Seguramente te cruzaste con la sigla “IA” cientos de veces estos últimos tiempos. Está en las noticias, en las redes sociales, en las charlas de sobremesa y hasta en propagandas de electrodomésticos. Parece que, de repente, todo tiene Inteligencia Artificial.
Y a veces, esa saturación genera dos reacciones opuestas: o pensamos que es magia y que va a solucionar todos los problemas del mundo, o nos da miedo presenciar una distopía típica de película de ciencia ficción, pensando que mañana una computadora va a decidir si conservamos nuestro trabajo o no.
Este artículo no es para hablar de robots como los que se ven en cine, ni de esas inteligencias que quieren conquistar el planeta. Trataremos algo mucho más cercano, más humano y, quizá, mucho más fascinante porque es concreto y actual.
Seguramente te cruzaste con la sigla “IA” cientos de veces estos últimos tiempos. Está en las noticias, en las redes sociales, en las charlas de sobremesa y hasta en propagandas de electrodomésticos. Parece que, de repente, todo tiene “Inteligencia Artificial”. Y a veces, esa saturación genera dos reacciones opuestas: o pensamos que es magia y que va a solucionar todos los problemas del mundo, o nos da miedo presenciar una distopía típica de película de ciencia ficción, pensando que mañana una computadora va a decidir si conservamos nuestro trabajo o no.
Este artículo no es para hablar de robots como los que se ven en cine, ni de esas inteligencias que quieren conquistar el planeta. Trataremos algo mucho más cercano, más humano y, quizá, mucho más fascinante porque es concreto y actual. Intentaremos transmitir lo que hacemos en el Laboratorio de Bioingeniería y el Laboratorio de Procesamiento de Imágenes, ambos en la Facultad de Ingeniería de la UNMDP y en el ICYTE (nuestro instituto de doble dependencia, del CONICET y de la UNMDP). En Mar del Plata también estamos usando, desde hace muchos años, lo que hoy se denomina IA para algo fundamental: contribuir a entender mejor qué le pasa a nuestro cuerpo y aportar a ayudar o asistir a los médicos para mejorarnos o salvarnos la vida.
No hablaremos en esta ocasión de lo que puede generar la IA (como esas imágenes y videos que ya estamos acostumbrados a encontrar en redes sociales, programas de televisión y películas). Tampoco hablaremos específicamente de los modelos que escriben texto como humanos. Nos referiremos a cómo la IA procesa la información que nuestro cuerpo brinda, con el fin de ayudar a los profesionales médicos.
A pesar de que toda la IA es algoritmos matemáticos, si no sabés nada de matemática, no importa. No vas a ver ni una sola fórmula. La idea es compartir cómo logramos que un sistema informático interprete los latidos de tu corazón o “vea” algo en una imagen médica que al ojo humano se le podría pasar. Pensá que un algoritmo en una computadora (particularmente, uno de IA) puede analizar cientos de imágenes sin cansarse, lo que a un profesional médico podría ocurrirle. Y ya sabemos que, cuando estamos cansados, podemos cometer más errores u omisiones.
Bioingeniería: el puente entre dos mundos que se necesitan
A los que trabajamos en Bioingeniería (sean bioingenieros, o ingenieros biomédicos, o ingenieros electrónicos u otras especialidades, pero dedicados a la “bio”), a veces se nos complica explicar nuestro trabajo. “¿Hacés prótesis?”, podrían preguntarnos. Y sí, eso es una parte, pero la Bioingeniería es mucho más. Básicamente, es el puente entre dos mundos que parecen distintos, pero se necesitan: la tecnología y los enfoques que tienen que ver con la vida, y, en particular, la salud. Vamos a hablar del procesamiento de la información que nuestro cuerpo nos brinda para saber cómo está funcionando.
El cuerpo humano es la máquina más compleja y maravillosa que existe. Los médicos son los agentes especializados que saben cómo debería funcionar y qué hacer cuando algo falla. Pero para diagnosticar, además de lo que perciben, necesitan herramientas. Nosotros, los ingenieros, somos los que fabricamos esas ayudas tecnológicas para que ellos puedan mirar adentro de esa máquina, idealmente sin tener que invadirla. Precisamente, los métodos que no requieren una invasión al cuerpo se denominan “no invasivos”, lo cual es lo que todos queremos. Un ecógrafo, un electrocardiógrafo o un equipo de rayos X son, en esencia, dispositivos electrónicos con sensores que captan señales físicas y las convierten en una representación que podemos ver en una pantalla.
Hace pocas décadas, digamos fines de los años 90, las computadoras eran mucho más lentas y disponían de poca o ninguna conectividad. Era poco lo que podía implementarse de lo que se estudiaba. Es decir, se tenían más ideas de las que podían llevarse a una computadora; no alcanzaba la potencia de los equipos en ese momento. Sin embargo, el objetivo era el mismo que hoy: ¿cómo podemos usar el procesamiento de esas señales que obtenemos del cuerpo para que un médico tenga más información? Hoy, el hardware ya es increíble, pero aun así no alcanza, pues nuestra ambición también va aumentando y queremos hacer procesamientos cada vez más profundos. Ahí es donde entra la IA.
