Saltar al contenido

La IA todavía "no tiene ojos". Eso no significa que no pueda diagnosticar los de los demás

La clínica oftalmológica de Tsinghua descubre que el gran reto de la IA médica no era diagnosticar, sino conseguir que los médicos quisieran usarla

por J. Arismendi
La IA todavía "no tiene ojos". Eso no significa que no pueda diagnosticar los de los demás
Photo by Josephine Vyeda / Unsplash

Un sistema de diagnóstico que atendería a unos 2.000 usuarios por día detectando 22 patologías diferentes combinando análisis de imagen y datos clínicos. Eso es lo que propone AI-TEC, la primera clínica oftalmológica totalmente impulsada por agentes de Inteligencia Artificial, que estuvo en pruebas en escenarios reales y con pacientes reales. Sus resultados aparecieron en la revista Nature Medicine el 10 de septiembre de 2026, y ya nos "permiten ver" hacia dónde va el flujo de las automatizaciones con la IA en los procesos de diagnóstico de enfermedades.

¿Qué pasó?

Pues, lo que te contaba.

Investigadores de la Universidad Tsinghua de Pekín, la capital de China, tuvieron un despliegue real de su AI-Agent Augmented Tsinghua Eye Clinic, o AI-TEC, en el Beijing Tsinghua Changgung Hospital en el año 2025 y publicaron sus resultados e impresiones en la revista Nature Medicine, bajo el DOI 10.1038/s41591-026-04631-z.

AI-TEC. El desarrollo cuenta con un sistema multiagente donde convergen modelos como Qwen3.5-35B, RETFound y ChatZOC, analizando información clínica, imágenes de retina y diagnóstico virtual, respectivamente. Con capacidad para atender a más de 2.000 usuarios por día y detectar 22 patologías prácticamente en minutos, el proyecto planteaba no sólo automatizar parte de los diagnósticos, sino reducir el cuello de botella en la detección temprana de patologías oftalmológicas.

China investiga a DeepSeek y Moonshot por Claude
China investiga a DeepSeek y Moonshot tras el reporte de Anthropic sobre solicitudes enviadas a Claude con datos chinos sensibles.

¿Cómo les fue?

Una efectividad elevada. La implementación contó con 2 etapas de despliegue. La primera, para hacer diagnósticos iniciales en imágenes hospitalarias que no contaban con verificación, y una segunda, tras la curación de datos por parte de especialistas. En esta segunda, su efectividad de AUROC fue de aproximadamente 0,9383 y 9,9482, de manera que el modelo supo separar a positivos de negativos con casi un 95% de efectividad.

El gran problema no tuvo que ver con eso. En la primera implementación, sólo el 3,8% de los diagnósticos que hicieron los profesionales del hospital, lo hicieron apoyándose en AI-TEC, aunque ya sabían que lo tenían listo para usar. Tras la curación de datos y las nuevas pruebas, sólo el 23% de los casos fueron diagnosticados total o parcialmente apoyados en esta novedosa herramienta.

¿Qué es shadow AI? ¿Por qué es relevante hablar del tema en el mundo empresarial?
Los trabajadores sienten que son más productivos. Las empresas sienten que están en mayor riesgo. De eso va el Shadow AI.

La confianza de los médicos. Al finalizar un diagnóstico, alguien tiene que firmar y esa no va a ser la IA. Quizá por esa razón, los médicos sólo se fiaban de sus resultados (los de la IA) cuando coincidían con el diagnóstico que ellos habían elaborado manualmente. Si se contradecían, era más probable que no aceptaran la corrección o la postura de AI-TEC.

Expansión anunciada

Gracias al éxito de ese 95% de fiabilidad, que puede mejorarse tranquilamente, el equipo de la Universidad Tsinghua espera llevarlo a otros centros de salud de la capital y sus alrededores. Además, cuentan con una unidad móvil equipada con este sistema, para diagnosticar en zonas remotas, donde esta clase de servicios de salud escasean.

Fuentes: 1, 2

J. Arismendi imagen de perfil
por J. Arismendi

J. Arismendi es redactor y analista de FomoEra. Cubre fútbol, con énfasis en la Premier League, además de Linux, programación e inteligencia artificial.

Leer más de AI