Lectura

Implicaciones, recomendaciones y predicciones: cómo decidir qué IA adoptar en dermatología sin ir demasiado rápido ni demasiado despacio

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 · Estrategia y adopción

Implicaciones, recomendaciones y predicciones: cómo decidir qué IA adoptar en dermatología sin ir demasiado rápido ni demasiado despacio

Sobre el capítulo 7, «Implicaciones, recomendaciones y predicciones» (Robert M. Wachter) · A Giant Leap: How AI Is Transforming Healthcare and What That Means for Our Future, 1.ª ed., 2026

Tras un año de entrevistas, Wachter cierra su recorrido con un balance que sorprende por su optimismo: la IA generativa supera su «prueba del cepillo de dientes», los sistemas sanitarios la están adoptando con más cabeza que la historia clínica electrónica y los pacientes la ven con buenos ojos. Pero el capítulo también fija reglas: empezar por lo de bajo riesgo sin quedarse ahí, reorganizar el trabajo antes que comprar tecnología, exigir supervisión continua y aceptar que llegará un «momento Cruise». Esta lectura traduce esas implicaciones a decisiones concretas en una consulta de dermatología española y las contrasta con la regulación europea y la evidencia publicada hasta octubre de 2026.

Adopción prudenteParadoja de la productividadPlataformas frente a herramientasRegulación flexibleMomento CruiseEmpleo médicoAtención por niveles

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

  • Wachter termina su investigación más optimista de lo que empezó: la IA generativa ya aporta valor diario (escriba ambiental, resúmenes de historia, borradores de mensajes) y, a diferencia de la historia clínica electrónica de 2015, los clínicos que la han probado la valoran bien. No prevé otro «invierno de la IA» en sanidad.
  • Las recomendaciones son organizativas, no tecnológicas: nombrar responsables de IA, rediseñar flujos de trabajo (la «paradoja de la productividad»), exigir supervisión continua de las herramientas y preferir plataformas integradas frente a decenas de soluciones de un solo uso, sin esperar eternamente a la versión del proveedor de la historia clínica.
  • Sus predicciones: ir «demasiado despacio» ya es un riesgo mayor que ir rápido; habrá un fallo mediático tipo «robotaxi de Cruise»; la sustitución de empleos clínicos será moderada durante diez o veinte años porque la productividad de la IA se absorberá en necesidades no cubiertas; y surgirá una atención por niveles con un primer escalón basado en IA.
Lo que merece la pena retener

Claves de la lectura

1

La prueba del cepillo de dientes ya se supera

Wachter toma prestada la vara de medir de Larry Page: una tecnología importa si la usas una o dos veces al día. Él mismo consulta GPT y OpenEvidence varias veces por jornada clínica y escribe con Claude, NotebookLM y Deep Research. En UCSF Health describe adopción generalizada del escriba ambiental y despliegues cautos de resúmenes de historia, borradores de respuesta a la bandeja del portal y ayuda a la facturación: tareas de bajo riesgo y alta viabilidad que tienen sentido como primera oleada. El mensaje para un servicio de dermatología es que la pregunta ya no es si la IA sirve, sino qué tarea concreta le damos primero.

2

Los frenos naturales de la sanidad son una ventaja

Lo que en otros sectores se lamenta como lentitud, Wachter lo reinterpreta como equilibrio saludable: la aversión profesional al riesgo, los actores establecidos, la responsabilidad civil, los sistemas de pago y las normas de privacidad hacen que solo se implanten herramientas razonablemente evaluadas y de proveedores de confianza. Esa es la diferencia con la historia clínica electrónica de The Digital Doctor (2015), que casi todos los entrevistados odiaban; ahora, quienes han probado la IA moderna oscilan entre moderadamente impresionados y cautivados. Para España, con un Sistema Nacional de Salud muy regulado, el diagnóstico es aplicable casi punto por punto.

3

Comprar tecnología no basta: la paradoja de la productividad

El capítulo insiste en que convertir la promesa en resultados exige reestructurar la organización. UCSF creó un director de IA sanitaria, marcos para elegir casos de uso, medir retorno, formar al personal y detectar sesgos, y una división académica (DoC-IT) dedicada a investigación y docencia. Wachter recuerda la «paradoja de la productividad de las tecnologías de la información»: las tecnologías de uso general tardan años en rendir hasta que se rediseña el trabajo. Trasladado a un servicio de dermatología, significa que un escriba ambiental sin cambiar agendas, plantillas de informe y circuitos de revisión rendirá mucho menos de lo que promete el proveedor.

