La tríada que ya vive en tu consultorio: paciente, IA y el profesional que debe responder por todo

Hay una escena que se repite cada vez con más frecuencia. Un paciente llega a consulta y, antes de que el profesional abra la boca, ya tiene un diagnóstico. Lo obtuvo la noche anterior, a las dos de la mañana, escribiéndole a una inteligencia artificial. Le contó que se siente agotado, que duerme mal, que ha subido de peso sin cambiar nada, que tiene niebla mental. Y la IA le respondió con una lista de posibles causas: hipotiroidismo, resistencia a la insulina, apnea del sueño, déficit de vitamina D, depresión.

El paciente llega con esa lista. Llega con una hipótesis. Llega, en cierto sentido, con un diagnóstico. Y el profesional de la salud —médico, nutriólogo, internista, cardiólogo— se enfrenta a una situación inédita en la historia de la medicina: ya no es el único que interpreta el cuerpo del paciente. Hay un tercero en la consulta. Invisible, pero influyente.

El artículo “La inteligencia artificial como nuevo integrante de la relación médico-paciente”, publicado en 2026 en la Revista de la Federación Argentina de Cardiología por el doctor Luis Alcocer, aborda precisamente esto. Y su tesis central merece ser leída con atención por todo profesional de la salud, porque describe un cambio estructural que ya ocurrió, aunque muchos aún no lo hayan notado.

DE LA DÍADA A LA TRÍADA: UNA MUTACIÓN SILENCIOSA

Durante más de dos mil años, la medicina fue el arte de dos personas: alguien que sufre y alguien que sabe. Sobre esa relación elemental —sostenida por la confianza y por una asimetría de conocimiento que el médico administraba en beneficio del enfermo— se construyeron la clínica, la deontología y la identidad profesional.

El artículo lo dice con claridad: “La inteligencia artificial ha comenzado a alterar esa arquitectura milenaria. Ya no se trata de un instrumento más en manos del clínico, como lo fueron en su momento el estetoscopio o el electrocardiógrafo, sino de un agente que interpreta, sugiere y en ocasiones decide: un tercer participante que se sienta, invisible pero influyente, en el consultorio. La díada se ha convertido en una tríada.”

Esta distinción es crucial. El estetoscopio extendía los sentidos del médico sin disputarle el juicio. La IA, en cambio, produce inferencias: un diagnóstico probable, una estratificación de riesgo, una recomendación terapéutica. Y las comunica con una fluidez que puede resultar más persuasiva que el propio razonamiento clínico.

No es un instrumento. Es un agente.

LA PROMESA: LO QUE LA IA APORTA A LA TRÍADA

El artículo no es una condena de la inteligencia artificial. Reconoce sus beneficios reales:

* Detección temprana y mejor desempeño diagnóstico. Por ejemplo, la IA aplicada al electrocardiograma ha demostrado detectar disfunción ventricular izquierda, fibrilación auricular silenciosa y miocardiopatías a partir de un trazo que el ojo humano normal no detecta.

* Reducción de la carga documental. Los sistemas de documentación ambiental (escribanos virtuales que escuchan la consulta y redactan una nota preliminar) se han asociado con una reducción significativa del desgaste profesional.

* Ampliación del acceso. En regiones con escasez de especialistas, la IA puede acercar el diagnóstico al paciente.

* Respuestas percibidas como más completas y empáticas. Un estudio citado por el artículo encontró que evaluadores clínicos prefirieron las respuestas de un sistema de IA en casi el 79% de los casos, y las juzgaron empáticas casi diez veces más seguido.

Este último dato es perturbador. La IA puede sonar más empática que el médico. No porque sienta, sino porque responde con paciencia infinita, sin prisa, sin juicio, a cualquier hora. Y eso, para un paciente con miedo, con dolor, con incertidumbre, es enormemente valioso.

LA PARADOJA: POR QUÉ LA CAPACIDAD NO BASTA

Pero aquí el artículo introduce una advertencia que merece subrayarse. Cita un ensayo clínico aleatorizado donde médicos que usaron un modelo de lenguaje avanzado no obtuvieron una mejora significativa frente a quienes usaron recursos convencionales: 76% frente a 74%. Una diferencia de dos puntos porcentuales, estadísticamente no significativa.

