Lectura

Instituciones e innovaciones: quién construye la IA sanitaria, de las start-ups de primaria a Mayo, NYU y Epic

Estado en los registros: Revisión clínica no acreditadaLa revisión histórica no acredita la validación de la versión actual.Fecha de revisión clínica no registrada en los metadatos
Inicio del contenido clínico
Lectura clínica · IA en sanidad · Instituciones

Instituciones e innovaciones: quién construye la IA sanitaria, de las start-ups de primaria a Mayo, NYU y Epic

Sobre el capítulo 5, «Instituciones e innovaciones» (Robert M. Wachter) · A Giant Leap: How AI Is Transforming Healthcare and What That Means for Our Future, 1.ª ed., 2026

Wachter recorre el mapa de quién está construyendo de verdad la inteligencia artificial sanitaria: las start-ups que prometieron rescatar la atención primaria y se estrellaron (Forward, Babylon), la Clínica Mayo y su plataforma de datos, la NYU y su apuesta por una formación médica guiada por datos, y la pugna entre Epic y Oracle por ser la plataforma de la historia clínica electrónica. Esta lectura resume cada caso, extrae lo que importa para una consulta de dermatología en España y contrasta el relato con la evidencia y el marco europeo a octubre de 2026.

Atención primariaMayo Clinic PlatformEducación de precisiónEpic y OraclePatología digitalEspacio Europeo de Datos de Salud

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 · 17 min de lectura.

Ideas esenciales

En 20 segundos

  • Las start-ups que quisieron «arreglar» la atención primaria con IA (Forward con sus CarePods, Babylon con su chatbot basado en reglas) fracasaron por razones poco tecnológicas: costes, logística, incapacidad de ofrecer la gama completa de servicios y productos lanzados antes de funcionar bien. La lección de Wachter es modesta pero sólida: busca mejoras incrementales que encajen en cómo se presta la asistencia, no el gran golpe.
  • Las instituciones que avanzan de verdad combinan datos, cultura y gobernanza: la Clínica Mayo convierte su historia clínica en plataforma (datos anonimizados, acuerdos internacionales, más de setenta y cinco desarrolladores) y despliega IA en patología y electrocardiografía; la NYU usa sus datos educativos para una «educación de precisión» basada en competencias y no en años transcurridos.
  • La batalla por la plataforma de IA la libran los fabricantes de historia clínica electrónica. Epic domina los grandes hospitales de EE. UU. con más de cien iniciativas de IA y agentes integrados; Oracle intenta reconstruir Cerner. Para el clínico, la cuestión práctica es si la IA llegará «empaquetada» con la historia clínica o como herramientas de terceros que haya que integrar.
Lo que merece la pena retener

Claves de la lectura

1

Revolucionar la primaria es más difícil que construir un quiosco

Forward recaudó más de 400 millones de dólares, abrió consultas con estética de tienda de tecnología y diseñó el CarePod, un quiosco autónomo con constantes automáticas y un dispositivo de detección de cáncer de piel, con médicos remotos aprobando el plan más tarde. Cerró de golpe en noviembre de 2024: cada Pod costaba alrededor de un millón de dólares, hubo pacientes atrapados dentro y no ofrecía subespecialistas. Babylon, incorporada por el NHS en 2019, usaba un motor de reglas anterior a GPT que erraba en un 10-15 % de los consejos; quebró en 2023. Ninguna falló por falta de ambición, sino por ignorar cómo se presta la asistencia real.

2

El cuello de botella es la mente del médico, no el software

Curai Health, que sobrevive con un modelo exclusivamente virtual, descubrió que los médicos no reorganizan su flujo de trabajo alrededor de una herramienta nueva y que la IA debe recomendar al clínico, no al paciente. Su fundador reconoce el límite: mientras el médico sea el responsable final y legal de cada decisión, pedirle diez veces más productividad es ponerlo en una rueda de hámster acelerada por la IA. La pregunta útil no es cómo acelerar cada paso, sino qué tareas concretas puede quitarle la IA de forma segura para que él se quede con los casos complejos.

3

Lo que satisface a pacientes y médicos no es la IA, es el tiempo

Wachter observa que las consultas que contentan a ambos lados son las de tipo «concierge»: cuotas anuales, carteras de unos cientos de pacientes por médico en lugar de dos mil, visitas de treinta a sesenta minutos y equipo de apoyo generoso. Es inasumible para la mayoría, y la IA no sustituirá por sí sola las reformas de pago, remuneración y tamaño de cupo que la primaria necesita. Su predicción es que la futura estratificación no será entre asistencia normal y «concierge», sino entre asistencia habitual y asistencia asistida por IA.