4

El mercado premia plataformas, no soluciones de un solo problema

Wachter recoge la predicción de Jonathan Bush en enero de 2025 de que la mitad o dos tercios de las empresas emergentes desaparecerán o se fusionarán, y cita a Abridge y Hippocratic AI como supervivientes frente a Forward y Babylon. Los sistemas sanitarios no quieren gestionar decenas de herramientas de uso único, de modo que quien resuelva solo documentación, solo autorización previa o solo diagnóstico tendrá difícil competir. Julia Adler-Milstein lo resume: gana la unidad de escala lo bastante general para muchas especialidades pero lo bastante concreta para encajar en un presupuesto. En dermatología conviene recordarlo al evaluar un clasificador dermatoscópico aislado.

5

Epic, la nube y el riesgo de «esperar a la versión del proveedor»

La escena central es un contraste de demostraciones en febrero de 2025: un centro de llamadas de Notable con agentes de IA coordinados que cita, cobra, renueva recetas y deriva al 911 ante dolor torácico, frente a un agente de Epic que guía una exploración de muñeca posquirúrgica con visión artificial pero que, según su propio vicepresidente, tardará años en llegar a pacientes. El dilema: la demostración del gigante puede hacer que muchos hospitales digan «esperaremos a Epic» mientras una herramienta real ya funciona. Wachter añade que Microsoft, Amazon y Google tendrán sitio por la nube, pero no conocen la sanidad lo bastante para dominarla.

6

Regulación flexible y supervisión continua, con zorros en el gallinero

Para Wachter la FDA es necesaria en herramientas de alto riesgo con salida prescriptiva (radiología, cardiología), pero habrá demasiadas aplicaciones evolucionando demasiado deprisa para un único regulador cuya autoridad alcanza solo a fabricantes. Propone un modelo que fije normas para fabricantes, sistemas sanitarios, clínicos, pagadores y aseguradoras, con organizaciones no gubernamentales y académicas, y se inclina por un enfoque laxo mientras maduran mercado y tecnología. La carga real recaerá en cada organización: garantizar que las herramientas funcionan no solo el primer día, probablemente con IA vigilando a la IA, y reconociendo que nunca hemos supervisado bien tampoco nuestros sistemas no basados en IA.

7

Confianza, momento Cruise y empleo: predicciones con fecha

Wachter da por seguro un fallo sonado con un humano «en el bucle» que no lo estaba, al estilo del robotaxi de Cruise, y aconseja acumular reserva de confianza antes. Su giro personal: ha dejado de desconfiar solo de las herramientas y empieza a desconfiar de los sistemas que no se han movido; comparte con Gianrico Farrugia que ir despacio ya es más arriesgado que ir deprisa. En empleo, pide analizar tareas y no puestos, prevé sustitución moderada durante diez o veinte años por envejecimiento y escasez, anticipa una atención primaria por niveles con un escalón basado en IA y, aun así, sigue animando a un niño a estudiar medicina.

Repaso

Conceptos y actores del capítulo, pasados por la consulta

Los términos que Wachter usa para organizar sus recomendaciones, con lo que cuenta el libro y cómo se traducen a un servicio de dermatología español.

Cómo medir si la IA ya aporta valor

Prueba del cepillo de dientes

Uso diario como criterio
Qué es
Criterio de Larry Page: una tecnología cuenta si mejora tu vida y la usas una o dos veces al día.
Lo que cuenta el libro
Wachter la supera con GPT y OpenEvidence en consulta, y con Claude, NotebookLM y Deep Research para escribir y dirigir un departamento.
En dermatología
Si una herramienta no se abre a diario (dudas de fármacos sistémicos, redacción de informes, resumen de historias largas), probablemente no merece la licencia.

Primera oleada de bajo riesgo

Escriba, resúmenes, bandeja, facturación
Qué es
Tareas administrativas o de documentación donde un error es recuperable y el beneficio se nota de inmediato.
Lo que cuenta el libro
UCSF empezó por ahí; el soporte a sepsis mejoró tras un debut accidentado y se extiende despacio a otras enfermedades.
En dermatología
Transcripción ambiental, borradores de respuesta en el portal y resumen de evolutivos de psoriasis o hidradenitis antes de la visita.