El modelo, evaluado de forma aislada, superó al grupo de clínicos solos. Pero cuando el médico lo usó como herramienta, el resultado no mejoró. ¿Por qué?

“El valor no reside en la capacidad bruta del algoritmo, sino en el modo en que el médico lo integra en su razonamiento. Una herramienta excelente mal gobernada no mejora la medicina; en ocasiones la empeora.”

Esta es la paradoja central: tener acceso a la mejor herramienta no garantiza mejores resultados. Lo que garantiza mejores resultados es saber gobernarla.

EL REVERSO: LOS RIESGOS QUE NO PODEMOS IGNORAR

El artículo identifica varios riesgos concretos, y conviene enumerarlos porque son los que el profesional de la salud debe tener presentes:

* Sesgo algorítmico. Los algoritmos heredan las inequidades contenidas en los datos con que se entrenan. El caso paradigmático es el documentado por Obermeyer: un algoritmo comercial aplicado a millones de personas asignaba menor prioridad de atención a los pacientes de raza afrodescendiente porque el modelo empleaba el gasto sanitario como sustituto de la necesidad clínica. Como en ellos se gastaba históricamente menos, el sistema los juzgaba erróneamente más sanos.

* Desprofesionalización (deskilling). En el primer registro real del fenómeno, la tasa de detección de adenomas de endoscopistas experimentados, trabajando sin asistencia, descendió del 28.4% al 22.4% tras la exposición continua a la IA. Lo perturbador es su invisibilidad: la facultad se erosiona a la misma velocidad que se necesita para advertir la erosión.

* Opacidad de la “caja negra”. Si la IA no puede explicar por qué recomienda algo, el profesional no puede evaluar si la recomendación es válida para ese paciente específico.

* Responsabilidad legal difusa. El ordenamiento vigente reparte la carga entre el médico, la institución y el fabricante sin criterios consolidados, aunque el deber de cumplir el estándar de cuidado sigue recayendo, en última instancia, sobre el profesional que firma la decisión.

* Erosión de la confianza y del vínculo humano. Paradójicamente, la misma fluidez que hace a la IA parecer empática puede vaciar de contenido el encuentro clínico.

LA PROPUESTA: EL PROFESIONAL COMO GESTOR DE LA TRÍADA

Aquí llegamos a la parte más valiosa del artículo. Frente a estos riesgos, el autor no propone rechazar la IA ni rendirse ante ella. Propone algo más matizado y más exigente: redefinir el papel del profesional de la salud como gestor de la tríada.

El artículo cita los marcos deontológicos internacionales, incluyendo los de la Asociación Médica Mundial y la Organización Mundial de la Salud, que convergen en dos ideas rectoras: la de inteligencia aumentada (la IA se concibe para apoyar, no para sustituir el juicio clínico) y la del médico en el circuito (physician-in-the-loop), que reserva a un profesional habilitado la autoridad final sobre toda salida algorítmica antes de que influya en la atención.

El principio es exigente. Y el artículo añade una advertencia crucial: “Sólo se cumple si la supervisión es activa y no ceremonial. La evidencia sobre el sesgo de automatización demuestra que una vigilancia meramente nominal no protege.”

Traducción: no basta con decir que el médico supervisa. Tiene que supervisar de verdad.

LOS SEIS ROLES DEL GESTOR DE LA TRÍADA

El artículo desglosa el papel del profesional en seis funciones concretas y accionables:

1. Curador/seleccionador. Decidir qué herramienta se usa, para qué población y en qué punto del flujo clínico, verificando su validación y su representatividad demográfica.

2. Validador crítico. Interrogar cada salida: ¿es plausible?, ¿coincide con el cuadro clínico?, ¿qué datos la sustentan? Ejercer su papel de forma activa, no ceremonial.

3. Traductor/comunicador. Explicar al paciente el papel de la IA con transparencia, integrar su salida en una deliberación compartida y sostener el vínculo humano y empático.

4. Custodio ético y de datos. Salvaguardar privacidad, autonomía y equidad; vigilar el sesgo; garantizar el consentimiento informado sobre el uso de IA.

5. Garante de responsabilidad. Asumir la autoridad clínica final y responder ante el paciente; documentar el fundamento de la decisión, siga o se aparte de la IA.

6. Preservador de la pericia. Mantener y ejercitar la habilidad clínica propia para contrarrestar el deskilling y el sesgo de automatización; auditar su propio desempeño sin IA.