4

Mayo construye una plataforma, no un producto

La Clínica Mayo, que ya inventó la historia clínica unificada en 1907, convierte sus datos en un activo estratégico: los anonimiza, los protege y los abre mediante acuerdos con sistemas sanitarios de Pakistán, Singapur, Israel o Misuri y con más de setenta y cinco start-ups que desarrollan y validan herramientas sobre ese «lago» de datos. Ofrece además ayuda para la validación, para las solicitudes regulatorias y para integrar las herramientas en la historia clínica. La diferencia cultural es decisiva: los departamentos jurídicos actúan como facilitadores y la dirección considera que el riesgo de ir despacio supera al de ir deprisa.

5

Patología digital y ECG con IA: ejemplos de IA que ahorra tiempo pero choca con el sistema

En Mayo, contar mitosis en un glioma pasa de veinte o treinta minutos a treinta segundos con IA, pero la patología digital sigue frenada por la logística de la cadena de portaobjetos, la ligera pérdida de nitidez y el tradicionalismo de los patólogos; la escasez de personal puede inclinar la balanza. El ECG con IA estima la fracción de eyección, el riesgo futuro de fibrilación auricular y la «edad fisiológica» del corazón. Sin embargo, nadie sabe aún si anticoagular a un paciente «en riesgo» le beneficia, y las aseguradoras pueden negarse a pagar el ecocardiograma de confirmación. La implantación exige investigación clínica, cambios de flujo y, a veces, de pago.

6

La NYU mide competencias, no años, y se pregunta qué dejar de enseñar

El instituto de Marc Triola aprovecha la fusión de facultad y sistema sanitario para construir un almacén de datos educativo sin igual. Un algoritmo selecciona ya íntegramente las casi diez mil solicitudes anuales a la facultad, con concordancia alta con el profesorado y sin penalizar a mujeres ni minorías. La «educación de precisión» mide el progreso frente a estándares y ajusta la cartera de pacientes de cada residente. El debate abierto es qué enseñar menos: los directores de rotación negaron escribas de IA a los estudiantes porque deben aprender a razonar, y Wachter se alinea con ellos recordando el fallido consejo de Hinton sobre los radiólogos.

7

Epic frente a Oracle: la plataforma de IA se decide en la historia clínica

Epic, nacida en un sótano de Wisconsin en 1979 y controlada por Judy Faulkner sin capital externo, guarda datos de más de 250 millones de estadounidenses y presume de más de cien iniciativas de IA, la base de datos Cosmos y agentes integrados (Art, Penny, Emmie). Su ventaja no es tener las mejores herramientas, sino la confianza en que se integrarán y en que la empresa seguirá existiendo; de ahí las demandas por prácticas excluyentes. Oracle compró Cerner por 28 300 millones y apuesta por una historia clínica rediseñada con voz y nube. Wachter cree que la competencia real vendrá por los flancos: Abridge, OpenAI, Microsoft o la propia Mayo.

Repaso

Actores, plataformas y herramientas del capítulo

Una ficha por cada institución o concepto que Wachter utiliza para explicar cómo se está construyendo la IA sanitaria y qué aprender de ello.

Start-ups que quisieron salvar la atención primaria

Forward y el CarePod

Quiosco clínico autónomo
Qué es
Start-up fundada en 2016 por un exdirectivo de Google; consultas de pago por suscripción y, desde 2023, quioscos CarePod con constantes automáticas, dispositivo de cribado de cáncer de piel y médico remoto.
Lo que cuenta el libro
Más de 400 millones captados, valoración superior a mil millones y cierre fulminante en noviembre de 2024: cada Pod costaba alrededor de un millón, hubo fallos logísticos y no cubría subespecialidades.
En dermatología
El cribado cutáneo automatizado en un quiosco sin dermatólogo detrás es exactamente el tipo de «jonrón» que Wachter desaconseja; la teledermatología integrada en un circuito real funciona mejor que el gadget aislado.

Babylon Health

Chatbot anterior a GPT
Qué es
Empresa británica de 2013 con atención exclusivamente virtual: chatbot sintomático más telemedicina por aplicación; adoptada por el NHS en 2019 y cotizada en 2021 con una valoración de 4 200 millones.
Lo que cuenta el libro
El motor era de reglas, no generativo, y erraba en un 10-15 % de los consejos; los médicos internos no eran escuchados; era tan conservador que derivaba casi todo al médico. Quiebra en 2023.
En dermatología
Un triaje cutáneo que termina siempre en «consulte a su médico» no descarga nada: genera más visitas y sobrecarga las agendas de dermatología que pretendía aliviar.