Percepción de clínicos y pacientes

Mejor que la HCE de 2015
Qué es
Comparación del ánimo con el de la historia clínica electrónica cuando Wachter escribió «The Digital Doctor».
Lo que cuenta el libro
Los clínicos que han probado la IA moderna van de impresionados a cautivados; en una encuesta Gallup de 2025, el 61 % de los estadounidenses ve bien la IA en diagnóstico y tratamiento, frente al pesimismo general sobre la IA.
En dermatología
Preguntar a los propios pacientes: muchos aceptan la IA como apoyo del dermatólogo pero no como sustituto, y conviene explicar cuál de las dos cosas estamos usando.

Invierno de la IA

Ciclo de desilusión que no prevé
Qué es
Periodos históricos de pérdida de financiación y entusiasmo tras promesas incumplidas.
Lo que cuenta el libro
Wachter no prevé otro invierno en sanidad porque la aceptación temprana crea base para herramientas más ambiciosas.
En dermatología
Los clasificadores de lesiones vivieron su mini invierno tras los primeros estudios de lectores; la lección es validar en consulta real antes de prometer.

Qué tiene que cambiar en la organización

Director de IA sanitaria

Nuevo puesto directivo
Qué es
Responsable de evaluar necesidades, seleccionar casos de uso, medir retorno, formar personal, detectar sesgos y cuidar la privacidad.
Lo que cuenta el libro
UCSF lo creó cuando hace dos años era inimaginable; se acompaña de marcos formales de evaluación.
En dermatología
En un hospital español el equivalente es un referente de IA en el servicio que hable con informática y con el comité de ética antes de probar nada con datos reales.

Paradoja de la productividad

Rediseñar antes que comprar
Qué es
Las tecnologías de uso general tardan años en rendir hasta que se reorganiza el trabajo y los flujos.
Lo que cuenta el libro
Wachter y Brynjolfsson la aplicaron a la IA generativa en JAMA; el libro la convierte en regla de implantación.
En dermatología
Un escriba ambiental exige nuevas plantillas de informe, tiempos de revisión en agenda y acuerdos sobre quién firma qué.

DoC-IT

División de informática clínica
Qué es
División de Informática Clínica y Transformación Digital creada por Wachter en su departamento de UCSF.
Lo que cuenta el libro
Investiga y forma en sanidad impulsada por IA, con entornos seguros para probar herramientas y docencia en uso responsable.
En dermatología
Los servicios docentes pueden reservar un «arenero» con datos sintéticos o anonimizados para que residentes prueben herramientas sin tocar la historia real.

Currículo: qué añadir y qué quitar

Formación de residentes
Qué es
Decisión sobre nuevos contenidos de IA y, más difícil, qué contenido tradicional eliminar.
Lo que cuenta el libro
UCSF integra la IA en evaluación, retroalimentación y tutoría, y reconoce que quitar contenido es lo más duro.
En dermatología
Enseñar a interrogar un modelo y a detectar sus errores sin dejar de enseñar dermatoscopia manual: la habilidad de base no es negociable.

Actores del mercado

Plataforma frente a solución única

La unidad de escala que gana
Qué es
Herramientas que resuelven un problema concreto en muchas especialidades frente a las que solo hacen una cosa para un cliente.
Lo que cuenta el libro
Adler-Milstein: el mercado premia lo bastante general para muchas especialidades y lo bastante concreto para caber en un presupuesto.
En dermatología
Un clasificador dermatoscópico aislado lo tiene difícil frente a un módulo integrado en teledermatología, fotografía corporal total y la historia clínica.

Notable

Agentes de IA coordinados
Qué es
Plataforma cuya demostración encadena cita, cobro, renovación de receta y derivación urgente en una sola conversación.
Lo que cuenta el libro
Wachter, que declara ser asesor de la empresa, la presenta como modelo de escalar de producto específico a plataforma integral.
En dermatología
Es el tipo de agente que podría gestionar revisiones de nevos, renovaciones de biológicos y avisos de lesiones de crecimiento rápido en un servicio saturado.

Epic y Oracle Health

La ventaja del proveedor de HCE
Qué es
Proveedores de historia clínica por los que pasan casi todas las transacciones clínicas y administrativas.
Lo que cuenta el libro
Su demostración de agente posquirúrgico es ambiciosa pero tardará años; el riesgo es que los hospitales «esperen a Epic» mientras otros ya funcionan. Epic empieza a aliarse con terceros.
En dermatología
En España el papel lo juegan los sistemas autonómicos de historia; conviene exigir que permitan integrar herramientas externas de teledermatología e imagen.