Estos seis roles, juntos, definen un nuevo profesionalismo. No un profesionalismo que compite con la IA, sino uno que la integra sin disolverse en ella.

LA HEURÍSTICA DE LA CONSULTA: CONFIAR, CUESTIONAR, ANULAR

El artículo propone una heurística sencilla pero poderosa para cada recomendación algorítmica:

* Confiar cuando es coherente con el cuadro clínico, procede de un sistema validado en población comparable y su fundamento es trazable.

* Cuestionar cuando sorprende, se aparta del estándar o no puede explicarse.

* Anular cuando contradice el juicio clínico fundado, la seguridad o los valores del paciente.

Y añade algo que merece subrayarse: “Acaso la competencia más contraintuitiva sea la última y la más humana: la capacidad de decidir sin IA cuando la herramienta falla, no está disponible o se equivoca. Una forma de resiliencia clínica que sólo se conserva si la pericia se mantiene deliberadamente afilada.”

Esta es la lección más profunda del artículo. El profesional debe ser capaz de trabajar sin la IA. No porque la IA sea mala, sino porque dependiendo de ella sin mantener la propia pericia, se pierde la capacidad de gobernar la tríada.

LA PERSPECTIVA IBEROAMERICANA: EL SESGO QUE NO VEMOS

El artículo dedica una sección importante a la perspectiva regional, y aquí hay un punto que merece atención especial para quienes ejercemos en Latinoamérica:

“La mayoría de los algoritmos disponibles se validaron en poblaciones distintas de la nuestra, y la información sobre las cohortes de entrenamiento suele ser escasa; adoptarlos sin exigir transparencia sobre dónde y en quiénes fueron evaluados equivale a importar, junto con la tecnología, sesgos que desconocemos.”

Esto es crucial. Un algoritmo entrenado con datos de población europea o anglosajona puede comportarse de forma impredecible en población mexicana, latinoamericana o indígena. La genética, la microbiota, los patrones alimentarios, las comorbilidades, los determinantes sociales: todo varía. Y, sin embargo, muchos profesionales adoptan algoritmos sin preguntar por su validación local.

El artículo cita un contraejemplo virtuoso: el estudio CODE brasileño, desarrollado sobre la Red de Telesalud de Minas Gerais, que entrenó una red neuronal profunda con más de dos millones de electrocardiogramas y demostró que el modelo igualaba o superaba a médicos residentes de cardiología en el reconocimiento de anomalías del trazo. Además, un hallazgo que solo fue posible en nuestra región: la edad electrocardiográfica estimada fue mejor que la edad cronológica para predecir la mortalidad.

“Cuando la región construye y gobierna sus propios datos... produce herramientas de alcance mundial y pertinencia local.”

La lección es clara: no podemos ser consumidores pasivos de algoritmos ajenos. Debemos ser productores de nuestros propios datos.

LA CONEXIÓN CON LA NUTRICIÓN CUÁNTICA

Todo lo anterior tiene una aplicación directa a la nutrición clínica, y me interesa subrayarla porque es donde ejerzo.

Cuando un paciente llega a consulta con un diagnóstico de IA, mi trabajo no es rechazarlo ni aceptarlo sin más. Mi trabajo es validarlo, contextualizarlo, traducirlo e integrarlo en un plan que aborde los planos físico, emocional, mental y social.

La IA puede decirle al paciente que tiene resistencia a la insulina, que probablemente tiene síndrome metabólico, que debería bajar de peso, que debería comer menos carbohidratos, que debería hacer ejercicio. Todo eso puede ser cierto. Pero la IA no sabe que ese paciente tiene un trabajo estresante que lo lleva a comer a deshoras, que su madre está enferma y eso le genera culpa, que odia el gimnasio porque en la adolescencia sufrió bullying, que su pareja cocina con mucho aceite y no quiere ofenderla, que su microbiota está destruida por años de antibióticos, que su tiroides necesita evaluación.

La IA ve síntomas aislados. El profesional ve la historia completa. Y esa historia es lo que determina si un plan va a funcionar o no.

La heurística del artículo —confiar, cuestionar, anular— aplica perfectamente a la nutrición clínica. Cuando la IA sugiere una dieta cetogénica, puedo confiar si el paciente tiene resistencia a la insulina, cuestionar si tiene enfermedad renal, anular si tiene antecedentes de trastorno alimentario. La decisión es mía. La responsabilidad también.

