Lectura

Del gemelo digital de Mayo a la consulta informal con ChatGPT: la tesis de Wachter y las lecciones de la historia clínica electrónica

Inicio del contenido clínico
Lectura clínica · IA en sanidad · Tesis del libro

Del gemelo digital de Mayo a la consulta informal con ChatGPT: la tesis de Wachter y las lecciones de la historia clínica electrónica

Sobre el prólogo, «Prólogo» (Robert M. Wachter) · A Giant Leap: How AI Is Transforming Healthcare and What That Means for Our Future, 1.ª ed., 2026

El prólogo de A Giant Leap arranca con un vídeo secreto en la Clínica Mayo: el gemelo digital de un radiólogo explicando a una paciente sus radiografías. Wachter cuenta cómo pasó de la «consulta informal» con ChatGPT al convencimiento de que la IA generativa diagnostica y comunica casi como nosotros, y por qué, aun así, la transformación dependerá de la confianza, la cultura y la economía más que de los modelos. Esta lectura resume la tesis del libro, repasa las lecciones de la historia clínica electrónica y las traslada a la consulta de dermatología con la evidencia disponible a octubre de 2026.

Gemelo digitalConsulta informalHistoria clínica electrónicaConfianza y fiabilidadAlucinacionesTesis del libro

Obra de referencia: Wachter RM, A Giant Leap: How AI Is Transforming Healthcare and What That Means for Our Future, 1.ª ed. (Portfolio/Penguin, 2026). Síntesis editorial DermRX actualizada a octubre de 2026 · Revisión clínica individual pendiente · 16 min de lectura.

Ideas esenciales

En 20 segundos

  • La IA generativa ya aprueba exámenes de licencia, resuelve casos complejos del New England Journal of Medicine al nivel de los mejores diagnosticadores y sus respuestas se perciben más empáticas que las de médicos reales; el autor la compara con la fotografía irrumpiendo en el oficio del retratista, y esa es la premisa que inaugura el libro.
  • La historia clínica electrónica digitalizó la medicina pero no la transformó: trajo agotamiento, pantallas que roban la mirada al paciente y bandejas de entrada desbordadas. Wachter avisa de que la transformación digital es más difícil de lo que parece y depende poco de la tecnología y mucho de la cultura, la política y los flujos de trabajo.
  • La tesis es cautelosamente esperanzada: la IA no tiene que ser perfecta para ser mejor que un sistema caro, inaccesible y agotador. Pero todo pasará por la confianza, y el gemelo digital que explica radiografías con la marca Mayo es el ejemplo de cómo una institución piensa ganarla.
Lo que merece la pena retener

Claves de la lectura

1

Un «qué» que se comporta como un «quién»

El vídeo del gemelo digital del Dr. Morris, radiólogo de Mayo, muestra la combinación que define la nueva etapa: datos clínicos de calidad, modelos generativos y una interfaz humana fotorrealista que explica erosiones articulares con empatía. El truco técnico no sorprende; lo relevante es conectar los resultados de la paciente con el repositorio clínico de la institución y entregarlos con su marca. Para el dermatólogo, la idea de un avatar que explique un informe de anatomía patológica ya no es ciencia ficción, sino una decisión de gobernanza y confianza.

2

La consulta informal cabe en el bolsillo

Wachter describe la tradición médica de parar a un colega en la cafetería para comentar un caso y cómo ChatGPT, desde noviembre de 2022, ocupó ese papel: un asesor amable, disponible a todas horas, que acertó un hipertiroidismo en una mujer joven con fatiga, temblor y pérdida de peso. El matiz importante está entre paréntesis: cuidar la privacidad. En dermatología, la consulta informal con un modelo generalista es ya una práctica extendida que conviene regular dentro de cada servicio antes de que la regule un incidente.

3

De aprobar exámenes a diagnosticar casos reales

El prólogo encadena tres hitos: ChatGPT superó el umbral del USMLE, resolvió los casos clínico-patológicos del NEJM con una precisión comparable a la de diagnosticadores expertos y, en el estudio de Ayers, sus respuestas a pacientes en un foro se consideraron más empáticas que las de los médicos. Un año después, el sistema de Google entrenado en diálogos superó a médicos de atención primaria en casos simulados. El autor reconoce que la pretensión de poseer un saber exclusivo se vuelve frágil mes a mes.

