El cáncer de próstata (CP) es la segunda enfermedad maligna más frecuente en hombres y la quinta causa de muerte por cáncer en el mundo. En España, estas cifras se agravan, siendo el tumor más frecuente en hombres con una incidencia de 40.000 nuevos casos al año y 6.000 muertes anuales.
Según los últimos datos, 1 de cada 5 hombres padecerá CP en España. En este sentido la IA aparce como un aliado a tener en cuenta según quedo patente en el foro N3XT Evolution: Shaping the Future of Prostate Cancer in the New AI Era, organizado por Bayer, donde los especialistas debatieron sobre el papel que jugará en el futuro de la especialidad. Hemos hablado con Mario Domínguez Esteban, Jefe de Sección de Uro-oncología del Hospital Universitario Marqués de Valdecilla, para conocer más acerca de su día a día con la inteligencia artificial como copiloto.
Pregunta. ¿Cómo facilita la IA su labor diaria en la consulta o en la investigación médica en cáncer de próstata?
Respuesta. La IA se ha convertido en mi copiloto de investigación indispensable, pero nunca sustituye el juicio clínico. Dado el volumen inmanejable de publicaciones científicas actuales, la utilizo como un filtro “inteligente” para mantenerme al día sin perder horas de sueño. Mi flujo de trabajo habitual implica el uso de agentes de IA para rastrear periodicamente repositorios globales (PubMed, Google Scholar, Scopus asi como de diferentes trabajos presentados en los diferentes congresos de las sociedades urológicas) en busca de avances específicos, como los recientes datos sobre radioterapia adaptativa o nuevos radiofármacos.
Pero más allá de la búsqueda, he desarrollado un ecosistema de herramientas que denomino CRIS (Clinical Research Intelligence System), un sistema multiagente basado en inteligencia artificial que coordina cinco módulos especializados: un analista de datos clínicos (para análisis exploratorio, bioestadística avanzada y generación de datos sintéticos), un revisor de literatura científica (conectado directamente a PubMed y bases de datos académicas, con capacidad de evaluación crítica estructurada según marcos CONSORT, STROBE o TRIPOD), un redactor científico, un módulo de control de calidad y auditoría, y un diseñador de protocolos con cálculo de tamaño muestral y análisis de potencia estadística.
Complementariamente, he creado herramientas clínicas y de gestión específicas, por ejemplo, una aplicación web para la planificación de guardias del servicio de urología . En docencia, la utilizo para generar material estructurado, casos clínicos simulados y contenido formativo para residentes y pacientes.
En la consulta, aunque la aplicación clínica directa aún está madurando, la utilizo indirectamente para estructurar evidencia compleja y preparar materiales que me ayuden a explicar mejor los tratamientos a mis pacientes.
P. Para profesionales sanitarios interesados, pero sin experiencia, ¿dónde recomendaría que empezaran a usar la IA?
R. Les diría que no intenten "hervir el océano" construyendo sus propios modelos. Lo ideal es empezar por el ecosistema de herramientas verticales que ya existen con un beneficio inmediato y con un riesgo mínimo.
Para la búsqueda de evidencia, herramientas como Consensus, Elicit u OpenEvidence son el punto de entrada perfecto: permiten hacer preguntas médicas y recibir respuestas con referencias bibliográficas reales, evitando las "alucinaciones" de los chats genéricos. No es necesario saber programar: el valor inicial proviene de formular buenas preguntas clínicas (pompterar).
La diferencia entre obtener una respuesta genérica y una verdaderamente útil reside en la capacidad del profesional para contextualizar su consulta —especificando guías de referencia, tipo de evidencia buscada, nivel de complejidad del paciente—, algo para lo que los médicos ya estamos entrenados.
Lo fundamental es entender dos cosas desde el principio: la IA es un copiloto, no un piloto automático, y hay que verificar siempre la información que produce.
P. ¿Cuál es el mayor "freno" actual en el uso de la IA? ¿Es la tecnología, la falta de datos o la resistencia al cambio en el sistema sanitario?
