IA en clínicas: agenda, documentación y el límite del dato de salud

Cuando se habla de IA en salud, la conversación se va casi siempre al diagnóstico por imagen: el modelo que detecta un nódulo antes que el radiólogo. Es un campo real, pero no es el que tiene delante una clínica dental de cuatro gabinetes, un centro de fisioterapia o una policlínica privada con veinte profesionales. Ahí el cuello de botella no es el diagnóstico: es que el teléfono suena más de lo que se puede atender, que el 15% de los huecos se pierde por ausencias sin avisar y que cada profesional dedica la última hora del día a escribir en la historia clínica lo que ya hizo por la mañana.

Esta guía va de eso: de los usos de la IA que una clínica puede poner en producción en semanas, con qué garantías, y de dónde está la línea roja. Porque el dato de salud no es un dato más. Es categoría especial en el RGPD, y eso cambia qué herramientas puedes usar, dónde se procesan los datos y qué tienes que documentar antes de empezar.

¿Qué resuelve de verdad la IA en salud dentro de una clínica?

Conviene separar tres planos que se mezclan constantemente, porque el riesgo, la regulación y el esfuerzo de implantación son radicalmente distintos:

• Plano administrativo. Agenda, confirmaciones, recordatorios, facturación, autorizaciones de aseguradora, reclamación de impagos. Toca datos personales y a veces datos de salud por contexto (el nombre de la especialidad ya revela información sensible), pero no interviene en ninguna decisión clínica.
• Plano documental. Transcripción de la consulta, redacción de notas en la historia clínica, informes de alta, extracción de datos de analíticas o informes externos en PDF. Toca de lleno el dato de salud, pero el profesional sigue siendo quien valida y firma.
• Plano clínico. Apoyo al diagnóstico, triaje de síntomas, predicción de riesgo del paciente. Aquí entras en territorio de producto sanitario, con marcado CE y evaluación clínica. No es un proyecto de software: es un proyecto regulatorio.

El 90% del valor accesible para una clínica que no es un hospital universitario está en los dos primeros planos. Y casi nadie los ha tocado, porque son aburridos. Son también los que se pagan solos en meses.

Si una clínica pequeña empieza su proyecto de IA por el apoyo al diagnóstico, no va a terminarlo. Si empieza por la agenda y la documentación, en seis meses tiene horas libres para plantearse lo demás.

¿Cómo se arregla la agenda y el teléfono?

Es el caso de uso con el retorno más claro y el riesgo más bajo. Tres frentes, en este orden:

1. Recordatorios y confirmación activa. No es IA, es automatización, y lo digo porque muchos proveedores te lo venden como IA. Un recordatorio por WhatsApp o SMS 48 y 24 horas antes, con botón de confirmar o reprogramar, reduce ausencias de forma inmediata. Si tu software de gestión ya lo trae, actívalo antes de comprar nada.

2. Predicción de ausencias. Aquí sí hay modelo. Con el histórico de citas de tu propia clínica (dos o tres años de datos suele bastar) se estima la probabilidad de que un paciente no acuda, a partir de señales como: cuántos días falta hasta la cita, si es primera visita o revisión, el día y la hora, el historial de ausencias previas de ese paciente, si confirmó o no, y la vía por la que pidió la cita. Lo que haces con esa probabilidad es lo importante: llamar personalmente a los diez pacientes con más riesgo de la semana, o aplicar sobreagenda controlada en las franjas con ausencia estructural. No se trata de penalizar al paciente, sino de no perder el hueco.

3. Atención del teléfono y el canal escrito. Un asistente que responde a lo repetitivo: horarios, dirección, precio de la primera consulta, qué traer, qué aseguradoras se aceptan, reprogramar una cita existente. Dos reglas que no se negocian: escalada a persona en cuanto el paciente describe un síntoma, y cero diagnóstico. Un bot que responde «eso suena a una tendinitis» es un problema legal y un problema clínico. Si quieres profundizar en cómo se diseña ese límite, lo desarrollamos en chatbots para empresas.

¿Qué hace la IA con la documentación clínica?

Este es el caso que los profesionales sanitarios agradecen más, porque les devuelve tiempo propio. El patrón es casi siempre el mismo: el asistente escucha la consulta (con consentimiento explícito del paciente), genera un borrador estructurado de la nota clínica, y el profesional lo revisa, corrige y firma antes de que entre en la historia.

Lo que funciona hoy con fiabilidad razonable:

• Nota de consulta estructurada a partir de la conversación: motivo, antecedentes relevantes, exploración, juicio clínico, plan.
• Informes derivados: informe de alta, parte para la aseguradora, carta de derivación. Son documentos con estructura fija y un alto porcentaje de contenido repetido.
• Lectura de documentos externos: la analítica en PDF del laboratorio, el informe del especialista, el justificante de la mutua. Extraer los valores y volcarlos al historial en vez de teclearlos. El patrón técnico es el mismo que explicamos en extracción de datos de documentos, con una exigencia de validación mayor.

Lo que no funciona y conviene no prometer: que el borrador salga listo para firmar sin leerlo. La tasa de error en nombres de fármacos, dosis, lateralidad (izquierda/derecha) y negaciones («no refiere dolor» frente a «refiere dolor») es suficientemente alta como para que la revisión humana sea obligatoria, no recomendable. Mide esa tasa en tu propio piloto antes de ampliarlo: treinta consultas revisadas a mano te dan una cifra honesta.

| Caso de uso | Esfuerzo | Riesgo | Retorno visible en | |---|---|---|---| | Recordatorios y confirmación | Bajo | Bajo | Semanas | | Predicción de ausencias | Medio | Bajo | 1-2 trimestres | | Asistente de canal escrito | Medio | Medio | 1 trimestre | | Borrador de nota clínica | Medio | Medio-alto | Semanas | | Extracción de informes externos | Medio | Medio | 1 trimestre | | Apoyo al diagnóstico | Alto | Alto (producto sanitario) | Años |

¿Dónde está el límite del dato de salud?

