La visión de Christopher Sharp, médico en Stanford Health Care y director de información médica en el Centro Médico de la Universidad de Stanford, es que su médico esté plenamente presente, escuchando atentamente – sin teclear ni mirar la pantalla – mientras cada detalle importante que comparta se registra en su historial médico. Para Sharp, la tecnología no debería crear barreras entre médicos y pacientes, sino liberar a los clínicos de tareas administrativas agotadoras para que puedan brindar una mejor atención.
En Stanford, Sharp fue un pionero en la adopción de herramientas de inteligencia artificial para transcribir y analizar historiales médicos. Llegó a la Facultad de Medicina de la Universidad de Stanford como residente en medicina interna a finales de la década de 1990. Graduado de la Escuela de Medicina Geisel del Dartmouth College, continúa atendiendo a pacientes como médico de atención primaria en Stanford Health Care, y es en este trabajo donde más claramente aprende sobre los beneficios y riesgos de la tecnología.
Scientific American habló con Sharp sobre cómo la IA está cambiando la medicina y cómo utilizarla para apoyar a pacientes y médicos.
¿Por qué decidió comenzar a trabajar con IA en Stanford?
La IA proporciona una ventana importante para acceder a datos encerrados en narrativas en algún lugar del registro que sería muy difícil de identificar o encontrar. También ofrece la oportunidad de utilizar los datos de nuevas maneras que no requieren tanto esfuerzo por parte de nuestros clínicos.
Nuestros clínicos dedican mucho tiempo a buscar en datos electrónicos, resumirlos y tomar decisiones. La documentación es muy importante: es cómo transmitimos la información clínica, mitigamos el riesgo y cumplimos con los requisitos legales, de cumplimiento y de facturación. Pero todo eso crea una carga adicional y no es el valor principal de brindar atención directa. Las herramientas de IA que ayudan con esas funciones administrativas son una gran victoria para nuestros proveedores clínicos.
¿Cómo ayuda a resumir los registros de los pacientes?
Utilizamos una herramienta que resume las actividades clave descritas en las notas de los clínicos. Nos ayuda a decir: “El médico internista los ha estado tratando por el diagnóstico A y B, el urólogo los ha visto por el diagnóstico C, el neurólogo los está atendiendo por el diagnóstico E”, sin tener que revisar manualmente cada área del historial. Lo que esto hace poderoso es que tiene citas, lo que permite al médico validar y explorar más a fondo.
Otra herramienta interesante es algo que llamamos ChatEHR (“EHR” significa historial de salud electrónico). Diferentes clínicos tienen diferentes preguntas en cualquier momento, por lo que hemos comenzado a experimentar con una plataforma abierta donde los usuarios pueden usar una interfaz de chat para interactuar con los datos del paciente. Ofrece flexibilidad para preguntar sobre un aspecto específico de la atención y luego continuar chateando para profundizar.
¿Puede dar un ejemplo de cómo ChatEHR ha sido útil?
Necesitábamos revisar múltiples historiales para encontrar pacientes elegibles para una vía de atención particular. Anteriormente, muchas personas tenían que leer los historiales manualmente. Utilizamos ChatEHR para experimentar y, una vez optimizado, lo integramos en una automatización. Con un solo clic, se pueden revisar varios historiales y presentar los resultados a un examinador. Por ejemplo, algunos pacientes podrían ser elegibles para ir a una unidad de menor complejidad en lugar de al hospital general donde se mezclan con pacientes de mayor complejidad. Si podemos identificar a esos pacientes, podemos ayudarlos a ir al lugar de atención más adecuado. Lo que podría llevar horas ahora toma minutos.
También utilizan un software de transcripción de IA ambiental que escucha las citas. ¿Cómo ha sido recibido?
Este ha sido uno de nuestros mayores éxitos. Lo implementamos hace más de un año con una adopción muy rápida. El transcriptor de IA es fácil de adoptar: los clínicos usan su teléfono para escuchar la conversación, crear una transcripción y generar un resumen médico en menos de un minuto después de completar la interacción.