4

Un sistema que necesita disrupción

Estados Unidos gasta cerca del 20 % de su PIB en sanidad, un tercio en trámites sin valor clínico, con peor esperanza de vida que países comparables y casi un millón de personas al año con daños graves o muerte por errores diagnósticos. Wachter no niega los milagros diarios de la medicina de vanguardia, pero describe un sistema kafkiano que ningún Amazon o Netflix ha sabido alterar. El lector español reconocerá otros números, pero la misma inercia institucional.

5

La historia clínica electrónica como aviso

En 2004 el autor pensaba que digitalizar las historias cerraría el viaje digital; hoy sabe que fue solo la infraestructura. La adopción masiva de la HCE trajo la ley de las consecuencias digitales no previstas: agotamiento profesional disparado antes de la pandemia, contacto visual con la pantalla en lugar del paciente y una bandeja de entrada que palidece a cualquiera. Los primeros usos de la IA actual, como los escribas ambientales, nacen precisamente para arreglar lo que la HCE estropeó.

6

Confianza y fiabilidad como doble prisma

Wachter pide leer el libro con dos lentes: ¿es fiable la herramienta? y ¿confían en ella pacientes, médicos y reguladores? La confianza se construye con interacciones positivas y se rompe con rapidez, como recordaba Annette Baier. El propio Sam Altman advirtió en diciembre de 2022 que ChatGPT creaba una impresión engañosa de grandeza y no debía usarse para nada importante. La pregunta abierta es si desde entonces ha mejorado lo bastante para confiarle la salud.

7

Cautelosamente esperanzado, no deslumbrado

El autor enumera razones para el optimismo: modelos cada vez mejores, un sistema desbordado, escasez estructural de profesionales e inversión masiva. Y razones para la cautela: alucinaciones, sesgos, privacidad, explicabilidad, desinformación, ausencia de un modelo regulador y pacientes que usarán la IA de formas arriesgadas. Su regla práctica, tomada de Biden, es compararla con la alternativa y no con el Todopoderoso: la IA no tiene por qué ser perfecta para ser mejor.

Repaso

Lo que el dermatólogo debe tener claro antes de seguir leyendo el libro: qué es cada cosa, qué cuenta Wachter y cómo aterriza en una consulta de piel.

La escena inicial

Gemelo digital de un médico

Avatar fotorrealista con IA
Qué es
Réplica audiovisual de un médico real, movida por varios algoritmos, que responde a preguntas del paciente a partir de sus datos clínicos y del repositorio de la institución.
Lo que cuenta el libro
El director ejecutivo de Mayo, Gianrico Farrugia, muestra en secreto el vídeo del gemelo del radiólogo Jonathan Morris explicando a «Alice» la progresión de su artritis reumatoide en unas radiografías de manos.
En dermatología
Un avatar podría explicar un informe de biopsia o un resultado de dermatoscopia en el portal; antes habrá que decidir quién responde de lo que dice y cómo se escala al dermatólogo real.

Mayo Clinic Platform

De ladrillos a datos
Qué es
Estrategia de la Clínica Mayo para extender su atención sin construir hospitales, combinando lo humano y lo digital sobre su enorme repositorio clínico.
Lo que cuenta el libro
Farrugia afirma que la era de las instalaciones físicas ha terminado; la fórmula para llegar a más pacientes será humana y digital, apoyada en IA.
En dermatología
La marca y los datos valen más que las camas: un servicio con imágenes bien etiquetadas y seguimiento longitudinal es un activo para cualquier colaboración con IA.

Consulta informal

El colega de cafetería
Qué es
Tradición de comentar un caso de forma rápida e informal con un especialista, sin derivación formal ni registro.
Lo que cuenta el libro
Wachter planteó a ChatGPT casos hipotéticos y obtuvo respuestas al menos tan buenas como las de un estudiante de medicina medio, con la ventaja de estar disponible a todas horas.
En dermatología
Preguntar a un modelo generalista por el diferencial de una erupción es ya cotidiano; la regla mínima es no introducir datos identificables y contrastar antes de actuar.

