El papel de la inteligencia artificial agencial en la atención sanitaria: una revisión exploratoria

Asistentes más inteligentes tras bambalinas del hospital

Imagine un asistente digital en el hospital que no solo responde preguntas, sino que observa en silencio lo que sucede, decide qué debe hacerse a continuación y actúa sin que se le pida cada vez. Este artículo explora ese tipo de tecnología emergente —denominada “IA agencial”— y examina qué tan cerca estamos de contar con sistemas así que apoyen de forma segura a médicos, enfermeras y pacientes en la práctica clínica real.

De programas simples a socios orientados por objetivos

Los ordenadores en medicina empezaron como calculadoras y estrictos cumplidores de reglas: podían clasificar una imagen o señalar un resultado de laboratorio anómalo, pero solo cuando se les indicaba exactamente qué hacer. Los sistemas “generativos” más nuevos, como los chatbots, pueden producir texto, imágenes o código, pero aún esperan instrucciones humanas. La IA agencial va un paso más allá. Estos sistemas se diseñan en torno a objetivos —por ejemplo, mejorar la respuesta de un equipo de traumatología, personalizar el tratamiento del cáncer o ayudar a un niño a progresar en terapia—. Recopilan información de múltiples fuentes, planifican un curso de acción, invocan por sí mismos otras herramientas de software y ajustan lo que hacen según cómo evolucionen las circunstancias, todo ello mientras los humanos mantienen el control de las decisiones importantes.

Dónde se están probando estos agentes digitales

Los autores buscaron en cinco bases de datos de investigación importantes y hallaron solo siete estudios en todo el mundo que realmente emplearon este estilo más independiente de IA en el ámbito sanitario. Los proyectos abarcaron urgencias, tratamiento y diagnóstico del cáncer, imagen médica, rehabilitación y análisis de proteínas para el descubrimiento de fármacos. Un sistema monitorizó casos de traumatismo en tiempo real, generando informes más completos y activando alertas cuando los signos vitales se desviaban. Otro enviaba mensajes diarios personalizados a supervivientes de cáncer para fomentar la actividad física. Un juego de realidad virtual ajustaba su dificultad para ayudar a niños con síndrome de Down a desarrollar habilidades motoras y sociales. Otros sistemas se centraron en la lectura de radiografías de tórax, la planificación de tratamientos de radiación, la detección de cáncer de hígado a partir de partículas diminutas en la sangre y el análisis automático de datos proteómicos complejos relevantes para nuevas terapias.

Lo que estos sistemas hacen bien —y dónde fallan

En estos experimentos, los sistemas agenciales demostraron que podían operar con cierto grado de independencia: perseguían objetivos claramente definidos, tomaban la iniciativa para ejecutar análisis o invocar otros programas y, en algunos casos, combinaban los esfuerzos de varios “agentes” de IA que cooperaban. Los resultados fueron a menudo notables. Una herramienta distinguió el cáncer de hígado de los casos no cancerosos con más del 94 por ciento de precisión, incluyendo pacientes cuyo marcador sanguíneo habitual resultaba engañoso. Otra igualó o superó a planificadores expertos en el diseño de tratamientos de radiación, y un sistema de razonamiento sobre radiografías torácicas alcanzó un rendimiento de última generación sin necesidad de reentrenarse para cada nueva pregunta. Sin embargo, estos éxitos estaban fuertemente ligados a tareas muy concretas. La mayoría de los sistemas funcionaron solo en entornos controlados, con datos cuidadosamente preparados, y ninguno pudo realmente aprender y mejorar durante largos periodos ni recordar a pacientes anteriores de manera significativa.

Seguridad, confianza y el toque humano

La revisión también señala riesgos importantes. Dado que estos agentes pueden actuar por su cuenta —recuperando datos, sugiriendo planes e incluso activando alertas—, los errores o la mala coordinación podrían tener consecuencias graves, especialmente en áreas sensibles al tiempo como la atención oncológica. Muchos de los estudios presentaban un riesgo de sesgo moderado a serio y no probaron las herramientas en la práctica clínica cotidiana. También hay preocupaciones sobre razonamientos ocultos (comportamiento de “caja negra”), ciberseguridad y quién es responsable si un sistema autónomo contribuye a un daño. Los reguladores en Estados Unidos y Europa comienzan a considerar la IA médica como de “alto riesgo”, pero las normas vigentes no fueron redactadas pensando en software altamente independiente y orientado por objetivos. Los autores sostienen que la supervisión humana debe seguir siendo central y que hacen falta reglas más claras sobre hasta dónde pueden llegar por su cuenta estos sistemas.

Qué debe ocurrir a continuación

Por ahora, la IA agencial en la atención sanitaria es más un prototipo prometedor que un producto acabado. La revisión muestra que estos sistemas pueden ayudar en una amplia gama de tareas —desde monitorizar pacientes y apoyar la rehabilitación hasta planificar tratamientos oncológicos complejos—, pero solo un estudio ha involucrado a pacientes reales en un ensayo controlado. Los autores piden definiciones compartidas de qué se considera “agencial”, formas estándar de medir seguridad y beneficio, y estudios clínicos más amplios en entornos reales. Los hospitales también necesitarán mejores sistemas de datos, protecciones de privacidad más sólidas y directrices claras que mantengan a los clínicos al mando. Si estos cimientos se construyen con cuidado, la IA agencial podría madurar hasta convertirse en una compañera digital fiable que alivie cargas, afine decisiones y, en última instancia, mejore la atención al paciente, en lugar de una caja negra misteriosa que toma decisiones por su cuenta.

Cita: Collaco, B.G., Haider, S.A., Prabha, S. et al. The role of agentic artificial intelligence in healthcare: a scoping review. npj Digit. Med. 9, 345 (2026). https://doi.org/10.1038/s41746-026-02517-5

Palabras clave: IA agencial, automatización sanitaria, soporte a la decisión clínica, IA en imagen médica, salud digital