Aquí es donde la mayoría de los proyectos de IA en salud se tuercen, y casi nunca por mala fe: por desconocimiento de que el dato de salud juega en otra liga.

Los puntos que hay que resolver antes de la primera prueba, no después:

• Base jurídica y consentimiento. El tratamiento de datos de salud necesita una de las excepciones del artículo 9 del RGPD. Para la asistencia sanitaria normalmente la tienes; para grabar la consulta y procesarla con un tercero necesitas consentimiento explícito, informado y revocable, y tiene que constar.
• Encargado del tratamiento. Cualquier proveedor que procese la grabación o el texto de la consulta es encargado. Hace falta contrato del artículo 28, con subencargados declarados y ubicación de procesamiento. Si no te dicen dónde se procesa, ya tienes la respuesta.
• Transferencias internacionales. Si el modelo se ejecuta fuera del EEE, necesitas mecanismo de transferencia y evaluación de impacto. Un proveedor que no sabe contestar a esto no está listo para una clínica.
• Retención y entrenamiento. Exige por escrito que tus datos no se usan para entrenar modelos y que las grabaciones se borran en un plazo definido. Que la opción exista en el panel no basta: tiene que estar en el contrato.
• Evaluación de impacto (EIPD). Tratamiento a gran escala de categorías especiales: es obligatoria. No es un trámite decorativo, es el documento que demuestra que pensaste antes de actuar.
• Minimización. Mucho de lo administrativo no necesita el dato clínico. Para predecir una ausencia no hace falta el diagnóstico del paciente, basta con el patrón de citas. Separar flujos administrativos de flujos clínicos reduce el riesgo a coste casi cero.

Dos artículos complementan esto: RGPD e IA para la revisión previa completa, y anonimización de datos para entender cuándo seudonimizar es suficiente y cuándo no.

¿Cómo montar el primer caso sin parar la clínica?

Un plan de 90 días que hemos visto funcionar en servicios con horario completo:

1. Semanas 1-2. Elegir uno. Un solo caso, el de menor riesgo con retorno visible. Casi siempre: ausencias o borrador de nota en una especialidad. Y medir la línea base: ¿cuál es tu porcentaje real de ausencias? ¿cuántos minutos al día dedica cada profesional a documentar? Sin ese número, en abril no sabrás si funcionó. 2. Semanas 3-4. Papeleo y proveedor. Contrato de encargado, EIPD, consentimiento redactado para pacientes, decisión de dónde se procesa. Es la parte que todos quieren saltarse y la que hunde el proyecto después. 3. Semanas 5-8. Piloto con un profesional voluntario. No con el más escéptico ni con el más entusiasta: con el que tiene más volumen y es ordenado. Revisión manual del 100% de las salidas y registro de errores por tipo. 4. Semanas 9-12. Decisión con datos. Ampliar, ajustar o parar. Las tres son respuestas válidas. Y dejar escrito quién responde de qué cuando la herramienta se equivoque: sin dueño, el proceso se abandona en el primer incidente.

La parte difícil no es tecnológica, es de adopción. Una herramienta que obliga a salir del software de gestión, copiar y pegar, se deja de usar en tres semanas. Pregunta por la integración con tu HIS o tu software de clínica antes que por la calidad del modelo.

Preguntas frecuentes

¿Puede una IA diagnosticar a un paciente?

Un sistema que se presenta como apoyo al diagnóstico es un producto sanitario y requiere marcado CE, evaluación clínica y supervisión profesional. Nada de lo que una clínica instala como herramienta de productividad entra en esa categoría, ni debe usarse para ello. La responsabilidad clínica sigue siendo del profesional en todos los casos.

¿Es legal grabar la consulta para generar la nota clínica?

Es viable con consentimiento explícito e informado del paciente, contrato de encargado del tratamiento con el proveedor, borrado en plazo definido y evaluación de impacto. Sin esos cuatro elementos no lo es, y el paciente debe poder negarse sin que afecte a su asistencia.

¿Cuánto cuesta implantar IA en una clínica mediana?

Los casos administrativos y documentales se mueven en el rango de proyectos pequeños de automatización, con coste recurrente por licencia o por consumo. Lo que descuadra los presupuestos no es el modelo, sino la integración con el software de gestión y el trabajo de cumplimiento. Lo desglosamos en cuánto cuesta un proyecto de IA.

¿Qué datos necesito para predecir ausencias?

El histórico de citas de tu propia clínica: fecha de solicitud y de cita, especialidad, profesional, primera visita o revisión, si confirmó, y si acudió. Con dos o tres años de datos limpios hay material suficiente; el problema habitual es que las ausencias no se registran de forma consistente.

Si estás valorando por dónde empezar y quieres una lectura honesta de qué casos aguantan el RGPD en tu clínica y cuáles no, la auditoría sirve exactamente para eso: mirar tus procesos y tus datos antes de comprometer presupuesto. Y si ya tienes un caso en la cabeza y lo que quieres es contrastarlo con alguien que haya pisado el terreno, hablemos.