Curva de adopción de ChatGPT

Cien millones en dos meses
Qué es
Velocidad con la que la herramienta de OpenAI alcanzó cien millones de usuarios tras su lanzamiento del 30 de noviembre de 2022.
Lo que cuenta el libro
Fue la adopción más rápida de cualquier tecnología de la historia moderna, y a los dos años ya había cientos de empresas, miles de consultores y docenas de demandas.
En dermatología
Los pacientes llegaron a la consulta con diagnósticos del chatbot antes de que la mayoría de los servicios tuviera una política al respecto.

Evidencia temprana que cita el autor

ChatGPT y el USMLE

Aprobar sin entrenamiento específico
Qué es
Estudio de Kung y colaboradores (2023) en el que el modelo rindió en el umbral de aprobado de las tres partes del examen de licencia estadounidense.
Lo que cuenta el libro
Es el primer hito que convence a Wachter de que la capacidad va más allá de responder preguntas tipo test; otros trabajos mostraron rendimiento superior al de residentes en exámenes de especialidad.
En dermatología
Aprobar el examen no es diagnosticar una lesión; la validez para casos reales, imágenes incluidas, hay que medirla aparte.

Casos del NEJM

Diagnóstico de casos complejos
Qué es
Evaluación de Kanjee, Crowe y Rodman (JAMA 2023) con los casos clínico-patológicos del New England Journal of Medicine.
Lo que cuenta el libro
La IA alcanzó un rendimiento comparable al de los mejores diagnosticadores del cuerpo docente, lo que el autor considera la cúspide de lo que hacen los internistas.
En dermatología
Los casos de texto rico favorecen al modelo; en lesiones cutáneas el rendimiento depende de la calidad de la imagen y de la descripción clínica que le demos.

Respuestas más empáticas

Ayers, JAMA Intern Med 2023
Qué es
Comparación de respuestas de médicos y de un chatbot a preguntas de pacientes publicadas en un foro público, evaluadas a ciegas por profesionales.
Lo que cuenta el libro
Las respuestas de la IA se juzgaron de mayor calidad y más empáticas, lo que desmonta la idea de que la comunicación es un reducto humano inexpugnable.
En dermatología
Para mensajes del portal sobre eccema o acné, un borrador de IA revisado por el dermatólogo puede ser más completo y amable que una respuesta escrita con prisa.

AMIE de Google

Diálogo diagnóstico simulado
Qué es
Sistema entrenado con conversaciones médico-paciente que, en consultas de texto con actores, superó a médicos de atención primaria en precisión diagnóstica y en comunicación percibida.
Lo que cuenta el libro
Wachter lo cita como el paso siguiente: no solo diagnostica mejor en casos simulados, sino que los pacientes simulados lo consideran más atento.
En dermatología
Un chat por texto no sustituye a la exploración de la piel; la anamnesis dirigida por IA sí puede preparar la visita y priorizar la teledermatología.

El sistema que hay que transformar

Gasto sanitario de Estados Unidos

Cerca del 20 % del PIB
Qué es
Unos cinco billones de dólares al año, con Alemania en segundo lugar en torno al 13 % del PIB.
Lo que cuenta el libro
Un tercio se va en trámites que no mejoran al paciente; Buffett llama a la sanidad la «tenia» de la economía estadounidense.
En dermatología
El contexto español es otro, pero la carga administrativa (visados, informes, derivaciones) es el terreno más seguro para empezar con IA.

Daño por error diagnóstico

Casi un millón al año
Qué es
Estimación de Newman-Toker y colaboradores de daños graves o muerte por errores diagnósticos en Estados Unidos.
Lo que cuenta el libro
Es uno de los argumentos para aceptar que la IA no tiene que ser perfecta: la alternativa ya falla con frecuencia.
En dermatología
El melanoma de diagnóstico tardío es nuestro error diagnóstico de alto coste; cualquier ayuda que reduzca falsos negativos merece evaluarse con rigor.