Por ejemplo, a un algoritmo de IA le podemos mostrar radiografías que corresponden a personas sanas, con neumonía viral o con neumonía bacteriana y modificar matemáticamente cómo trabaja para que “aprenda” a reconocer esos estados en nuevas imágenes. Como ves, necesitamos datos que previamente han sido etiquetados por expertos. Siempre, hasta el momento, es necesaria una etapa en la que el conocimiento humano es el protagonista.
El trabajo interdisciplinario: el Ingeniero se sienta con el Médico
Trabajar en bioingeniería no es estar encerrado escribiendo líneas de código de programación. Es un ejercicio de traducción. En nuestros laboratorios convivimos ingenieros electrónicos, ingenieros en computación e informáticos, entre otros. Pero nuestro trabajo no tendría sentido si no estuviéramos en contacto permanente con médicos de todas las especialidades: cardiólogos, neumonólogos, patólogos, neurólogos, anestesiólogos, especialistas en imágenes, entre muchos otros. También tenemos interrelación con terapistas ocupacionales, biólogos, bioquímicos y otros profesionales relacionados con la salud.
Abordar una nueva temática es como hablar idiomas distintos. Es un proceso a veces caótico, pero siempre enriquecedor. El médico nos dice: “Siento que el paciente tiene un murmullo en el pulmón, como si hubiera líquido” o “Esta mancha en la radiografía es una patología de tal tipo”. El ingeniero electrónico traduce eso a su área: “Hay una componente de baja frecuencia con mucho ruido blanco” o “Tenemos una zona de alta densidad de píxeles con bordes difusos”. Con nuestro enfoque, ya podemos pensar en cómo convertir esa señal o imagen en una matriz de números para que un sistema de IA la pueda procesar matemáticamente.
Es una colaboración vital. Los ingenieros aportamos el rigor del dato y la capacidad de procesamiento; los médicos aportan la intuición, el contexto clínico y la experiencia de haber visto miles de pacientes. Sin esa unión, la tecnología sería un juguete caro sin utilidad real. En el laboratorio, aprendemos que lo que para nosotros puede parecer un “error de medición” o un “dato atípico”, para el médico es un síntoma crítico que puede definir un tratamiento. Esta sinergia es la que permite que la IA no sea un competidor del médico, sino su mejor asistente.
El camino del dato: ¿De dónde sale la información médica?
Para que una IA “aprenda” algo, tiene que disponer de datos. Pero ¿cómo se obtienen esos datos médicos? Hay un camino largo, riguroso y, a veces, muy artesanal que podemos explicar paso a paso.
1. La Adquisición: El sensor como “oído” tecnológico
Todo empieza en el cuerpo del paciente. Necesitamos transformar un fenómeno físico en electricidad.
- Para el corazón, usamos electrodos (pequeños parches) que captan los microvoltios que generan los músculos cardíacos al contraerse.
- Para los pulmones, podemos usar transductores de ultrasonido (lo que seguramente conocerás como ecografía) que emiten sonido y escuchan el rebote contra los tejidos.
- Para el cerebro, usamos gorras con sensores que detectan la tormenta eléctrica de las neuronas: el electroencefalograma.
- Otros equipos obtienen imágenes por medios físicos como los rayos X (radiografía o tomografía) o el magnetismo y señales de radio (resonancia magnética).
Si el sensor está mal puesto o es de mala calidad, todo lo que sigue no sirve.
2. La Digitalización: introducir la información en una computadora
El cuerpo es “analógico”, físico. Pero las computadoras solo entienden ceros y unos. Entonces usamos un conversor que transforma la señal eléctrica en una señal digital. Por ejemplo, para registrar un solo segundo de un latido del corazón en un electrocardiograma, tomamos unas 1000 mediciones ordenadas temporalmente. Eso genera una hilera de números que la computadora puede almacenar y procesar.
3. El filtrado: Limpiando el “ruido”
Acá es donde los ingenieros electrónicos usamos nuestro conocimiento. El cuerpo es ruidoso. Si el paciente tiene frío y tiembla, el músculo genera electricidad que tapa la del corazón. Si hay un cable cerca, se suma el zumbido de los 50Hz de la red eléctrica. Nuestros algoritmos actúan como filtros que barren lo indeseado con el objetivo de dejar la señal pura, lista para ser analizada.
4. La Curaduría y el Etiquetado: El médico como “maestro”
Este es el paso más caro y difícil. Una vez que tenemos los datos limpios, necesitamos que un médico experto (un cardiólogo, por ejemplo) se siente horas frente a la pantalla y nos diga: “Este latido es normal, este es una extrasístole, este es un bloqueo auricular”. Sin este “etiquetado” manual hecho por humanos, la IA no tiene de dónde aprender. Es el médico el que le enseña a la máquina qué es lo que está bien (salud) y qué es lo que está mal (patología). Por eso, el dato médico es tan valioso: no son solo números, son números cargados de conocimiento experto.