Nube y gigantes de la IA

Microsoft, Amazon, Google, OpenAI
Qué es
Proveedores de infraestructura y modelos sobre los que se construye casi todo.
Lo que cuenta el libro
Tendrán sitio garantizado por la nube, pero no conocen la sanidad lo bastante para dominarla; las dos últimas décadas enseñan que suelen fracasar en ella.
En dermatología
Preguntar siempre dónde se alojan las imágenes y los audios del escriba, y si el contrato cumple el Reglamento General de Protección de Datos.

Empresas emergentes en caída

Forward, Babylon
Qué es
Compañías que prometieron más de lo que entregaron y fueron castigadas por el mercado.
Lo que cuenta el libro
Bush predijo en 2025 que la mitad o dos tercios de las start-ups desaparecerían o se fusionarían: «el equilibrio surge del caos».
En dermatología
Antes de contratar, preguntar por la continuidad del proveedor y por qué pasa con los datos y las imágenes si cierra.

Supervisión, confianza y futuro

Momento Cruise

El fallo mediático que llegará
Qué es
Un fallo de IA de gran repercusión, probablemente con supervisión humana chapucera, que desencadena escrutinio y regulación más dura.
Lo que cuenta el libro
Wachter lo da por inevitable, como el robotaxi que atropelló a una mujer y hundió a la empresa; la reserva de confianza previa determina cómo se capea.
En dermatología
Un melanoma no detectado por un clasificador con un médico que «confirmó» sin mirar es el escenario más probable: documentar siempre la revisión propia.

Supervisión continua

No solo el primer día
Qué es
Vigilar que una herramienta sigue funcionando bien con el tiempo y con cambios de población y de modelo.
Lo que cuenta el libro
La carga recaerá en las organizaciones; la IA será a la vez objeto y agente de la vigilancia, «zorros cuidando el gallinero».
En dermatología
Auditar periódicamente la concordancia entre la sugerencia del clasificador y la histología, y revisar el escriba cuando cambie de versión.

Tareas frente a puestos

Marco para hablar de empleo
Qué es
Analizar qué tareas puede asumir la IA, como copiloto o agente autónomo, en lugar de preguntar qué profesiones desaparecen.
Lo que cuenta el libro
Ceder tareas de alto riesgo a agentes sin pruebas casi perfectas es prematuro; la supervisión meramente formal es incluso peligrosa.
En dermatología
La triada de tareas candidatas: cribado de fotos del portal, resumen de historias y borradores; el diagnóstico y la decisión quirúrgica siguen en manos humanas.

Atención por niveles

Clase business y clase turista
Qué es
Predicción de un primer escalón basado en IA para pacientes con planes básicos y atención humana para casos complejos o quien pueda pagarla.
Lo que cuenta el libro
Wachter la ve aceptable si la calidad y la seguridad se mantienen, como en el software de declaración de la renta o las clases de avión.
En dermatología
En un sistema público universal el riesgo es que el nivel IA se convierta en la única puerta para patología benigna; hay que garantizar la escalada rápida al dermatólogo.
Segunda mirada

Contrastes que resuelven la duda

Cinco contrastes que Wachter plantea en el capítulo y que ayudan a decidir, en un servicio concreto, qué hacer con la IA mañana.

Ir demasiado despacio frente a ir demasiado rápido

Riesgo principal
Perder años de beneficio y confianza del personal frente a implantar algo mal evaluado que cause daño.
Postura del libro
Wachter adopta la de Farrugia: el riesgo de la lentitud ya supera al de la prisa, sin que eso justifique ceder tareas de alto riesgo.
Cómo se ve en consulta
Servicio que sigue dictando a mano por «graves reservas» frente a servicio que activa un clasificador sin auditar su rendimiento local.
Qué haría
Fijar una fecha para el primer piloto de bajo riesgo frente a exigir evidencia prospectiva antes de cualquier herramienta diagnóstica.
Indicador
Meses sin ningún caso de uso en marcha frente a casos de uso sin métrica de seguridad.