Agotamiento profesional

Disparado antes de la COVID
Qué es
Síndrome de desgaste medido en encuestas sistemáticas de médicos, con gran heterogeneidad de definiciones.
Lo que cuenta el libro
La adopción masiva de la HCE coincidió con cifras alarmantes de agotamiento; la bandeja de entrada y la documentación son factores reconocidos.
En dermatología
La consulta de alta frecuencia con informes, fotos y mensajes acumula la misma carga; los escribas ambientales son la primera promesa concreta.

Lecciones de la historia clínica electrónica

Consecuencias no previstas

La ley digital de Wachter
Qué es
La dificultad humana de anticipar qué hará una tecnología hasta verla desplegada, de Henry Ford a las redes sociales.
Lo que cuenta el libro
La HCE prometía legibilidad, alertas y portales; trajo clics, agotamiento y médicos mirando la pantalla. Entender por qué permitirá anticipar los baches de la IA.
En dermatología
Antes de implantar una herramienta de IA conviene preguntar quién recibirá más trabajo invisible: el dermatólogo que revisa borradores o la enfermera que filtra mensajes.

Russ Cucina y 2004

«¿Y después qué harás?»
Qué es
Anécdota del autor al contratar a un médico informático en la UCSF creyendo que tras implantar la HCE el trabajo digital estaría casi acabado.
Lo que cuenta el libro
Fue su mayor tontería: digitalizar solo creó la infraestructura; el viaje empezaba, y Cucina está más ocupado que nunca.
En dermatología
Digitalizar las imágenes dermatoscópicas no es transformar la consulta; el valor llega al conectarlas, analizarlas y cambiar los circuitos.

The Digital Doctor

El libro de 2015
Qué es
Obra previa de Wachter sobre esperanza, exageración y daño en el inicio de la era informática de la medicina.
Lo que cuenta el libro
Lo escribió aturdido por la decepción de la HCE; ahora escribe cautelosamente esperanzado porque esas lecciones allanan el camino.
En dermatología
Leerlo junto al nuevo libro ayuda a distinguir el ciclo de expectativas de la mejora real en cada herramienta que nos ofrezcan.

Confianza frágil

Annette Baier y Sam Altman
Qué es
Idea de que la confianza se gana con interacciones positivas y se pierde con una percepción de error o indiferencia.
Lo que cuenta el libro
Altman advirtió dos semanas tras el lanzamiento de que ChatGPT creaba una impresión engañosa de grandeza; la IA es un «qué» que actúa como un «quién».
En dermatología
Una sola recomendación absurda del asistente ante los residentes puede desacreditar la herramienta durante meses; conviene fijar expectativas antes del despliegue.
Segunda mirada

Contrastes que resuelven la duda

Contrastes que el prólogo deja planteados y que ayudan a situar cada promesa de la IA en su sitio.

Digitalizar frente a transformar

Qué cambia
Pasar los datos del papel al ordenador frente a cambiar cómo se presta la atención.
Ejemplo del libro
La HCE completó la digitalización frente a la transformación que Wachter esperaba y que nunca llegó.
Quién lo decide
El proveedor de software frente a la cultura, los flujos y la gobernanza de la organización.
Señal de alarma
Celebrar la puesta en marcha frente a medir resultados en pacientes y profesionales años después.
En la consulta
Tener la dermatoscopia digitalizada frente a usarla para seguimiento comparativo con ayuda algorítmica.

Aprobar un examen frente a diagnosticar un caso real

Tipo de tarea
Preguntas de opción múltiple frente a integrar historia, exploración y pruebas de un paciente concreto.
Evidencia citada
Kung y el USMLE frente a Kanjee con los casos clínico-patológicos del NEJM.
Lo que falta
Datos de pacientes reales frente a viñetas bien redactadas; la mayoría de estudios aún usa lo segundo.
Riesgo
Sobreestimar la competencia clínica frente a reconocer que el modelo no explora ni ve la lesión.
En dermatología
Acertar un diferencial descrito en texto frente a reconocer un melanoma amelanótico en una foto mediocre.

Consulta informal frente a consulta formal

Registro
Sin constancia ni responsabilidad definida frente a documentada en la historia y con trazabilidad.
Privacidad
Riesgo de volcar datos identificables en una herramienta externa frente a canales cifrados y contratos de tratamiento de datos.
Calidad
Respuesta rápida y amable frente a opinión de un especialista que conoce el contexto local.
Lo que propone el libro
Usarla como asesor de bolsillo frente a confiarle decisiones importantes, como advirtió Altman.
En dermatología
Pedir un diferencial a un modelo generalista frente a derivar a un colega de dermatopatología.

