El paciente full-stack
Diario de Innovación #367
Hay algo profundamente extraño que está empezando a ocurrir en medicina.
Durante décadas hemos organizado uno de los sistemas más sofisticados que existen alrededor de una idea muy simple: encontrar qué funciona para la mayoría.
Ensayos clínicos.
Cohortes.
Protocolos.
Guías.
Miles de pacientes para extraer una respuesta estadística suficientemente buena.
Y tiene todo el sentido del mundo.
Porque cuando el conocimiento es escaso y el coste de investigar es enorme, el promedio es una herramienta extraordinaria.
Pero hay casos que aparecen de vez en cuando y que parecen venir del futuro.
Hace meses descubrí la historia de Miriam.
Ingeniera de software. Divulgadora tecnológica.
Desapareció de mi feed hace meses por un problema de salud.
Y ella de forma muy valiente, decidió afrontarlo de una manera poco habitual.
Intentar entender su propio caso utilizando herramientas de oncología de precisión, análisis molecular y una organización radicalmente distinta del conocimiento clínico.
No me interesa aquí entrar en el detalle médico.
Me interesa algo que me llamó muchísimo más la atención. La arquitectura.
Porque cuanto más leía sobre el proceso, menos parecía un caso clínico tradicional. Y más me recordaba a cómo construimos sistemas complejos en tecnología.
Primero llegan los datos.
Secuenciación.
Biopsias.
Imagen.
Informes clínicos.
Literatura científica.
Evolución temporal.
Nuevas evidencias.
Después aparece el trabajo invisible.
El que casi nunca sale en titulares. Convertir todo eso en algo utilizable.
Relacionar información.
Normalizar formatos.
Eliminar contradicciones.
Construir una línea temporal.
Entender qué cambió.
En tecnología llamaríamos a esto ingesta, transformación y modelado. En medicina solemos llamarlo revisión del caso.
Y después llega una tercera capa todavía más interesante.
No decidir.
Reducir el coste de pensar.
Porque creo que aquí está una de las ideas más importantes de toda esta historia.
La IA no está sustituyendo al oncólogo. No está descubriendo una cura. No está tomando decisiones.
Está haciendo algo quizá más poderoso.
Está reduciendo la fricción para que humanos expertos puedan pensar mejor.
Miles de páginas de informes.
Décadas de literatura científica.
Mutaciones.
Mecanismos de resistencia.
Opciones terapéuticas.
Ensayos.
Especialistas distribuidos.
Lo que antes era imposible de sostener cognitivamente empieza a poder organizarse.
Y entonces empecé a ver algo que me resultó incómodo reconocer.
Esto empieza a parecerse mucho a disciplinas como el DevOps.
Nueva evidencia.
Nuevo análisis.
Nueva hipótesis.
Nuevo despliegue.
Monitorización.
Aprendizaje.
Iteración.
No porque el cuerpo sea software. Sino porque el ciclo de conocimiento empieza a parecerse.
Y aquí aparece una idea que no consigo quitarme de la cabeza. Quizá estamos viendo una transición silenciosa. Durante décadas adaptamos personas a tratamientos. Quizá empecemos a adaptar tratamientos a personas.
No como un proceso artesanal. Sino como una capacidad industrial. Porque el cambio importante no sería que la IA aprendiera medicina. El cambio sería que el coste de coordinar conocimiento médico cayera de forma radical.
Que un caso pueda integrar especialistas de distintos lugares.
Que la evidencia se pueda sintetizar.
Que los datos clínicos y moleculares puedan convertirse en una representación viva del paciente.
Que la hipótesis terapéutica pueda evolucionar con el sistema.
Todavía estamos muy lejos. Y seguramente casos como este siguen teniendo mucho de excepción. Mucho de coordinación extraordinaria. Mucho de esfuerzo personal y manual.
Pero casi todas las revoluciones tecnológicas empiezan así.
Caras.
Artesanales.
Difíciles de escalar.
Hasta que dejan de serlo.
Y quizá dentro de unos años descubramos que el primer gran producto de la era agentica no fue una aplicación. Ni una empresa.
Fue un tratamiento.
🌍 El eco del mercado
🧠 La siguiente interfaz ya no quiere abrir aplicaciones. Nvidia, Microsoft y Google están convergiendo hacia la misma idea: el ordenador deja de ser una colección de iconos y empieza a convertirse en un sistema que entiende intención y ejecuta acciones. Más que añadir IA al sistema operativo, están intentando redefinir qué significa usar un ordenador.