5. El Almacenamiento Seguro
Finalmente, esos datos van a parar a servidores protegidos. Un dato médico no es una foto de Instagram; es información privada que debe ser manejada con especial cuidado. No puede guardarse en cualquier lado ni estar disponible para cualquiera.
Una dosis de nostalgia: de los algoritmos sencillos a las redes neuronales
En la década del 90, en el Laboratorio trabajábamos con señales relativamente sencillas y computadoras que hoy tendrían menos potencia que tu reloj inteligente. Teníamos que “programar” a mano reglas de detección de patologías. Era una ingeniería artesanal, donde se programaba paso a paso lo que los médicos nos iban enseñando.
La IA de aquel entonces era lo que llamamos IA Simbólica. Imaginate que querías que una computadora diagnosticara una gripe. Tenías que escribir: “SI tiene fiebre de más de 38 grados Y tiene dolor de cuerpo Y tiene tos, ENTONCES es probable que sea gripe”. Era un manual de instrucciones grande. El problema es que el cuerpo humano es impredecible. Hay gente con gripe que no tiene fiebre, o gente con fiebre que solo tiene una insolación. La realidad es mucho más gris que un manual de “blanco o negro”.
Sin abandonar el enfoque anterior, hoy las computadoras nos permiten trabajar con la IA Conexionista, basada en datos. Este fue el gran salto. En vez de darle reglas fijas a la computadora, le damos ejemplos. Miles de ejemplos. Es exactamente como cuando le enseñás a un niño a distinguir un perro de un gato. No le das un manual de anatomía; simplemente le señalás fotos y decís: “esto es un perro”, “esto es un gato”. Después de ver muchas fotos, el cerebro del niño (y análogamente un algoritmo de IA, que puede ser una red neuronal) aprende solo a identificar los patrones no triviales que diferencian a uno del otro.
En nuestro laboratorio, esos “perros y gatos” son señales o imágenes. La IA se entrena mirando datos y aprendiendo qué es “lo normal” y qué es “lo patológico”. Es un cambio de paradigma total que hoy es una realidad.
Escuchando tu cuerpo: las señales fisiológicas
Tomemos como ejemplo el caso del corazón. Cuando te hacés un electrocardiograma (ECG), el médico mira esas ondas que suben y bajan en el papel milimetrado o en una pantalla. La IA puede analizar miles de latidos en segundos y detectar ondas que tienen formas con patrones típicos de patologías, como problemas de conducción eléctrica dentro del corazón o partes del tejido cardíaco que no están funcionando bien, e incluso indicarnos en qué región del corazón está el inconveniente.
También un sistema puede detectar pequeñas variaciones en el tiempo que transcurre entre una onda y otra (lo que llamamos variabilidad de la frecuencia cardíaca) que pueden predecir si una persona está bajo estrés crónico, si tiene riesgo de muerte súbita, o si el sistema nervioso está teniendo inconvenientes en la regulación de los latidos.
Conclusión: hacia una medicina de precisión asistida
En definitiva, el enfoque metodológico presentado no es solo un avance técnico, sino una verdadera revolución en la asistencia a los profesionales de la salud. Estos hallazgos abren la puerta a una dimensión de análisis que el ojo humano podría no ser capaz de detectar si no está entrenado por años.
En el escenario actual, la Inteligencia Artificial no busca reemplazar el juicio clínico, sino potenciarlo. Se posiciona como un sistema de asistencia estratégica con un impacto en tres dimensiones:
- Detección precoz (Screening): actuando como un centinela capaz de identificar sutiles anomalías en etapas asintomáticas, donde el tiempo es el factor determinante.
- Prevención y pronóstico: analizando tendencias en los datos para anticipar escenarios antes de que la patología se agrave.
- Soporte en terapias curativas: optimizando la toma de decisiones durante el tratamiento, permitiendo una medicina personalizada que se adapte a la respuesta biológica de cada paciente.
Unas palabras dedicadas a los sistemas que generan texto (como el ChatGPT, Gemini, DeepSeek y todos sus competidores): con estos sistemas ahora podemos llegar hasta un informe escrito, tal como lo haría un médico, que explique con palabras humanas —¡y además en cualquier idioma!— lo que todo el proceso que describimos ha descubierto. Puede utilizar lenguaje médico y también generar una versión comprensible para el paciente. Lógicamente, ninguno de los pasos comentados está exento de la supervisión del profesional, pero la cantidad de trabajo que se ahorra hace que el médico pueda dedicarse a aumentar la calidad de la atención humana al paciente, lo que, en definitiva, es lo que todos deseamos.
Estamos ante un cambio de paradigma donde la IA se está convirtiendo en el aliado indispensable del profesional de la salud. Al procesar volúmenes masivos de datos y extraer características antes invisibles, esta tecnología permite que el acto médico sea más preciso, más humano y, fundamentalmente, orientado a salvar vidas. Esto lleva a hacer de las ciencias de la salud una experiencia más humana, con menos errores y disponible para todas las personas —lo que, en definitiva, aumenta la calidad de vida que todos merecemos.
IG