Fiabilidad frente a confianza

Definición
Que la herramienta acierte de forma consistente frente a que pacientes y médicos decidan apoyarse en ella.
Cómo se construye
Con validación y métricas frente a con interacciones positivas, competencia percibida y buena fe.
Cómo se pierde
Con errores medidos frente a con una sola alucinación que suene segura.
Lo que dice el libro
La IA es un «qué» que actúa como un «quién», y no hay hoja de ruta para decidir cuánto confiar en ella.
En dermatología
Un algoritmo con sensibilidad del 95 % frente a un dermatólogo que no lo usa porque una vez calificó de benigno un melanoma.

Optimismo tecnológico frente a alarmismo

Postura
Un artículo adulador del futuro frente a un texto apocalíptico; Wachter rechaza ambos.
Referencia
Mollick («la IA de hoy es la peor que verás») frente a la «Escuela de las Reservas Graves» que cita Mark Smith.
Criterio de comparación
Compararla con la perfección frente a compararla con la alternativa real, como en la frase de Biden.
Precio asumido
Negar los daños frente a aceptar que habrá pacientes perjudicados mientras se encuentra su lugar.
En dermatología
Prometer que la IA eliminará el melanoma tardío frente a bloquear cualquier triaje algorítmico por un falso negativo.
Escenarios clínicos

Qué haría en consulta

Escenarios de una consulta de dermatología en España en los que el prólogo ya ofrece criterio.

Siun paciente llega con un diagnóstico de ChatGPT de «liquen plano» para unas pápulas pruriginosas en muñecas

Le agradezco que lo haya consultado y le pregunto qué le dijo exactamente y qué fotos subió. Exploro, hago dermatoscopia y, si coincide, se lo confirmo sin restar valor a su iniciativa: el libro recuerda que estas herramientas rinden como un buen estudiante. Si no coincide, explico qué datos faltaban al modelo (distribución, mucosas, fármacos) y por qué la exploración cambia el diagnóstico. Anoto en la historia que el paciente usó un chatbot, porque esa información me servirá para adaptar la comunicación y el seguimiento.

Siun residente me cuenta que usa un modelo generalista como «consulta informal» para casos de la guardia

No lo prohíbo, pero fijo reglas: nada de datos identificables, nada de pegar informes completos, y toda sugerencia se contrasta con guías y con el adjunto antes de actuar. Le propongo que anote los casos en que el modelo acertó y en los que alucinó, y los comentamos en sesión. Así convertimos una práctica inevitable en formación sobre fiabilidad y confianza, que es el doble prisma que propone Wachter, y detectamos pronto si el servicio necesita una herramienta institucional con contrato de datos.

Siel hospital propone un avatar que explique resultados de biopsia en el portal del paciente

Pido ver el vídeo de demostración como hizo Farrugia, pero también el circuito: qué fuentes usa, quién revisa las respuestas, cómo se escala un melanoma o un carcinoma al dermatólogo real y qué pasa cuando el paciente pregunta por pronóstico. Recuerdo el caso de la madre de Vipler preguntando qué es un linfoma: liberar un resultado sin explicación hace daño. Acepto un piloto en resultados benignos, con métricas de comprensión y de mensajes posteriores, antes de extenderlo a diagnósticos oncológicos.

Sila bandeja de entrada del portal acumula cuarenta mensajes sobre eccema, acné y renovaciones de isotretinoína

Clasifico primero lo clínico urgente y, si dispongo de borradores de IA integrados en la historia, los uso para las respuestas educativas repetitivas, revisando cada uno antes de enviarlo. La evidencia muestra menos carga percibida pero no ahorro de tiempo, así que no prometo a dirección que la herramienta resolverá la bandeja. Propongo medir mensajes por paciente y tiempo fuera de horario, y reservar la «hora del pijama» que describe el libro como indicador de que algo falla en el circuito.