R. Es una combinación, pero si tuviera que elegir uno, diría que es la calidad y gobernanza de los datos, sumado a una necesaria cautela clínica. La tecnología ya es suficientemente potente; el problema es que avanza más rápido que nuestra capacidad para implementarla de forma segura en los sistemas legacy de los hospitales.
En el plano regulatorio y legal, persiste una incertidumbre importante sobre responsabilidad clínica, protección de datos y requisitos de validación. En cuanto a la integración en sistemas sanitarios, la mayoría de las herramientas no están conectadas con la historia clínica electrónica, lo que limita enormemente su utilidad práctica. Y la calidad de los datos es un problema real: los modelos requieren datos bien estructurados y en formatos interoperables, algo que rara vez existe en la práctica asistencial. Existe también un freno cultural que se subestima: el miedo a la "caja negra", y otro que se menciona poco: la brecha entre quienes desarrollan estas herramientas y quienes deben usarlas.
P. ¿Cómo va a evolucionar la IA en los próximos años en el ecosistema sanitario?
R. Vamos a pasar de la actual "IA generativa" —que crea texto o imágenes— a una "IA agéntica". En el futuro cercano, no solo le pediremos a la IA que resuma un historial clínico, sino que actúe: que agende citas de seguimiento, pre-redacte informes quirúrgicos basados en lo que "vio" durante la cirugía robótica, o cruce datos genómicos con bases de datos farmacológicas para sugerir ensayos clínicos activos para un paciente específico.
La evolución será progresiva pero profunda, y la veo en tres oleadas. La primera, que ya estamos viviendo, integra la IA en tareas administrativas, documentación clínica y lo que denomino el "segundo cerebro" del clínico: herramientas de síntesis de evidencia, búsqueda inteligente de literatura y asistentes de redacción que amplifican la capacidad cognitiva del profesional sin sustituir su criterio.
La segunda oleada, a medio plazo, consolidará sistemas multimodales capaces de combinar historia clínica, analítica, genómica e imagen médica para ofrecer estratificaciones de riesgo más precisas y seguimiento personalizado.
En oncología prostática, esto permitirá superar clasificaciones simplistas como "alto volumen" o bajo volumen" e integrar variables moleculares y patológicas. En el quirófano, veremos una integración más profunda con la cirugía robótica, donde la IA proporcionará superposiciones de realidad aumentada en tiempo real para identificar márgenes quirúrgicos o estructuras nerviosas.
La tercera oleada implicará que la IA actúe como una capa transversal del sistema sanitario, optimizando flujos asistenciales, priorización de pacientes y planificación de recursos. No sustituirá al médico, pero transformará su rol hacia funciones más interpretativas, estratégicas y humanas.
P. En un futuro, ¿podrá la IA ayudar en la personalización del tratamiento para los pacientes?
R. Sin duda, es donde veo el mayor potencial en mi campo, la uro-oncología. El cáncer de próstata es una enfermedad muy heterogénea: pacientes con el mismo estadio pueden tener evoluciones radicalmente diferentes.
El futuro es la oncología de precisión real: algoritmos que analicen la genética del tumor, la imagen médica y el historial del paciente para predecir no solo qué tratamiento funcionará, sino cuál tendrá menos efectos secundarios para ese paciente.
P. ¿Cómo tendrá que adaptarse la legislación a toda esta evolución propiciada por la IA?
R. La AI Act de la Unión Europea ya clasifica a la IA médica como de "alto riesgo", y eso es correcto. Sin embargo, el reto será encontrar el equilibrio para no frenar la innovación. Necesitamos marcos más específicos y proporcionados, y una regulación dinámica que permita validar algoritmos continuamente. Un modelo de IA que aprende hoy puede ser diferente mañana.
La legislación también deberá facilitar el acceso a datos anonimizados de calidad para investigación, porque sin datos robustos no hay IA fiable. La clave será garantizar la seguridad del paciente y la privacidad de los datos sin convertir la validación en un proceso burocrático de diez años que deje la tecnología obsoleta antes de llegar al hospital.