Herramienta de un solo uso frente a plataforma integrada

Qué resuelve
Un problema (documentación, autorización, diagnóstico) frente a varios encadenados sobre los mismos datos.
Ventaja
Rapidez y especialización frente a menos proveedores, menos integraciones y un presupuesto único.
Riesgo
Docenas de contratos y pantallas frente a dependencia de un proveedor dominante y menor competencia.
Lo que cuenta el libro
Las start-ups deben triunfar con un producto concreto y pivotar a plataforma, solas o aliadas; las de un solo problema lo tendrán difícil.
En dermatología
Clasificador dermatoscópico aislado frente a módulo de imagen dentro del circuito de teledermatología y la historia.

Herramienta en uso frente a demostración del proveedor de la historia clínica

Estado
Producto desplegado con clientes reales frente a vídeo ambicioso con años de desarrollo pendientes.
Lo que cuenta el libro
Notable ya funciona; Epic reconoce que sus agentes dirigidos a pacientes no serán los primeros en salir.
Riesgo
Comprar algo que luego se quede fuera de la plataforma frente a «esperar a Epic» indefinidamente.
Qué haría
Exigir integración demostrable con la historia autonómica frente a aceptar promesas de hoja de ruta.
Señal de alarma
Proveedor sin integración frente a proveedor de historia que bloquea a terceros.

Regulador único frente a ecosistema de supervisión

Modelo
FDA o AEMPS para productos sanitarios de alto riesgo frente a normas para fabricantes, hospitales, clínicos, pagadores y aseguradoras con socios académicos.
Lo que cuenta el libro
Un regulador cuya autoridad se limita a fabricantes no puede abarcar herramientas que cambian cada mes.
Europa
El Reglamento de IA añade obligaciones al fabricante y también al «responsable del despliegue», es decir, al hospital.
Carga práctica
Marcado CE frente a vigilancia continua local de rendimiento y sesgos.
Qué haría
No conformarme con el marcado frente a pedir también resultados en mi población.

Copiloto frente a agente autónomo

Definición
IA que propone y el médico decide frente a IA que ejecuta la tarea de principio a fin.
Riesgos
Falta de atención, pérdida de competencias y sesgo de automatización frente a error sin red si el rendimiento no es casi perfecto.
Lo que cuenta el libro
Identificar tareas donde la supervisión humana es meramente formal y peligrosa frente a mantener al médico en el bucle donde aporta.
En dermatología
Clasificador que sugiere y el dermatólogo confirma frente a cribado automático de fotos del portal que descarta sin mirar.
Qué haría
Aceptar el copiloto con auditoría frente a exigir ensayo y vía de escalada antes de cualquier autonomía.
Escenarios clínicos

Qué haría en consulta

Seis situaciones en las que las implicaciones del capítulo se convierten en decisiones de un dermatólogo en España.

Sila gerencia pregunta a mi servicio por qué caso de uso de IA empezar

propongo la secuencia del libro: primero lo de bajo riesgo y alta viabilidad. En dermatología eso es el escriba ambiental en consultas de alta demanda, los resúmenes de evolutivos largos de pacientes con biológicos y los borradores de respuesta en la bandeja del portal. Pido que el piloto lleve métricas desde el primer día (tiempo de documentación, errores detectados en revisión, satisfacción de pacientes) y un responsable de IA en el servicio. Dejo claro que el clasificador diagnóstico vendrá después, cuando tengamos cultura de auditoría, y que no esperaremos a la versión del proveedor de la historia si otra herramienta ya se integra.

Siun proveedor ofrece un clasificador dermatoscópico «con marcado CE» para la consulta de nevos

no me conformo con el marcado. Pregunto con qué población y fototipos se validó, si existe evidencia prospectiva en consulta real y qué pasó con su rendimiento fuera del entorno experimental, porque el libro insiste en que la supervisión debe ser continua y no solo el primer día. Exijo que la sugerencia quede registrada junto a mi decisión para poder auditar concordancia con la histología cada trimestre. Como responsable del despliegue, bajo el Reglamento europeo de IA tengo obligaciones propias de vigilancia humana y registro, no solo el fabricante. Y pido un plan por si la empresa desaparece: datos, imágenes y continuidad.

Siel residente usa el escriba ambiental y firma los informes sin leerlos porque «salen bien»

le explico el escenario del «momento Cruise»: el fallo grave con un humano «en el bucle» que no lo estaba. Convierto la revisión en acto docente: cada semana elegimos tres informes generados y buscamos omisiones (lado de la lesión, dosis, alergias, lo que el paciente dijo en la puerta). Le enseño que el sesgo de automatización afecta también a expertos y que la pérdida de competencias es un riesgo real documentado en otras especialidades. Firmar es asumir; si no lo ha leído, no lo firma. El escriba reduce carga, no responsabilidad.