Siuna paciente con psoriasis me pregunta si puede fiarse de lo que le dice un asistente de IA sobre su biológico

Le explico que estos sistemas responden con seguridad aunque se equivoquen, que pueden inventar interacciones o dosis, y que la confianza se gana comprobando. Le propongo usarlo para preparar preguntas y entender términos, nunca para cambiar una pauta, y le doy fuentes fiables en español. Reviso con ella un par de respuestas típicas para que vea dónde acierta y dónde generaliza. Dejo constancia en la historia de la conversación por si surge una decisión de tratamiento influida por el chatbot.

Sila gerencia anuncia la compra de un sistema de IA para dermatoscopia sin haber hablado con el servicio

Reclamo participar antes del despliegue, no después, porque la lección central del prólogo es que la HCE se compró sin aportación clínica y se pagó en agotamiento. Pido la evidencia de validación en población similar, el marcado CE, el procedimiento ante discrepancias con el dermatólogo y el impacto en tiempos de consulta. Propongo un piloto con registro de falsos positivos y negativos, formación a residentes y un plan para retirar la herramienta si no mejora resultados reales.

Detalles que cambian la conducta

Perlas de examen y de consulta

◆Compárala con la alternativa, no con la perfección

La IA no tiene que ser perfecta para ser mejor que un sistema que ya genera daños diagnósticos masivos y agotamiento. Pregunta siempre qué ocurre hoy sin la herramienta antes de rechazarla por un error aislado.

◆La «consulta informal» necesita reglas, no prohibiciones

Preguntar a un modelo generalista es inevitable en cualquier servicio; lo que importa es no volcar datos identificables, contrastar antes de actuar y registrar cuándo la sugerencia cambió una decisión clínica.

◆Un «qué» que actúa como un «quién»

Las respuestas suenan humanas y seguras, y por eso la confianza se concede demasiado rápido. Pide a tus residentes que traten al modelo como a un colega brillante que a veces inventa.

◆La HCE no transformó nada: solo sentó las bases

Digitalizar fue el primer paso, no el último. Cuando te ofrezcan una herramienta de IA, pregunta qué flujo de trabajo cambia y quién absorbe el trabajo nuevo que genera, no solo qué tarea automatiza.

◆La confianza es fácil de herir y difícil de sanar

Una alucinación en sesión clínica puede enterrar meses de validación cuidadosa. Presenta la herramienta a tu equipo con sus límites explícitos antes de que cometa su primer error en público.

◆La ventaja no es el avatar, son los datos

El gemelo digital de Mayo impresiona por la cara, pero su valor está en el repositorio clínico que lo alimenta. Cuida la calidad de tus imágenes e informes: son el activo real.

Contraste con fuentes actuales

Actualización DermRX

Qué ha cambiado entre la obra (2026) y octubre de 2026, y qué conviene matizar con la literatura.

EvidenciaEl diálogo diagnóstico con IA se publicó en Nature, con cautelas explícitas

El estudio de Google que Wachter cita a través de una noticia de Nature apareció en 2025 como artículo revisado por pares: AMIE superó a veinte médicos de atención primaria en 159 escenarios de consulta por texto con actores, en precisión diagnóstica y en la mayoría de los ejes de comunicación valorados por especialistas y pacientes simulados. Los autores advierten de que la consulta por chat síncrono no es la práctica real y de que hacen falta estudios en entornos clínicos. Para dermatología, donde la exploración y la imagen pesan más que el relato, la extrapolación es aún menor. El hallazgo robusto es que la empatía percibida ya no es un monopolio humano.

Fuentes: Tu T, et al. Nature. 2025 PMID: 40205050. Ayers JW, et al. JAMA Intern Med. 2023 PMID: 37115527.

EvidenciaDar el modelo al médico no mejora automáticamente su razonamiento

El prólogo describe el rendimiento del modelo en solitario frente a casos complejos. El ensayo aleatorizado de Goh y colaboradores matiza el mensaje: cincuenta médicos con acceso a GPT-4 no razonaron mejor que los que usaban recursos convencionales, mientras que el modelo solo superó a ambos grupos. La lección para el dermatólogo no es que la IA diagnostique mejor que él, sino que la forma de integrarla (cuándo consultarla, cómo formular el caso, cómo discrepar) determina el resultado. La revisión sistemática de Bedi añade que solo un 5 % de las evaluaciones de modelos usaron datos reales de pacientes y casi ninguna midió sesgos o despliegue.