Curai Health

IA que asesora al clínico
Qué es
Start-up de 2017 que, tras fracasar vendiendo software a sistemas sanitarios, creó su propio servicio virtual con clínicos contratados y software desarrollado junto a ellos.
Lo que cuenta el libro
La IA prepara la recomendación para el médico, no para el paciente; el fundador admite que multiplicar por diez la productividad es inviable mientras el médico siga en cada decisión.
En dermatología
Es el modelo de la teleconsulta asíncrona bien diseñada: la IA ordena imágenes, antecedentes y propuesta de plan, y el dermatólogo valida; útil para seguimiento de acné, psoriasis o eccema.

Consultas «concierge»

Tiempo, no tecnología
Qué es
Consultas de cuota anual, desde unos miles de dólares hasta cerca de 50 000, con cupos de unos cientos de pacientes y visitas de treinta a sesenta minutos.
Lo que cuenta el libro
Son las únicas que satisfacen a pacientes y médicos, pero la economía sanitaria las hace inalcanzables para la mayoría; la IA sola no corrige incentivos, remuneración ni tamaño de cupo.
En dermatología
La consulta privada de dermatología en España ya funciona en parte así; el reto es que la IA libere tiempo en la pública sin que ese tiempo se rellene con más pacientes por agenda.

La Clínica Mayo como laboratorio del futuro

Mayo Clinic Platform

Datos anonimizados en red
Qué es
Ecosistema digital presidido por John Halamka desde 2019: datos de Mayo anonimizados y protegidos, acuerdos con sistemas sanitarios de varios continentes y más de setenta y cinco start-ups como desarrolladores.
Lo que cuenta el libro
Nació para corregir la falta de diversidad del «jardín de cebras» de Rochester y para crear un volante de inercia: cuantos más hospitales y empresas se suman, más útil es. Incluye apoyo regulatorio y de integración.
En dermatología
Los algoritmos de lesiones pigmentadas entrenados en poblaciones homogéneas fallan en pieles oscuras; una plataforma diversa es la respuesta estructural, y en Europa ese papel lo aspira a cubrir el Espacio Europeo de Datos de Salud.

Patología digital

De 30 minutos a 30 segundos
Qué es
Digitalización de toda la cadena, desde el corte y la tinción hasta la lectura en pantalla, con IA para tareas repetitivas como el recuento de mitosis.
Lo que cuenta el libro
Un fallo de mercado: los hospitales no ven rentabilidad, los patólogos prefieren el ocular y la imagen digital es un poco menos nítida; Mayo crea empresas para resolver la logística y la escasez de personal empuja.
En dermatología
La dermatopatología es candidata natural: recuento de mitosis en melanoma, medición de Breslow y márgenes, segunda opinión remota; pero exige validar cada paso antes de firmar informes sobre pantalla.

ECG con IA

Fracción de eyección sin eco
Qué es
Redes neuronales entrenadas con cientos de miles de ECG de Mayo que estiman fracción de eyección baja, riesgo futuro de fibrilación auricular y «edad fisiológica» cardíaca.
Lo que cuenta el libro
Resultados pronósticos reales, pero con muros: nadie sabe si anticoagular al paciente «en riesgo» y la aseguradora puede negar el ecocardiograma de confirmación.
En dermatología
Es el patrón a reconocer: una predicción válida no equivale a una acción útil. Un «riesgo alto de melanoma» en una app no dicta por sí solo si hay que extirpar o vigilar.

Estetoscopio con IA y «3 000 millones»

Mayo como facilitador
Qué es
Algoritmo de Mayo integrado en un estetoscopio comercial que estima la fracción de eyección; usado por enfermeras en Nigeria para detectar miocardiopatía periparto.
Lo que cuenta el libro
La misión encomendada a Halamka es «marcar la vida de tres mil millones de personas» capacitando a otros para crear algoritmos; Mayo se ve como plataforma, como Uber sin coches o Airbnb sin habitaciones.
En dermatología
La analogía es la dermatoscopia asistida en atención primaria o en países con pocos dermatólogos: el valor está en formar y en el circuito de derivación, no en vender el dispositivo.

La NYU y la formación médica

Instituto de Innovaciones en Educación Médica

Datos educativos integrados
Qué es
El centro de Marc Triola, posible gracias a que en 2007 la NYU fusionó facultad y sistema sanitario bajo un único líder, lo que permitió compartir almacenes de datos y cuadros de mando.
Lo que cuenta el libro
El 45-65 % de la jornada de un médico transcurre ante el ordenador y nadie lo enseña; el instituto convierte evaluaciones, notas y casos atendidos en datos accionables.
En dermatología
Nuestros residentes aprenden dermatoscopia, cirugía y sistémicos, pero casi nadie les enseña a gestionar bandeja, historia electrónica o escriba; es un contenido curricular pendiente.