Está enfocado en lo médico. Si usted y su paciente tienen una larga conversación sobre su juego de golf antes de discutir su problema clínico, eso no se transcribirá en el resumen. Solo aparecen los puntos clínicamente importantes.
¿Esto ha reducido el agotamiento de los médicos?
Absolutamente. Nuestros clínicos sintieron que este enfoque era mucho mejor en términos de su carga cognitiva y su bienestar general en el lugar de trabajo. El trabajo cognitivo de resumir una conversación como esa es significativo. Debo señalar que pensamos que veríamos una gran eficiencia, que los médicos podrían irse a casa antes o atender a más pacientes porque pasarían menos tiempo documentando. Lo que encontramos fue que los clínicos dedicaron una cantidad considerable de tiempo a revisar, editar y aprobar la documentación, por lo que no tardaron mucho menos. No fue la eficiencia lo que ganaron, sino la reducción de la carga cognitiva.
También utiliza la IA para redactar respuestas a los mensajes de los pacientes. ¿Cómo está funcionando eso?
Vimos un aumento del 200 por ciento en los mensajes de los pacientes durante el COVID, y no ha disminuido. Eso creó un desafío para que los clínicos absorbieran toda esa interacción. Fuimos uno de los primeros en la nación en utilizar respuestas generadas por IA como punto de partida. Esto requiere que los clínicos evalúen la precisión y el tono, ya que a los pacientes les gusta recibir una respuesta de su médico con su propia voz. Nuevamente, esto no es un gran ahorro de tiempo, pero reduce la carga de encontrar un lenguaje que sea preciso y empático. Crea la oportunidad para que los clínicos dediquen más tiempo a perfeccionar el lenguaje en lugar de desarrollarlo desde cero. La IA también revisa la información en el historial del paciente para obtener contexto. Me ha impresionado que a veces me recuerda algo que yo mismo podría haber olvidado.
¿Hacia dónde ve que esta tecnología va a seguir evolucionando?
La evolución es increíblemente rápida. El transcriptor de IA tenía muchos más errores cuando comenzamos que los que tiene hoy. También estamos viendo adiciones. Estamos experimentando con órdenes sugeridas. Si digo: “Quiero asegurarme de que le hagan una radiografía de tórax para descartar neumonía”, la herramienta de escucha puede preparar esa orden para su revisión y aprobación.
El próximo cambio significativo será cuando estas tecnologías estén más directamente disponibles para los pacientes. En lugar de navegar por nuestro portal, los pacientes podrán simplemente hacer una pregunta y tener la IA que navegue a la interacción correcta.
Con la disminución de la carga cognitiva de los médicos, ¿cree que eventualmente veremos diferencias en los resultados de los pacientes?
Ese es el santo grial: herramientas tan beneficiosas que veríamos cambios en la atención. Todavía no lo hemos estudiado lo suficiente como para saberlo. Pero hay estudios fascinantes que muestran que la hora del día afecta la atención: los pacientes que son atendidos temprano tienen más probabilidades de que se discutan recordatorios de atención preventiva que aquellos que son atendidos al final del día, cuando los médicos están cansados. Espero que estas herramientas nivelen esas variaciones no deseadas.
¿Hay un momento específico que lo convenció de que este era el camino correcto?
Recuerdo vívidamente estar sentado con una paciente que me contó sobre la muerte de su hermana. Era importante no estar tecleando y simplemente mirarla y apoyarla. Durante esa conversación, compartió detalles importantes sobre el historial de salud de su familia. Nunca extendí la mano a mi teclado para documentar esos detalles clínicos, pero fueron capturados por la IA.
Me sorprendió cuando leí el resumen: simplemente decía que la hermana de la paciente había muerto y señalaba su condición de salud, a pesar de que había tenido una conexión emocional muy fuerte con mi paciente durante ese momento. Ese fue un ejemplo donde la máquina hizo lo que la máquina hace muy bien, y yo hice lo que un humano hace bien.
Una versión de este artículo apareció en la edición de marzo de 2026 de Scientific American como “Christopher Sharp”.