Fuentes: Goh E, et al. JAMA Netw Open. 2024 PMID: 39466245. Bedi S, et al. JAMA. 2025 PMID: 39405325.

DermatologíaLos modelos multimodales todavía flojean con la imagen cutánea

La «consulta informal» con imágenes es el caso de uso más tentador en dermatología y el peor validado. En un estudio piloto con 54 imágenes de nueve dermatosis frecuentes, GPT-4 Vision acertó el diagnóstico principal en el 54 % de los casos solo con la foto, frente al 89 % cuando se añadía el escenario clínico. En dermatoscopia de melanoma, Claude 3 Opus y GPT-4 rondaron el 55 % de sensibilidad y especificidad sobre imágenes del ISIC, poco mejor que el azar. A octubre de 2026 la ayuda útil al dermatólogo sigue viniendo de clasificadores específicos con marcado CE, no de chatbots generalistas; el texto clínico que acompañe a la imagen es lo que más mejora la respuesta.

Fuentes: Pillai A, et al. J Cutan Med Surg. 2025 PMID: 40326457. Liu X, et al. JMIR Med Inform. 2024 PMID: 39106482.

RegulaciónEuropa ya tiene marco: reglamento de IA, AESIA y espacio de datos sanitarios

Wachter escribe que no existe un modelo claro para regular la IA sanitaria, y en Estados Unidos sigue siendo así. En la Unión Europea, el Reglamento (UE) 2024/1689 entró en vigor en agosto de 2024, sus prohibiciones aplican desde febrero de 2025 y las obligaciones de los sistemas de alto riesgo, que incluyen los productos sanitarios con IA, se despliegan hasta 2027 junto al reglamento de productos sanitarios. En España, la AESIA es la autoridad de vigilancia. El Reglamento (UE) 2025/327 del Espacio Europeo de Datos de Salud fija además el uso secundario de historias clínicas para entrenar modelos, el cuello de botella que el libro atribuye a la HIPAA. Para el dermatólogo esto significa exigir marcado CE y documentación de alto riesgo a cualquier herramienta diagnóstica.

Fuentes: Barucci A, et al. Eur Cardiol. 2026 PMID: 41676363. Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024 (Reglamento de Inteligencia Artificial). Reglamento (UE) 2025/327 relativo al Espacio Europeo de Datos Sanitarios.

SeguridadLa carga de la historia clínica electrónica sigue creciendo, y la IA entra a aliviarla

El libro sitúa el agotamiento en las encuestas previas a la pandemia; los datos posteriores confirman la tendencia. Entre 2019 y 2023 el tiempo de los médicos de atención primaria en la historia electrónica por cada ocho horas de consulta creció casi media hora, con la bandeja de entrada como principal motor. En Stanford, los borradores de respuesta generados por IA redujeron la carga percibida y el agotamiento sin acortar el tiempo de respuesta. Es exactamente la paradoja que anticipa Wachter: las primeras herramientas de IA nacen para reparar lo que la HCE estropeó, y su beneficio inicial es más de bienestar que de productividad.

Fuentes: Arndt BG, et al. Ann Fam Med. 2024 PMID: 38253499. Garcia P, et al. JAMA Netw Open. 2024 PMID: 38506805.

EspañaDeontología y consulta informal: lo que ya recogen los códigos españoles

La escena del asesor en el bolsillo plantea en España cuestiones concretas: la Ley Orgánica de Protección de Datos y el Reglamento General de Protección de Datos prohíben volcar datos identificables en servicios sin contrato de encargado de tratamiento, y el Código de Deontología Médica de 2022 exige que la tecnología no sustituya el juicio clínico ni la relación con el paciente. Una revisión narrativa publicada en Actas Dermo-Sifiliográficas repasa los conflictos bioéticos de la dermatología actual, incluida la IA y la teledermatología, y recomienda aplicar los mismos estándares que a la consulta convencional. La «consulta informal» con un modelo generalista cabe en ese marco solo si es anónima, contrastada y registrada cuando influye en una decisión.