LA PERSPECTIVA REGIONAL EN LA NUTRICIÓN

Para quienes ejercemos nutrición en México y Latinoamérica, el artículo tiene una implicación adicional: los algoritmos que usamos están entrenados con datos de población que no es la nuestra. La microbiota intestinal de un mexicano promedio no es la de un estadounidense. Los patrones alimentarios no son los mismos. La carga genética no es la misma. Los determinantes sociales no son los mismos.

Esto significa que cualquier recomendación automatizada debe pasar por el filtro del contexto local. Y ese filtro solo puede aplicarlo un profesional que conoce la región, conoce la cultura, conoce la historia del paciente.

La Nutrición Cuántica, en ese sentido, es una forma de resistencia. No a la tecnología, sino a la homogeneización. No a la IA, sino al sesgo importado. No a la eficiencia, sino al reduccionismo.

El artículo cierra con una reflexión que me parece esencial:

“La inteligencia artificial no vino a reemplazar al médico; vino a exigirle que sea, más que nunca, plenamente médico: el garante humano de una decisión que ninguna máquina puede firmar. Gestionar bien la tríada será, en los años por venir, una de las expresiones más altas del profesionalismo.”

Esta es la clave. La IA no nos quita trabajo. Nos exige más. Nos exige mejor criterio, mejor comunicación, mejor ética, mejor juicio clínico. Nos exige ser más profesionales, no menos.

Y eso, lejos de ser una amenaza, es una oportunidad. Porque durante décadas, la medicina ha estado dominada por la eficiencia, por los protocolos, por los indicadores de productividad. La llegada de la IA podría liberarnos de esa tiranía para devolvernos a lo esencial: el encuentro humano entre alguien que sufre y alguien que sabe.

Pero solo si gobernamos bien la tríada. Solo si mantenemos la pericia. Solo si entendemos que la IA es una herramienta poderosa pero ciega, y que el profesional sigue siendo el único que puede ver el todo.

IMPLICACIONES PRÁCTICAS PARA EL PROFESIONAL DE LA SALUD

¿Qué significa todo esto para quien ejerce hoy, en consultorio, en hospital, en clínica?

* Primero: asume que tu paciente ya está usando IA. No preguntes si lo hace; pregúntale qué le dijo. Y trátalo como un dato más, no como una amenaza.

* Segundo: desarrolla la capacidad de validar críticamente. No aceptes una salida algorítmica sin preguntarte si es plausible, si coincide con el cuadro clínico, si está validada en población comparable.

* Tercero: mantén tu pericia deliberadamente. Cada tanto, trabaja sin IA. Audita tu propio desempeño. No permitas que la comodidad erosione tu juicio.

* Cuarto: preserva el vínculo humano. La IA puede sonar empática, pero no te conoce. Tú sí. Y eso, en salud, sigue siendo irremplazable.

* Quinto: exige transparencia. Pregunta de dónde vienen los datos, cómo se entrenó el algoritmo, en qué población se validó. Si no hay respuesta, sospecha.

* Sexto: documenta tus decisiones. Si seguiste la IA, di por qué. Si te apartaste, di por qué. La responsabilidad sigue siendo tuya.

UNA NUEVA NARRATIVA PARA LA SALUD DIGITAL

Vivimos un momento histórico. La inteligencia artificial ha entrado a la consulta sin pedir permiso. No podemos ignorarla ni demonizarla. Tenemos que gobernarla.

Eso significa asumir que ya no somos la única fuente de conocimiento. Significa aceptar que un paciente puede llegar con información más completa que la nuestra. Significa entender que el valor que aportamos no está en “saber más”, sino en integrar mejor. En contextualizar. En traducir. En sostener el vínculo humano mientras navegamos la tecnología.

Esa es la promesa del artículo del doctor Alcocer. Y esa es la promesa de la Nutrición Cuántica: no competir con la IA, sino integrarla sin disolvernos en ella.

Porque la salud no es un problema de información. Es un problema de relación. Y ninguna máquina, por sofisticada que sea, puede firmar una decisión que solo un humano puede sostener ante otro humano.

Eso, en el fondo, es la esencia de la medicina. Y de la nutrición. Y de toda profesión que se tome en serio el cuidado del otro.