El auge de la inteligencia artificial en la atención primaria respiratoria y la neumología: una revisión exploratoria

Atención respiratoria más inteligente en clínicas cotidianas

Los problemas respiratorios como el asma, la enfermedad pulmonar obstructiva crónica (EPOC) y las infecciones pulmonares afectan a cientos de millones de personas en todo el mundo. Este artículo explora cómo la inteligencia artificial (IA) está pasando discretamente de los laboratorios de investigación al consultorio del médico, a las urgencias e incluso a nuestros hogares para ayudar a detectar antes las enfermedades pulmonares, orientar el tratamiento y aliviar la carga de trabajo de profesionales de la salud ya sobrecargados. Para los lectores, ofrece una visión de cómo los “copilotos” digitales podrían pronto ayudar a médicos de familia y especialistas en pulmón a ofrecer una atención más rápida, precisa y personalizada, sin sustituir la relación humana que es el corazón de la medicina.

Cómo las herramientas inteligentes aprenden a leer los pulmones

La revisión comienza con una breve historia de la IA en la medicina respiratoria, desde los primeros “sistemas expertos” que seguían reglas escritas a mano hasta los potentes modelos de aprendizaje automático y los grandes modelos de lenguaje actuales. La IA moderna puede aprender patrones directamente a partir de enormes colecciones de radiografías de tórax, tomografías, pruebas de función pulmonar, grabaciones de sonido e historias clínicas electrónicas. La medicina respiratoria es especialmente rica en este tipo de datos: imágenes del tórax, curvas estandarizadas de función pulmonar, grabaciones de toses y sonidos respiratorios, y flujos continuos procedentes de dispositivos wearables y monitores domésticos. Esta combinación de instantáneas detalladas y seguimiento a largo plazo convierte la atención pulmonar en un terreno de ensayo natural para sistemas de IA capaces de reconocer señales de advertencia sutiles, agrupar pacientes en subtipos significativos y predecir quién tiene más probabilidad de empeorar.

Ayudando a los médicos a ver más en las pruebas de imagen y función respiratoria

Un tema central es cómo la IA apoya el diagnóstico. Los programas de aprendizaje profundo ya ayudan a los radiólogos a filtrar radiografías de tórax, señalando imágenes normales para que las anormales y urgentes pasen al frente de la cola, reduciendo de forma notable el tiempo de lectura de casos críticos. Herramientas similares pueden resaltar patrones de neumonía por COVID-19 o valorar si pequeños nódulos en tomografías tienen probabilidad de ser cánceres pulmonares en fase temprana. En los laboratorios de función pulmonar y en las consultas de atención primaria, los algoritmos vigilan cómo los pacientes soplan en los espirómetros, detectan errores técnicos y clasifican patrones de enfermedad comunes, a veces rindiendo al nivel de, o mejor que, especialistas. En conjunto, estos sistemas prometen una calidad de prueba más consistente y menos diagnósticos perdidos o retrasados, sobre todo donde faltan expertos entrenados.

Escuchar las toses, seguir a los pacientes en casa y proteger a las poblaciones

Más allá de las paredes del hospital, la IA convierte dispositivos sencillos en potentes herramientas de salud. Los micrófonos de los teléfonos inteligentes y los wearables pueden captar toses, respiración y el habla, permitiendo a los algoritmos detectar episodios automáticamente y buscar “huellas sonoras” de enfermedad. Sensores domésticos y monitores pulmonares portátiles, combinados con datos meteorológicos y de calidad del aire, pueden predecir exacerbaciones de asma o EPOC y avisar a pacientes y clínicos con días de antelación. Las plataformas de telemedicina y los chatbots amplían este apoyo, guiando el autocuidado, triando preocupaciones y ayudando a las personas a ajustar medicamentos entre visitas clínicas. A nivel poblacional, el aprendizaje automático ayuda a rastrear brotes como el de COVID-19, diseñar campañas dirigidas de salud pulmonar y descubrir patrones de vapeo y consumo de tabaco en jóvenes que las encuestas estándar podrían pasar por alto.

Oportunidades, riesgos y acceso equitativo

Los autores subrayan con cautela que la mayoría de estas herramientas siguen en fase de investigación o en pilotos tempranos, y que el uso seguro y justo no está garantizado. Muchos modelos solo se han probado en entornos limitados y pueden fallar cuando se usan en otros contextos o a medida que la tecnología y las enfermedades cambian con el tiempo. Si los datos de entrenamiento subrepresentan a ciertos grupos—como niños, personas mayores o comunidades marginadas—la IA podría amplificar desigualdades existentes en la atención pulmonar. Los grandes modelos de lenguaje y otras herramientas generativas también pueden ofrecer sugerencias seguras pero incorrectas sobre diagnósticos o tratamientos. Para proteger contra daños, el artículo reclama pruebas rigurosas multicéntricas, monitorización continua ante derivas en el rendimiento, explicaciones claras sobre cómo los sistemas llegan a sus conclusiones y reglas estrictas que mantengan a los clínicos al mando de las decisiones finales.

Qué significa esto para la atención pulmonar del futuro

Para concluir, la revisión dibuja un panorama cautelosamente optimista. Con un diseño reflexivo, pruebas cuidadosas y fuertes protecciones de privacidad y equidad, la IA podría asumir gran parte del trabajo repetitivo y con gran carga de datos que ahora consume el tiempo de los clínicos. Eso liberaría a los proveedores de atención primaria y a los especialistas en pulmón para centrarse más en escuchar a los pacientes, explicar opciones y personalizar la atención. En lugar de sustituir a los médicos, la IA se presenta como un conjunto de nuevos instrumentos—como mejores estetoscopios y lentes de imagen más nítidas—que, usados con criterio, pueden hacer que la atención respiratoria sea más rápida, precisa y personal para las personas que viven con enfermedad pulmonar.

Cita: Soriano, J.B., Lumbreras, S. The rise of artificial intelligence in respiratory primary care and pulmonology: a scoping review. npj Prim. Care Respir. Med. 36, 21 (2026). https://doi.org/10.1038/s41533-026-00487-5

Palabras clave: inteligencia artificial en la sanidad, enfermedad pulmonar, diagnóstico respiratorio, monitorización por telemedicina, asma y EPOC