Fuentes: Lasheras-Pérez MA, et al. Actas Dermosifiliogr. 2024 PMID: 39111571.
Recursos relacionados

Conectar con DermRX

Fuentes

Referencias

Lectura de referencia

Wachter RM. Prólogo, «Prologue». En: Wachter RM. A Giant Leap: How AI Is Transforming Healthcare and What That Means for Our Future. 1.ª ed. Nueva York: Portfolio/Penguin; 2026. Consultado en su edición original en inglés.

Fuentes consultadas para contrastar y actualizar

  1. Kung TH, Cheatham M, Medenilla A, et al. Performance of ChatGPT on USMLE: potential for AI-assisted medical education using large language models. PLOS Digit Health. 2023;2(2):e0000198. PMID: 36812645.
  2. Kanjee Z, Crowe B, Rodman A. Accuracy of a generative artificial intelligence model in a complex diagnostic challenge. JAMA. 2023;330(1):78-80. PMID: 37318797.
  3. Ayers JW, Poliak A, Dredze M, 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. PMID: 37115527.
  4. Tu T, Schaekermann M, Palepu A, et al. Towards conversational diagnostic artificial intelligence. Nature. 2025;642(8067):442-450. PMID: 40205050.
  5. Goh E, Gallo R, Hom J, et al. Large language model influence on diagnostic reasoning: a randomized clinical trial. JAMA Netw Open. 2024;7(10):e2440969. PMID: 39466245.
  6. Bedi S, Liu Y, Orr-Ewing L, et al. Testing and evaluation of health care applications of large language models: a systematic review. JAMA. 2025;333(4):319-328. PMID: 39405325.
  7. Newman-Toker DE, Nassery N, Schaffer AC, et al. Burden of serious harms from diagnostic error in the USA. BMJ Qual Saf. 2024;33(2):109-120. PMID: 37460118.
  8. Rotenstein LS, Torre M, Ramos MA, et al. Prevalence of burnout among physicians: a systematic review. JAMA. 2018;320(11):1131-1150. PMID: 30326495.
  9. Arndt BG, Micek MA, Rule A, Shafer CM, Baltus JJ, Sinsky CA. More tethered to the EHR: EHR workload trends among academic primary care physicians, 2019-2023. Ann Fam Med. 2024;22(1):12-18. PMID: 38253499.
  10. Garcia P, Ma SP, Shah S, et al. Artificial intelligence-generated draft replies to patient inbox messages. JAMA Netw Open. 2024;7(3):e243201. PMID: 38506805.
  11. Pillai A, Parappally-Joseph S, Kreutz J, Traboulsi D, Gandhi M, Hardin J. Evaluating the diagnostic and treatment capabilities of GPT-4 Vision in dermatology: a pilot study. J Cutan Med Surg. 2025;29(6):570-576. PMID: 40326457.
  12. Liu X, Duan C, Kim MK, et al. Claude 3 Opus and ChatGPT with GPT-4 in dermoscopic image analysis for melanoma diagnosis: comparative performance analysis. JMIR Med Inform. 2024;12:e59273. PMID: 39106482.
  13. Barucci A, Colcelli V, De Masi S, et al. Ethical and regulatory frameworks for artificial intelligence in clinical research: a European perspective on the Artificial Intelligence Act for ethics committees and researchers. Eur Cardiol. 2026;21:e01. PMID: 41676363.
  14. Lasheras-Pérez MA, Taberner R, Martínez-Jarreta B. Bioethical conflicts in current dermatology: a narrative review. Actas Dermosifiliogr. 2024;115(9):T867-T882. PMID: 39111571.
Lecturas relacionadas

Contenido dirigido a profesionales sanitarios. Elaboración editorial propia de DermRX a partir de A Giant Leap: How AI Is Transforming Healthcare and What That Means for Our Future (Wachter, Portfolio/Penguin, 2026): no se reproducen sus textos, tablas ni figuras. No sustituye al juicio clínico ni a la ficha técnica vigente. Los escenarios clínicos y las actualizaciones son elaboración editorial y están pendientes de revisión clínica individual.

DermRX · Revisión técnica por muestreo: · Alcance y estados editoriales. No equivale a una revisión clínica global.