La inteligencia artificial está llegando a las consultas de todo el mundo, pero no todos los mensajes que circulan son correctos. En África, donde el teléfono móvil ya es herramienta de salud pública para millones, los mitos sobre la I.A. diagnostica pueden causar más daño que la propia tecnología.
Este artículo analiza cinco creencias populares que los médicos latinoamericanos también deberían conocer para tomar mejores decisiones sobre estas herramientas.
Mito 1: La I.A. diagnóstica reemplazará al médico
La Organización Mundial de la Salud (OMS) es clara: las herramientas de I.A. deben complementar, nunca sustituir, la relación entre médico y paciente. En el marco del programa de salud digital de la OMS para África, los sistemas de apoyo a la decisión clínica (como las aplicaciones móviles para salud mental en Lagos, Nigeria) funcionan como asistentes que apoyan al trabajador de salud, no como reemplazos.
El 80% de los médicos encuestados por Rock Health y la Academia Americana de Medicina Familiar en 2024 reportaron sentirse cómodos usando herramientas de I.A. para tareas administrativas, pero solo el 23% las utiliza directamente para apoyo clínico. La tendencia no es reemplazo, sino amplificación.
Mito 2: La I.A. siempre acierta
Un estudio de Mayo Clinic Platform publicado en 2025 documentó que los modelos de lenguaje como ChatGPT pueden generar diagnósticos lingüísticamente convincentes pero clínicamente falsos. El fenómeno de la «alucinación» en I.A. es un riesgo real: la herramienta expresa conclusiones con confianza sin incertidumbre, creando una falsa sensación de precisión.
En radiología, la I.A. ha demostrado superar a los humanos en detectar patologías específicas en imágenes controladas. Sin embargo, en condiciones clínicas reales —con expedientes incompletos, notas escaneadas y abreviaturas como “EGFR < 30"— la precisión cae significativamente. Un estudio de Frontiers in Medicine estimó un 23% más de falsos negativos en poblaciones subrepresentadas en los datos de entrenamiento.
Mito 3: Solo los países ricos pueden usarla
Kenya avanzó dos fases completas de madurez digital en un solo año (2023-2024) según el Global Digital Health Monitor de la OMS. El país implementó un sistema de recolección digital para campañas de salud masiva que alcanzó 13 millones de niños, reemplazando registros manuales que tardaban semanas en llegar a los tomadores de decisiones.
En Nigeria, 140 millones de personas ya acceden a internet por teléfono móvil, y el sistema de salud está implementando aplicaciones de apoyo a la decisión clínica para trabajadores comunitarios de salud con smartphones de gama baja. La barrera no es el presupuesto: es la capacitación y la gobernanza.
Mito 4: La I.A. elimina los sesgos
Todo lo contrario: la I.A. puede amplificar los sesgos existentes. Si los datos de entrenamiento sobrerepresentan ciertas poblaciones, el modelo tenderá a diagnosticar mejor en esos grupos y peor en los demás. En dermatología, los sistemas de detección de melanoma muestran más errores en pieles oscuras por el sesgo en las bases de datos de imágenes.
Un estudio de Frontiers in Medicine documentó que los modelos de visión computarizada (como Vision Transformers) alcanzan AUC de 0.97 en detección de enfermedades retinianas, pero solo cuando los datos de entrenamiento incluyen diversidad étnica y geográfica representativa.
Mito 5: La I.A. diagnóstica no necesita regulación
Los 32 países africanos evaluados por la OMS muestran que la gobernanza es el dominio más fuerte (promedio fase 3.00 en 2023, 3.75 en 2025), pero la fuerza laboral digital es el más débil. La disparidad entre instituciones y personas capacitadas es el cuello de botella real.
En un contexto clínico, la responsabilidad legal y ética de un diagnóstico siempre recae en el médico, no en la herramienta. Sin un marco claro de rendición de cuentas, los errores de I.A. pueden generar vacíos legales que perjudiquen tanto a médicos como a pacientes.
La realidad: una herramienta que requiere criterio
La I.A. diagnóstica no es una panacea ni una amenaza existencial. Es una tecnología en evolución que, cuando se usa con criterio y bajo supervisión clínica, puede mejorar la eficiencia y la precisión del diagnóstico. El reto para los médicos latinoamericanos no es aprobar o rechazar estas herramientas en bloque, sino aprender a evaluarlas críticamente.
¿Tu clínica ya está evaluando herramientas de I.A.? Salutexa ofrece soluciones de gestión clínica que preparan el terreno para una incorporación segura y basada en evidencia de estas tecnologías.