Seleccionador virtual de admisiones

100 aspirantes por plaza
Qué es
Algoritmo entrenado con cinco ciclos de solicitudes que replica el cribado del profesorado; comparado con la revisión tradicional en 2019 y publicado en 2023.
Lo que cuenta el libro
Concordancia muy alta y trato equivalente a mujeres y minorías; ahorra unas seis mil horas de profesorado y hoy cribra todas las solicitudes. Fue el primer manuscrito que necesitó visto bueno del asesor jurídico.
En dermatología
Si un sistema de selección de residentes o de priorización de derivaciones usa IA, hay que pedir la misma prueba: equivalencia por sexo y origen y auditoría periódica.

Educación de precisión

Competencias, no años
Qué es
Paradigma de Triola y Burk-Rafel: estándares definidos, medición continua del progreso, retroalimentación personalizada y avance por dominio demostrado en lugar de por tiempo transcurrido.
Lo que cuenta el libro
La IA puede revisar notas y evaluaciones, generar comentarios, equilibrar la cartera de pacientes del residente y simular casos que no ha visto; el bienestar del paciente siempre prevalece sobre el objetivo docente.
En dermatología
Un residente que no ha visto suficiente dermatología pediátrica o enfermedad ampollosa podría recibir casos simulados; es más realista que esperar a que «aparezca» el paciente.

¿Qué dejar de enseñar?

El dilema de la pérdida de competencias
Qué es
La pregunta más difícil del capítulo: si la IA asumirá tareas del médico, ¿se dejan de enseñar? La memorización pesa menos, pero sin conocimientos no se detecta una alucinación.
Lo que cuenta el libro
Triola propone exponer a los estudiantes a la práctica real con IA; Burk-Rafel, Nina Singh y el propio Wachter prefieren seguir enseñando fundamentos porque la IA ayuda más a quien ya sabe.
En dermatología
El residente debe seguir describiendo la lesión y argumentando el diagnóstico antes de mirar la sugerencia del dermatoscopio con IA; si no, nunca sabrá cuándo la máquina se equivoca.

Epic, Oracle y los titanes de los datos

Epic

King Kong de la HCE
Qué es
Fabricante de historia clínica electrónica fundado por Judy Faulkner en 1979; catorce mil empleados, ingresos superiores a 5 000 millones y datos de más de 250 millones de estadounidenses. Todos los veinte mejores hospitales de EE. UU. la usan.
Lo que cuenta el libro
Más de cien iniciativas de IA (escribas, borradores de bandeja, autorizaciones previas, apoyo a decisiones, facturación), base Cosmos de cien millones de historias y, en 2025, tarifa única por toda su IA y agentes Art, Penny y Emmie.
En dermatología
En España no hay un equivalente tan dominante, pero el mismo dilema aparece con cada proveedor autonómico de historia clínica: aceptar la IA «de serie» o exigir que se integren herramientas dermatológicas externas mejores.

Oracle Health (antes Cerner)

Reconstrucción desde cero
Qué es
Cerner, comprada por Oracle en 2022 por 28 300 millones, rebautizada y relanzada en 2024 con una historia clínica ambulatoria nueva, nube, voz y escucha ambiental integradas.
Lo que cuenta el libro
Heredó el fiasco del contrato de la Administración de Veteranos (recetas perdidas, caídas, treinta pasos para pedir un fármaco) y sigue perdiendo clientes; su módulo de admisión procede del software penitenciario de Oracle.
En dermatología
La anécdota del registro de pacientes copiado de las cárceles ilustra lo que un dermatólogo sufre a diario: flujos diseñados para el sistema, no para la consulta ni para el paciente.

Cosmos y los datos como ventaja

Cien millones de historias
Qué es
Base de datos anonimizada de Epic que agrega historias de sus clientes para investigación y para recomendar tratamientos según pacientes con perfil similar.
Lo que cuenta el libro
Es la réplica privada de lo que Mayo intenta como plataforma abierta; el riesgo, según críticos citados, es dejar algo tan importante como los datos sanitarios en manos de un monopolio privado.
En dermatología
Para enfermedades raras o respuestas a biológicos, consultar «qué pasó con pacientes como este» es valioso, siempre que el dato sea diverso y la recomendación no sustituya al ensayo clínico.