🏭 La escasez ya no está en los modelos: está en la fábrica. TSMC vuelve a recordar algo incómodo para el relato dominante: la IA no escala solo con ideas. Escala con obleas, capacidad industrial y años de planificación. Y según el fabricante, es imposible con la capacidad actual absorber toda la demanda del mercado.
🌍 Europa empieza a hablar menos de regulación y más de capacidad. La conversación europea empieza a desplazarse: menos obsesión por controlar plataformas y más por asegurar infraestructura propia. Más que soberanía digital, empieza una carrera por reducir dependencia económica.
⚡ Los centros de datos descubren que su enemigo no es otro hyperscaler. Google explora modelos donde el consumo eléctrico se vuelve dinámico y negociable. Mediante el acuerdo con Voltus, busca crear una planta de energía virtual (VPP) a la que se puedan conectar vehículos electricos y baterías residenciales, para usar en momentos de sobre carga de la red.
🏘️ La infraestructura IA ya empieza a encontrar resistencia social. Donde llegan centros de datos aparecen preguntas sobre agua, energía y territorio. Empleados de Amazon piden al gobierno que empiece a intervenir y regular este tipo de edificaciones.
💻 La economía del token empieza a tener competencia. Modelos cada vez más capaces empiezan a funcionar localmente en hardware de consumo. Gracias a nuevos modelos como Gemma 4 de 12B de parámetros (capaz de correr en un PC con 16GB de memoria RAM), la duda surge al decidir dónde vive el modelo: nube o dispositivo.
📬 Microsoft quiere que el trabajo ocurra antes de abrir el correo. Scout representa un cambio sutil: pasar de herramientas que responden a herramientas que anticipan. Parece que el valor deja de estar en automatizar tareas y pasa a estar en capturar intención.
🧬 La seguridad de la IA deja de ser un debate filosófico. OpenAI y Anthropic elevan el tono sobre el riesgo de uso biológico asistido por modelos. Se vislumbra una transición importante: dejar de hablar de alineamiento para hablar de control operativo.
🛡️ Los agentes ya empiezan a necesitar su propio sistema inmunitario. Los ataques evolucionan cuando el software deja de esperar órdenes y empieza a actuar. Igual que con los microservicios llegaron nuevas disciplinas como DevOps o SecOps, con la llegada de los agentes empieza a emerger una disciplina para gobernar estos sistemas autónomos.
🇨🇳 Las sanciones empiezan a fabricar más competidores. Huawei vuelve a insistir en una idea incómoda: aislar una cadena de suministro también puede acelerar su sustitución.
Más que desacoplamiento tecnológico, en China empieza haber una carrera de duplicación industrial.
🤖 La robótica abandona el laboratorio y entra en el inventario. Amazon sigue empujando robots que entienden instrucciones humanas, Proteus es su nuevo robot accionable a través de lenguaje natural. Parece que el verdadero cambio de la industria está en unir modelos fundacionales con sistemas físicos repetibles.
💸 La siguiente corrección de la IA puede no venir por capacidad. Puede venir por ROI. Empieza a aparecer una narrativa incómoda: algunas compañías estarían endureciendo el gasto en IA y pidiendo más evidencia de retorno antes de ampliar despliegues. No significa frenazo tecnológico. Significa paso de exploración a disciplina financiera.
El mercado parece entrar en una nueva fase. Primero fue entrenar modelos. Después desplegar copilotos. Ahora toca demostrar que los agentes generan más valor del que consumen en compute, integración y cambio organizativo. Más que una desaceleración, esto apunta a una selección natural del gasto.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD1. Recomiendo mucho The Patient Will See You Now, de Eric Topol. Una mirada brillante sobre cómo cambia la medicina cuando cambia quién controla la información.
PD2. Deep Medicine, también de Eric Topol, tiene una idea que me parece cada vez más relevante: la IA no tiene que hacer mejor medicina que los médicos. Tiene que devolverles tiempo para hacer medicina.
PD3. Y si quieres entender por qué la siguiente revolución tecnológica quizá ocurra dentro del cuerpo humano y no fuera, La Armonía de las Células, de Siddhartha Mukherjee.
PD4. La reflexión de hoy está inspirada en la historia que Míriam González está compartiendo públicamente sobre su proceso de oncología de precisión y exploración de tratamientos personalizados. Aquí más info por si quieres ayudarla.
Más allá del caso concreto, me pareció una oportunidad para pensar en una pregunta más amplia: qué ocurre cuando el conocimiento médico deja de organizarse alrededor del paciente promedio y empieza a hacerlo alrededor de una persona concreta.