útil de los sistemas.
Los investigadores también advierten de los sesgos relacionados con el sexo, la edad y el origen de los pacientes. Si una enfermedad está infrarrepresentada en los datos de entrenamiento para un determinado grupo, el algoritmo puede ser menos preciso al analizar a esas personas.
La evaluación debe publicar resultados desglosados por grupos de población, en lugar de limitarse a una cifra media que oculte diferencias relevantes.
Los expertos defienden que los sistemas puedan actualizarse, volver a entrenarse o retirarse cuando dejen de ofrecer garantías suficientes. Una autorización inicial no debería convertirse en un cheque en blanco para utilizar indefinidamente una herramienta cuyo rendimiento puede cambiar.
Ciberataques y filtraciones: los datos médicos también están en riesgo
La expansión de la inteligencia artificial en los hospitales incrementa la importancia de proteger la información clínica. Los sistemas pueden utilizar grandes volúmenes de datos sensibles y abrir nuevas vías de ataque si no cuentan con medidas de seguridad adecuadas.
La RANME recoge cifras del panorama de amenazas de 2024 de la Agencia de la Unión Europea para la Ciberseguridad (ENISA): 487 incidentes de ciberseguridad en el sector sanitario europeo, de los cuales el 45 % fueron ataques de ransomware y el 28 % brechas de datos.
Estas cifras corresponden al análisis de incidentes citado por la Real Academia y no deben interpretarse como una estadística exclusiva de ataques contra sistemas de inteligencia artificial. Sirven, sin embargo, para dimensionar la exposición de un sector que maneja información especialmente sensible.
Los riesgos pueden incluir la interrupción de servicios hospitalarios, el acceso no autorizado a historiales médicos o la manipulación de información utilizada por los algoritmos.
Los especialistas advierten, además, de que una imagen médica o un conjunto de datos de entrenamiento manipulados pueden alterar el funcionamiento de una herramienta diagnóstica y generar resultados incorrectos.
Por ello, el informe reclama entornos seguros, protección de la privacidad, notificación de incidentes, registros de auditoría y mecanismos para detectar alteraciones en el comportamiento de los sistemas.
Europa tiene normas, pero necesita garantizar que se cumplan
La Unión Europea dispone de un marco regulatorio que incluye el Reglamento de Inteligencia Artificial, la normativa sobre productos sanitarios, el Reglamento General de Protección de Datos y el Espacio Europeo de Datos Sanitarios.
Sin embargo, EASAC y FEAM advierten de que aprobar leyes no garantiza por sí mismo una aplicación segura y homogénea. La fragmentación entre Estados miembros, las diferencias de recursos y la rapidez con la que evolucionan las herramientas complican la supervisión.
El informe reclama integrar las distintas normas y establecer criterios comunes para evaluar las tecnologías antes de su implantación y durante su utilización.
También plantea dudas sobre la responsabilidad cuando un sistema participa en una decisión clínica que termina causando un daño. Los pacientes necesitan saber quién responde, cómo pueden reclamar y qué vías existen para exigir responsabilidades al fabricante cuando el problema procede de un defecto del producto.
Otro de los aspectos destacados es la necesidad de evitar que los hospitales dependan excesivamente de un único proveedor tecnológico. La concentración de servicios, datos y herramientas en empresas concretas puede dificultar la interoperabilidad y limitar la capacidad de los sistemas públicos para cambiar de proveedor.
Los investigadores proponen, además, utilizar entornos controlados de experimentación regulatoria, conocidos como regulatory sandboxes. Son espacios supervisados en los que se pueden probar nuevas soluciones con garantías para los pacientes, mientras las autoridades adquieren experiencia sobre su funcionamiento y los riesgos asociados.
Las diez recomendaciones para una IA sanitaria segura e inclusiva
El documento conjunto de EASAC y FEAM no plantea frenar el desarrollo tecnológico. Su objetivo es que la incorporación de la IA responda a criterios médicos, éticos y económicos verificables.