Siuna paciente con psoriasis gestiona sus renovaciones y dudas con un agente de IA del servicio y pregunta si ya no necesita verme

le respondo con la idea del libro de atención por niveles sin convertirla en abandono. El agente puede tramitar renovaciones, recordar analíticas de monitorización y responder dudas frecuentes, y eso le ahorra viajes. Pero la decisión de cambiar de biológico, la valoración de una artritis incipiente o una infección intercurrente siguen siendo mías, y el sistema debe escalar a consulta en menos de una semana ante cualquier señal de alarma. Le explico qué hace el agente y qué no, y dejo registrado su consentimiento. En un sistema público, el nivel IA debe ser una puerta rápida, no una barrera.

Siel comité de dirección quiere comprar una «plataforma todo en uno» de IA para todo el hospital

apoyo la lógica del libro (menos proveedores, integración real) pero pido tres cosas antes de firmar. Que la plataforma tenga casos de uso ya en producción en otros centros y no solo demostraciones. Que permita integrar herramientas de terceros, en especial imagen dermatológica y teledermatología, para no depender de un único proveedor como ocurre con la historia clínica. Y que incluya un módulo de supervisión continua con informes de rendimiento por servicio. Recuerdo que las empresas emergentes están desapareciendo o fusionándose, así que negocio cláusulas de salida y de propiedad de los datos.

Siun compañero me dice que la IA acabará con los dermatólogos y que no anime a su hija a estudiar medicina

le cuento la predicción de Wachter, que no es ingenua: sí habrá sustitución de tareas y, con décadas, de algunas funciones, pero durante diez o veinte años la productividad de la IA se absorberá en demanda no cubierta, envejecimiento y nuevos tratamientos. En dermatología lo vemos ya: listas de espera de meses, teledermatología desbordada y más fármacos que monitorizar. Lo que cambia es el reparto: menos informe y menos bandeja, más decisión en casos complejos, más procedimiento y más conversación. Yo sí animaría a su hija, con la condición de que aprenda a trabajar con la herramienta sin perder la habilidad clínica de base.

Detalles que cambian la conducta

Perlas de examen y de consulta

◆Si no la usas a diario, no supera la prueba

La «prueba del cepillo de dientes» de Larry Page es el mejor filtro para licencias: una herramienta de IA que no se abre una o dos veces al día en consulta probablemente no vale lo que cuesta ni el riesgo que añade.

◆Empieza por lo barato de equivocarse, pero no te quedes ahí

Documentación, resúmenes y bandeja del portal son el primer escalón sensato. Wachter advierte que conformarse con «toques de sacrificio» deja sin abordar diagnóstico, coordinación y autogestión del paciente, donde está la verdadera transformación.

◆Rediseña el trabajo antes de comprar la tecnología

La paradoja de la productividad se cumple en cada servicio: sin nuevas plantillas, tiempos de revisión en agenda y responsables claros, el escriba ambiental rinde una fracción de lo prometido.

◆El marcado CE no sustituye la auditoría local

Un clasificador validado en otra población y otros fototipos puede rendir peor en tu consulta. La supervisión continua con histología como referencia es responsabilidad de quien lo despliega, no solo de quien lo fabrica.

◆Prepara el momento Cruise antes de que llegue

El fallo mediático con supervisión humana ficticia es cuestión de tiempo. Documentar la revisión propia en cada informe y cada sugerencia diagnóstica es la reserva de confianza que te permitirá capear la tormenta.

◆Habla de tareas, no de puestos

Preguntar qué tareas puede asumir la IA desarma el debate sobre la desaparición del dermatólogo y permite identificar dónde la supervisión humana es real y dónde se ha vuelto un trámite peligroso.

Contraste con fuentes actuales

Actualización DermRX

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

RegulaciónEuropa ya tiene el marco que Wachter pide: Reglamento de IA, MDR y Espacio Europeo de Datos de Salud

El libro reclama un modelo regulador que alcance a fabricantes, hospitales y clínicos y no solo a productos. En la Unión Europea ese modelo ya existe: el Reglamento (UE) 2024/1689 clasifica como alto riesgo casi toda IA que sea producto sanitario con evaluación de conformidad y obliga también al «responsable del despliegue» (el hospital) a vigilancia humana, registro y formación; sus obligaciones de alto riesgo se aplican de forma escalonada desde agosto de 2026 y, para la IA integrada en productos sanitarios regulados por el MDR, desde agosto de 2027, con propuestas de aplazamiento en tramitación. En España supervisa la AESIA junto a la AEMPS. El Espacio Europeo de Datos de Salud (Reglamento 2025/327) regulará el acceso secundario a datos para entrenar y validar modelos, con derecho de oposición del paciente.