Plug-and-play frente a todo en uno

Sabre como modelo
Qué es
La competencia ya no es qué historia clínica instalar, sino si apostar por la IA del proveedor o por un modelo de «columna vertebral» con herramientas de terceros, como la App Store de Apple.
Lo que cuenta el libro
Wachter recuerda Sabre, la base de reservas aéreas de los años cincuenta que sigue detrás de Expedia: la historia clínica podría convertirse en la base de datos silenciosa mientras otros ponen la interfaz. Epic luchará por evitarlo.
En dermatología
Las historias clínicas específicas de dermatología existen; lo que decidirá su supervivencia es la facilidad para integrar dermatoscopia, fotografía y escriba sin salir del flujo.
Segunda mirada

Contrastes que resuelven la duda

Cinco contrastes del capítulo que ayudan a distinguir la innovación que llega de la que se queda en la presentación de diapositivas.

Construir una plataforma frente a vender un producto

Objetivo
Mayo busca que otros creen algoritmos sobre sus datos frente a Forward, que quería vender quioscos propios en centros comerciales.
Activo clave
Datos diversos, confianza y marca frente a hardware caro y una aplicación brillante.
Escalado
Un volante de inercia que mejora con cada socio frente a un coste fijo de un millón por Pod.
Riesgo
Captura de valor por un actor dominante y dependencia frente a quedarse sin caja antes de demostrar utilidad.
Para el dermatólogo
Prefiero herramientas que vivan dentro de la historia clínica y de un circuito de derivación frente a dispositivos aislados que prometen cribar sin dermatólogo.

IA que asesora al médico frente a IA que atiende al paciente

Quién recibe la salida
Curai genera una recomendación para el clínico frente a Babylon, que hablaba directamente con el paciente.
Modelo
Generativo o híbrido supervisado frente a motor de reglas conservador que derivaba casi todo.
Efecto en la demanda
Puede descargar trabajo frente a generar más visitas por exceso de prudencia.
Responsabilidad
Clara, el médico firma, frente a difusa, el sistema aconseja sin nadie detrás.
Para el dermatólogo
Un triaje de imágenes que me ordena la lista es útil frente a un chatbot que le dice al paciente que su nevus «parece benigno».

Competencia demostrada frente a tiempo transcurrido

Criterio de progreso
Educación de precisión: avanzar al dominar estándares frente a cuatro años de carrera y los de residencia que toquen.
Fuente de evaluación
Datos longitudinales, notas y casos reales frente a resúmenes escritos y presentaciones orales como medida indirecta.
Papel de la IA
Revisar, dar retroalimentación y equilibrar la cartera de pacientes frente a no intervenir en la evaluación.
Riesgo
Que el objetivo docente choque con la necesidad asistencial frente a que nadie sepa qué domina realmente un residente.
Para el dermatólogo
Un registro de procedimientos y diagnósticos del residente vale más que el tiempo sentado en consulta frente a la rotación por calendario.

Enseñar a usar la IA frente a enseñar los fundamentos

Postura
Triola: exponer desde el principio a la práctica con IA frente a Burk-Rafel, Singh y Wachter: la síntesis y el razonamiento tienen valor propio.
Argumento
El estudiante usará lo que va a usar frente a la IA ayuda más a quien ya sabe juzgar si lo que dice tiene sentido.
Peligro
Formar para una práctica que aún no existe frente a crear un círculo vicioso de pérdida de competencias que la IA acabe superando.
Ejemplo del libro
Escribas de IA para estudiantes frente a directores de rotación que dijeron «ni hablar».
Para el dermatólogo
El residente describe, razona y propone antes de ver la sugerencia del algoritmo frente a mirar primero la salida y justificarla después.

IA del proveedor de historia clínica frente a IA de terceros

Ventaja
Integración fluida, previsibilidad y permanencia garantizada frente a mejor rendimiento en un problema concreto.
Coste
Tarifa única por todo el menú de IA frente a pagar por una herramienta adicional que debe ser «extraordinariamente mejor».
Riesgo de mercado
Dependencia y prácticas excluyentes frente a ruido de innovación de cincuenta proveedores a la semana.
Tendencia
Apertura forzada por litigios y legislación frente a historias clínicas que se resisten a ser solo la base de datos.
Para el dermatólogo
Exigir que el proveedor autonómico integre dermatoscopia y escriba de calidad frente a resignarse a lo que venga «de serie».
Escenarios clínicos

Qué haría en consulta

Seis situaciones de una consulta de dermatología en España en las que el capítulo ayuda a decidir.

Sila gerencia me propone participar en un quiosco de autocribado cutáneo con IA en un centro comercial o farmacia

Pediría primero el circuito completo: quién recibe la imagen, en cuánto tiempo, qué pasa con los falsos positivos y cómo se cita al paciente con sospecha. La historia de Forward me recuerda que el dispositivo es lo de menos; sin dermatólogo al otro lado y sin agenda de derivación, el quiosco genera ansiedad, consultas duplicadas y lesiones benignas extirpadas. Aceptaría solo si se integra con nuestra teledermatología y con un registro que permita auditar resultados a seis meses.