Entre sus recomendaciones figuran diez líneas de actuación:
- Evaluar el valor clínico real de cada herramienta antes y después de su implantación.
- Establecer directrices comunes sobre calidad metodológica, sesgos, eficacia y costes.
- Ampliar los principios éticos para tener en cuenta las consecuencias sociales y a largo plazo.
- Invertir en infraestructuras interoperables y facilitar la integración de la IA en los hospitales.
- Crear sistemas de aprendizaje y mejora continua con garantías de transparencia.
- Favorecer el intercambio seguro de datos entre países y centros sanitarios.
- Reforzar la formación de médicos, investigadores, desarrolladores y responsables públicos.
- Implicar a pacientes y profesionales en el diseño y evaluación de las herramientas.
- Priorizar la investigación sobre transparencia, sesgos y validación clínica.
- Establecer mecanismos de supervisión independiente, auditorías y responsabilidades claras.
Los autores también defienden que los pacientes reciban información comprensible cuando se utilicen sistemas de IA en su atención y dispongan de vías para plantear reclamaciones.
La evaluación debe contemplar no solo la precisión del algoritmo, sino también la seguridad, la calidad de vida, la protección de datos, la equidad y la relación entre costes y beneficios.
La sanidad pública no puede confundir modernización con ahorro automático
La implantación de inteligencia artificial suele presentarse como una vía para acelerar procesos, reducir tareas administrativas y mejorar la productividad. Pero el informe invita a mirar más allá de las promesas comerciales.
Una herramienta puede requerir inversiones adicionales en infraestructura, integración informática, formación, validación local, ciberseguridad y supervisión. Si esos costes no se calculan correctamente, el supuesto ahorro puede terminar convertido en una nueva carga para los presupuestos sanitarios.
La cuestión resulta especialmente importante para los sistemas públicos, que deben garantizar una atención universal y no pueden limitarse a incorporar las soluciones más rentables para sus proveedores.
El dinero público debe financiar tecnologías que demuestren un beneficio para los pacientes, no únicamente productos que ofrezcan buenos resultados en presentaciones comerciales o pruebas controladas.
En España, el debate también afecta a la capacidad de las comunidades autónomas para incorporar herramientas digitales con criterios comunes. Sin interoperabilidad, financiación suficiente y evaluaciones independientes, el lugar de residencia podría influir cada vez más en el acceso a determinadas innovaciones.
Knottnerus y Martí-Bonmatí piden pasar de las promesas a los resultados
André Knottnerus, copresidente del grupo de trabajo de EASAC, y Luis Martí-Bonmatí, vicepresidente de FEAM y copresidente del equipo, consideran que ha llegado el momento de comprobar si la inteligencia artificial mejora realmente la asistencia.
El grupo de 22 científicos que elaboró el documento insiste en que la tecnología debe incorporarse con garantías de transparencia, seguridad y equidad. También reclama que los profesionales sanitarios mantengan el control de las decisiones clínicas y que los pacientes puedan conocer cómo se utilizan estas herramientas.
La Real Academia Nacional de Medicina de España participó en la elaboración del informe a través de expertos como David Ríos Insua, que trabajó especialmente en el apartado de seguridad.
El mensaje de los investigadores es equilibrado: la IA puede aportar beneficios importantes, pero su utilidad depende de cómo se diseñe, valide, financie y supervise.
Europa se enfrenta así a una decisión que va más allá de adoptar nuevas tecnologías. Debe impedir que la inteligencia artificial cree una sanidad de primera para los hospitales con más recursos y otra de segunda para quienes ya sufren dificultades de acceso.
La innovación médica solo tendrá sentido si mejora la atención de todos los pacientes. De lo contrario, los algoritmos podrían terminar reproduciendo, bajo una apariencia de modernidad, las desigualdades que los sistemas sanitarios llevan décadas intentando corregir.
Toqueteo
Toqueteo
Toqueteo