Fuentes: van Kolfschooten H, et al. Health Policy. 2024 PMID: 39244818.

RegulaciónLa FDA se mueve hacia el ciclo de vida y la vigilancia poscomercialización que el libro reclama

Wachter describe a la FDA como necesaria para herramientas de alto riesgo pero insuficiente para el conjunto. La propia agencia publicó en JAMA su perspectiva: cerca de mil dispositivos con IA autorizados, necesidad de mecanismos flexibles, gestión del ciclo de vida con vigilancia local recurrente del rendimiento y mecanismos específicos para grandes modelos de lenguaje, que hoy siguen en gran parte fuera de su alcance cuando no se presentan como producto sanitario. A octubre de 2026 la lista de dispositivos autorizados supera ampliamente el millar, sigue dominada por radiología y la dermatología mantiene una presencia mínima. La coincidencia con el libro es notable: la vigilancia continua local pasa a ser responsabilidad de quien implanta, exactamente la «carga» que Wachter asigna a las organizaciones.

Fuentes: Warraich HJ, et al. JAMA. 2025 PMID: 39405330.

EvidenciaLos escribas ambientales ya tienen ensayos aleatorizados: menos agotamiento, ahorro de tiempo modesto y errores ocasionales

La adopción generalizada en UCSF que describe el libro se apoyaba en estudios observacionales. Desde entonces se han publicado ensayos aleatorizados. En UCLA, 238 médicos de 14 especialidades se asignaron a dos escribas o a control: solo uno redujo el tiempo en notas (alrededor del 10 %), ambos mejoraron puntuaciones de agotamiento y carga de tareas, y los clínicos notificaron imprecisiones clínicamente relevantes «ocasionalmente». Un ensayo cruzado en Duke con 160 clínicos comparó dos productos: los dos redujeron el agotamiento, uno ahorró más minutos en notas y ninguno cambió el tiempo fuera de horario. El balance confirma la recomendación del libro (empezar por aquí) y añade el matiz: el beneficio es sobre todo de bienestar y exige revisión activa del texto generado.

Fuentes: Lukac PJ, et al. NEJM AI. 2025 PMID: 41497288. Chowdhury A, et al. J Am Med Inform Assoc. 2026 PMID: 41729180.

ModelosLos modelos razonan mejor solos que acompañados: el problema es el acoplamiento humano-IA

Wachter anticipa que la transformación vendrá del diagnóstico y las decisiones, no de la documentación, y que el paradigma del humano en el bucle tiene debilidades. Los ensayos lo confirman con un giro. En un ensayo con 50 médicos, el acceso a GPT-4 no mejoró el razonamiento diagnóstico frente a recursos convencionales, mientras el modelo solo superó a ambos grupos. En decisiones de manejo con 92 médicos, la ayuda del modelo sí mejoró la puntuación, sin diferencia entre médico más modelo y modelo solo. El sistema conversacional AMIE superó a médicos de atención primaria en consultas simuladas por texto y, en 2026, fue no inferior en manejo a lo largo de varias visitas. El cuello de botella no es el modelo, sino cómo lo interrogamos y cuándo le hacemos caso.

Fuentes: Goh E, et al. JAMA Netw Open. 2024 PMID: 39466245. Goh E, et al. Nat Med. 2025 PMID: 39910272. Tu T, et al. Nature. 2025 PMID: 40205050. Liévin V, et al. Nature. 2026 PMID: 42310463.

SeguridadLa pérdida de competencias ya no es hipótesis: la tasa de detección cae cuando se retira la IA

El libro menciona la pérdida de competencias como una debilidad del paradigma de copiloto que hay que abordar de forma proactiva. En 2025 apareció la primera señal cuantitativa sólida: en cuatro centros polacos, la tasa de detección de adenomas en colonoscopias sin IA bajó del 28 % al 22 % tras tres meses de uso habitual de un detector de pólipos, con una razón de probabilidades de 0,69 asociada a la exposición. Una revisión de 2026 reúne esa señal con la del sesgo de automatización en mamografía y patología y propone tratar la preservación de la pericia como componente de la seguridad de la IA. Para la dermatoscopia, donde el reconocimiento de patrones se mantiene con volumen, la implicación es diseñar auditorías «sin ayuda» y proteger la formación de residentes.