Siun residente de primer año quiere usar el escriba ambiental y la sugerencia diagnóstica del dermatoscopio desde el primer día

Le aplicaría la regla de la NYU con la cautela de Wachter: puede usar el escriba cuando yo también lo uso, pero antes de abrir la salida de la IA debe describir la lesión en términos dermatoscópicos, formular su diagnóstico diferencial y proponer plan. Después comparamos con la máquina y discutimos las discrepancias. Mi objetivo es que dentro de tres años sepa reconocer cuándo el algoritmo se equivoca, no que dependa de él.

Siel servicio de anatomía patológica anuncia que pasará a informar la dermatopatología sobre imagen digital con ayuda de IA

Apoyaría el cambio pero pediría un periodo de doble lectura para melanoma y lesiones límite, con registro de discordancias, y preguntaría qué tareas hace la IA (recuento de mitosis, medición de Breslow, detección de márgenes) y cuáles valida el patólogo. La experiencia de Mayo muestra que el ahorro de tiempo es enorme pero que la pérdida de nitidez y la logística del escaneado pueden retrasar informes si no se dimensionan. Acordaría criterios para solicitar la revisión al microscopio.

Siuna empresa ofrece a mi hospital una plataforma de IA que recomienda tratamiento biológico según «pacientes similares» de su base de datos

Preguntaría de dónde salen esos pacientes, qué fototipos y edades incluyen y si la recomendación se ha comparado con guías y ensayos. El modelo Cosmos de Epic es útil para hipótesis, no para sustituir la evidencia; en psoriasis o hidradenitis, la elección del biológico depende de comorbilidades y de la ficha técnica. Usaría la herramienta como una segunda opinión documentada y exigiría que su rendimiento se vigile localmente, como harían Mayo o CHAI.

Sila historia clínica de mi comunidad autónoma incorpora un paquete de IA «de serie» y un proveedor externo me ofrece un escriba dermatológico claramente mejor

Pediría una prueba comparativa de dos semanas con los mismos tipos de consulta y mediría tiempo de nota, errores en nombres de fármacos y localización de lesiones, y satisfacción. El libro explica por qué los responsables de sistemas eligen la opción «segura» del proveedor; mi papel es aportar datos de que la alternativa es extraordinariamente mejor en dermatología, o aceptar la integrada si la diferencia es pequeña. Lo que no haría es usar una herramienta externa sin contrato ni integración.

Sime piden diseñar un sistema de IA para priorizar las derivaciones de atención primaria a dermatología

Haría lo que hizo Triola con las admisiones: entrenar con varios años de derivaciones ya resueltas, comparar el cribado de la IA con el de los dermatólogos en una cohorte prospectiva y comprobar que no penaliza por edad, sexo, origen o zona básica. Pasaría el proyecto por el comité de ética y por asesoría jurídica antes de implantarlo, documentaría quién supervisa y planificaría una auditoría anual. Y aceptaría que, si la ley lo exige, el humano revise cada rechazo.

Detalles que cambian la conducta

Perlas de examen y de consulta

◆Sencillos y dobles, no jonrones

Las innovaciones que sobreviven encajan en cómo se presta la asistencia; las que exigen que todo el sistema cambie a su alrededor acaban como Forward y Babylon. En consulta, busca la herramienta que te quita una tarea, no la que promete reinventar tu día.

◆Una predicción válida no es una decisión útil

El ECG con IA de Mayo predice bien fracción de eyección y fibrilación auricular futura, pero nadie sabe si anticoagular al «riesgo» ayuda. Aplica la misma pregunta a cualquier puntuación de riesgo de melanoma: ¿cambia lo que voy a hacer y hay evidencia de que eso beneficie?

◆El cuello de botella es la mente del médico en el bucle

Mientras el clínico sea responsable final de cada decisión, la productividad no se multiplica por diez. La IA rentable es la que retira tareas enteras de forma segura y deja al dermatólogo los casos complejos, no la que acelera cada minuto.

◆Los datos diversos son un activo clínico, no informático

Mayo construyó su plataforma para corregir el sesgo de su «jardín de cebras». Un algoritmo dermatológico entrenado sin pieles oscuras, sin ancianos o sin lesiones acrales fallará donde más importa; pregunta siempre por la población de entrenamiento.

◆Describe antes de mirar la salida de la IA

La NYU y Wachter coinciden en que la IA ayuda más a quien ya sabe. El residente debe formular el diagnóstico diferencial dermatoscópico antes de abrir la sugerencia del algoritmo; solo así detectará la alucinación cuando llegue.

◆Nadie fue despedido por comprar la IA del proveedor de historia clínica

Los responsables de sistemas eligen la opción segura e integrada aunque exista algo mejor. Si quieres una herramienta externa en dermatología, llega con datos propios de que es extraordinariamente mejor, no con una demostración de vendedor.

Contraste con fuentes actuales

Actualización DermRX

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

EvidenciaLos escribas ambientales ya tienen estudios multicéntricos: beneficio real pero modesto

El libro describe la transcripción ambiental como la implantación más extendida (Mayo, Epic, Abridge), apoyándose en encuestas de satisfacción. En 2025-2026 llegaron datos más sólidos: en cinco sistemas académicos de EE. UU. con 8 581 clínicos, la adopción del escriba se asoció a unos 13 minutos menos de historia clínica y 16 minutos menos de documentación por cada ocho horas de agenda, y a media visita semanal adicional, sin reducir el trabajo fuera de horario; los beneficios fueron mayores en atención primaria y en quienes lo usaban en más de la mitad de las visitas. En Mass General Brigham y Emory, el agotamiento autoinformado bajó de alrededor del 50 % al 30 % tras 84 días de uso. Conviene esperar lo mismo en dermatología: alivio perceptible, no transformación.

Fuentes: Rotenstein LS, et al. JAMA. 2026 PMID: 41920565. You JG, et al. JAMA Netw Open. 2025 PMID: 40839265.

FormaciónDar un gran modelo de lenguaje al médico no mejora por sí solo su razonamiento

El debate de la NYU sobre qué enseñar se apoya hoy en un ensayo aleatorizado: cincuenta médicos de familia, interna y urgencias resolvieron casos con o sin acceso a GPT-4; la puntuación de razonamiento fue del 76 % frente al 74 %, sin diferencia significativa, mientras que el modelo solo obtuvo dieciséis puntos más que los médicos sin IA. La lectura que hacen los autores coincide con Burk-Rafel y Singh: la colaboración humano-IA requiere formación específica y no se improvisa, y el médico necesita fundamentos para saber cuándo seguir la sugerencia. La «educación de precisión» de Triola, publicada en 2023, ofrece el marco para medir ese aprendizaje con datos y no con años.

Fuentes: Goh E, et al. JAMA Netw Open. 2024 PMID: 39466245. Triola MM, Burk-Rafel J. Acad Med. 2023 PMID: 37027222.

DermatologíaLa IA de apoyo mejora la precisión del dermatólogo, pero puede ampliar la brecha por fototipo

El capítulo justifica la plataforma de Mayo por la falta de diversidad de sus datos. En dermatología el problema está cuantificado: en un experimento con 389 dermatólogos y 459 médicos de primaria de 39 países, la precisión diagnóstica fue del 38 % y el 19 %, cuatro puntos menor en piel oscura; el apoyo de un sistema de aprendizaje profundo mejoró la precisión de ambos grupos más de un 33 %, pero amplió la diferencia por tono de piel entre los generalistas. Por su parte, la patología digital en dermatología se consolida como diagnóstico primario sobre imagen de portaobjetos completo, con la IA como asistente para melanocíticas, tumores epiteliales e inmunohistoquímica, y exige validación y control de calidad propios, como anticipaba Norgan en Mayo.

Fuentes: Groh M, et al. Nat Med. 2024 PMID: 38317019. Müller CSL, Hansen T. J Dtsch Dermatol Ges. 2026 PMID: 42549539.

ModelosLos algoritmos de Mayo están publicados y validados; la confianza en los del proveedor de historia clínica, no siempre

Las cifras que Wachter atribuye al ECG con IA proceden de trabajos de Mayo con más de 44 000 pacientes para fracción de eyección (área bajo la curva 0,93, sensibilidad 86 %) y 180 000 pacientes para detectar fibrilación auricular en ritmo sinusal (área 0,87), además del «desfase de edad» electrocardiográfica como predictor independiente de mortalidad. El contraste con el modelo de sepsis de Epic sigue siendo instructivo: su validación externa en Michigan mostró un área de 0,63, el 67 % de las sepsis no detectadas y alertas en el 18 % de los ingresos. La lección para quien compra IA dermatológica es pedir validación externa publicada, no la del fabricante.

Fuentes: Attia ZI, et al. Nat Med. 2019 PMID: 30617318. Attia ZI, et al. Lancet. 2019 PMID: 31378392. Wong A, et al. JAMA Intern Med. 2021 PMID: 34152373.