Fuentes: Budzyń K, et al. Lancet Gastroenterol Hepatol. 2025 PMID: 40816301. Heudel PE, et al. ESMO Real World Data Digit Oncol. 2026 PMID: 41890350.

DermatologíaLo que la dermatología ya sabía sobre copilotos: la buena IA ayuda y la mala arrastra incluso al experto

Las implicaciones del capítulo tienen en dermatología evidencia previa y específica. En el estudio de colaboración humano-máquina de Viena, el apoyo de un buen clasificador mejoró la precisión frente a médico o algoritmo por separado, los menos expertos ganaron más, pero una IA defectuosa indujo a error a todo el espectro, incluidos los expertos. En el ensayo prospectivo multicéntrico de Sídney y Viena, un algoritmo de siete clases en móvil igualó a los especialistas en diagnóstico de lesiones pigmentadas, mientras otro algoritmo brillante en estudios de lectores resultó inferior en consulta real, y la IA fue peor que los especialistas en decisiones de manejo. En España, a octubre de 2026, la dermatoscopia asistida sigue limitada a investigación y pilotos; la regla del libro (auditar en tu población, dermatólogo en la decisión) se cumple punto por punto.

Fuentes: Tschandl P, et al. Nat Med. 2020 PMID: 32572267. Menzies SW, et al. Lancet Digit Health. 2023 PMID: 37775188.
Recursos relacionados

Conectar con DermRX

Fuentes

Referencias

Lectura de referencia

Wachter RM. Capítulo 7, «Implications, Recommendations, and Predictions». 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. Wachter RM, Brynjolfsson E. Will Generative Artificial Intelligence Deliver on Its Promise in Health Care? JAMA. 2024;331(1):65-69. PMID: 38032660.
  2. van Kolfschooten H, van Oirschot J. The EU Artificial Intelligence Act (2024): Implications for healthcare. Health Policy. 2024;149:105152. PMID: 39244818.
  3. Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial (Reglamento de Inteligencia Artificial). Diario Oficial de la Unión Europea, L, 12 de julio de 2024.
  4. Warraich HJ, Tazbaz T, Califf RM. FDA Perspective on the Regulation of Artificial Intelligence in Health Care and Biomedicine. JAMA. 2025;333(3):241-247. PMID: 39405330.
  5. Lukac PJ, Turner W, Vangala S, et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025;2(12). PMID: 41497288.
  6. Chowdhury A, Casey M, Wilson J, et al. Comparing ambient scribes: a randomized crossover clinical trial addressing ambient scribe technologies’ impact on physician burnout. J Am Med Inform Assoc. 2026;33(5):990-999. PMID: 41729180.
  7. 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.
  8. Goh E, Gallo RJ, Strong E, et al. GPT-4 assistance for improvement of physician performance on patient care tasks: a randomized controlled trial. Nat Med. 2025;31(4):1233-1238. PMID: 39910272.
  9. Tu T, Schaekermann M, Palepu A, et al. Towards conversational diagnostic artificial intelligence. Nature. 2025;642(8067):442-450. PMID: 40205050.
  10. Liévin V, Palepu A, Weng WH, et al. Towards conversational artificial intelligence for disease management. Nature. 2026;655(8125):1292-1299. PMID: 42310463.
  11. Budzyń K, Romańczyk M, Kitala D, et al. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. 2025;10(10):896-903. PMID: 40816301.
  12. Heudel PE, Crochet H, Filori Q, Bachelot T, Blay JY. Artificial intelligence in medicine: a scoping review of the risk of deskilling and loss of expertise among physicians. ESMO Real World Data Digit Oncol. 2026;12:100693. PMID: 41890350.
  13. Tschandl P, Rinner C, Apalla Z, et al. Human-computer collaboration for skin cancer recognition. Nat Med. 2020;26(8):1229-1234. PMID: 32572267.
  14. Menzies SW, Sinz C, Menzies M, et al. Comparison of humans versus mobile phone-powered artificial intelligence for the diagnosis and management of pigmented skin cancer in secondary care: a multicentre, prospective, diagnostic, clinical trial. Lancet Digit Health. 2023;5(10):e679-e691. PMID: 37775188.
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.