EspañaFrente a Mayo Clinic Platform y Cosmos, Europa apuesta por el Espacio Europeo de Datos de Salud

Las plataformas que describe el capítulo son privadas o institucionales. En la Unión Europea, el Reglamento (UE) 2025/327 del Espacio Europeo de Datos de Salud entró en vigor en marzo de 2025 y se aplicará de forma escalonada, en lo esencial a partir de 2029 para el uso primario y el secundario, con organismos nacionales de acceso a datos, entornos seguros de tratamiento y derecho de exclusión del paciente para el uso secundario. España parte de la Historia Clínica Digital del SNS y de la Estrategia de Salud Digital del SNS (2021). Para el dermatólogo español, el camino para entrenar y validar algoritmos con datos diversos pasará por esos organismos de acceso, no por acuerdos bilaterales con un gigante tecnológico.

Fuentes: Steindl E. J Law Med Ethics. 2026 PMID: 42767977. Reglamento (UE) 2025/327 del Parlamento Europeo y del Consejo (Espacio Europeo de Datos de Salud). DOUE. 2025.

SeguridadLa crisis de la atención primaria no se resuelve con tecnología: el estudio de las 27 horas

El dato de que un médico de familia necesitaría más horas de las que tiene el día procede de una simulación con cupos de 2 500 pacientes representativos de la población adulta de EE. UU.: 26,7 horas diarias para cumplir la atención preventiva, crónica y aguda recomendada, que bajan a 9,3 con trabajo en equipo, todavía excesivas. Wachter concluye que sin reformas de pago, cupo y duración de visita la IA no arreglará la primaria. En España, donde la dermatología depende de la calidad de la derivación desde primaria, cualquier herramienta de IA para el médico de familia (teledermatología, dermatoscopia asistida) debería evaluarse por su efecto sobre el tiempo y la pertinencia de la derivación, no solo por su precisión.

Fuentes: Porter J, et al. J Gen Intern Med. 2023 PMID: 35776372.
Recursos relacionados

Conectar con DermRX

Fuentes

Referencias

Lectura de referencia

Wachter RM. Capítulo 5, «Institutions and Innovations». 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. Porter J, Boyd C, Skandari MR, Laiteerapong N. Revisiting the Time Needed to Provide Adult Primary Care. J Gen Intern Med. 2023;38(1):147-155. PMID: 35776372.
  2. Attia ZI, Kapa S, Lopez-Jimenez F, et al. Screening for cardiac contractile dysfunction using an artificial intelligence-enabled electrocardiogram. Nat Med. 2019;25(1):70-74. PMID: 30617318.
  3. Attia ZI, Noseworthy PA, Lopez-Jimenez F, et al. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet. 2019;394(10201):861-867. PMID: 31378392.
  4. Ladejobi AO, Medina-Inojosa JR, Shelly Cohen M, et al. The 12-lead electrocardiogram as a biomarker of biological age. Eur Heart J Digit Health. 2021;2(3):379-389. PMID: 36713596.
  5. Triola MM, Reinstein I, Marin M, et al. Artificial Intelligence Screening of Medical School Applications: Development and Validation of a Machine-Learning Algorithm. Acad Med. 2023;98(9):1036-1043. PMID: 36888969.
  6. Triola MM, Burk-Rafel J. Precision Medical Education. Acad Med. 2023;98(7):775-781. PMID: 37027222.
  7. Wong A, Otles E, Donnelly JP, et al. External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients. JAMA Intern Med. 2021;181(8):1065-1070. PMID: 34152373.
  8. Rotenstein LS, Holmgren AJ, Thombley R, et al. Changes in Clinician Time Expenditure and Visit Quantity With Adoption of Artificial Intelligence-Powered Scribes: A Multisite Study. JAMA. 2026;335(16):1408-1417. PMID: 41920565.
  9. You JG, Dbouk RH, Landman A, et al. Ambient Documentation Technology in Clinician Experience of Documentation Burden and Burnout. JAMA Netw Open. 2025;8(8):e2528056. PMID: 40839265.
  10. 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.
  11. Groh M, Badri O, Daneshjou R, et al. Deep learning-aided decision support for diagnosis of skin disease across skin tones. Nat Med. 2024;30(2):573-583. PMID: 38317019.
  12. Müller CSL, Hansen T. Digital Pathology in Dermatology – Current Status, Applications and Perspectives. J Dtsch Dermatol Ges. 2026;24(8):e1097-e1107. PMID: 42549539.
  13. Steindl E. The EHDS Regulation: Health Data at the Crossroads of Patient Autonomy, Data Protection, and Innovation. J Law Med Ethics. 2026:1-12. PMID: 42767977.
  14. Reglamento (UE) 2025/327 del Parlamento Europeo y del Consejo, de 11 de febrero de 2025, relativo al Espacio Europeo de Datos de Salud. Diario Oficial de la Unión Europea, 5 de marzo de 2025.

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