La visión por computador basada en deep learning debe entenderse no solo como herramienta de automatización, sino como un agente que fortalezca la relación médico-paciente y facilite decisiones clínicas humanas y responsables.
Por Dr. Manuel Eduardo Loaiza Fernández*
La inteligencia artificial (IA) ha avanzado significativamente en el ámbito de la salud, especialmente gracias al deep learning y la visión por computador. Estas tecnologías han automatizado tareas críticas, como la detección de patologías en imágenes médicas, con una precisión comparable —o incluso superior— a la de especialistas humanos. Sin embargo, el enfoque de la Industria 5.0 propone un cambio de paradigma: la tecnología no debe reemplazar al ser humano, sino trabajar junto a él para potenciar su labor, mejorar la comprensión clínica y personalizar los servicios con un enfoque centrado en el bienestar.
Desde esta perspectiva, la visión por computador basada en deep learning debe entenderse no solo como herramienta de automatización, sino como un agente que fortalezca la relación médico-paciente y facilite decisiones clínicas humanas y responsables. La Industria 5.0 promueve principios como la personalización masiva, la colaboración humano-máquina y la sostenibilidad, que deben reflejarse en el diseño y uso de sistemas de IA en salud.
Por ejemplo, un sistema de diagnóstico por imagen no debe ser una “caja negra” que sustituye al radiólogo, sino una interfaz explicativa que muestre sus hallazgos, proponga alternativas y aprenda del feedback clínico. Además, debe adaptarse al contexto cultural, étnico y socioeconómico del paciente, evitando sesgos que podrían generar desigualdades en la evaluación. La auditabilidad y la posibilidad de personalizar estos modelos son esenciales para lograr una integración efectiva y ética.
La colaboración entre ingenieros, profesionales de la salud y pacientes debe ser parte activa del desarrollo de estas soluciones. Esto implica una gobernanza ética de los datos, respeto por la privacidad, y mecanismos de explicabilidad que permitan a los usuarios comprender y confiar en los sistemas. La seguridad de la información también es un pilar central.
Ya existen iniciativas alineadas con este enfoque. Aidoc, por ejemplo, emite alertas clínicas en tiempo real a partir de imágenes médicas. GRAIL emplea IA personalizada para la detección temprana del cáncer. GatorTron, diseñado para lenguaje natural clínico, y MONAI, centrado en deep learning para imágenes médicas, destacan por su orientación hacia la transparencia y la colaboración interdisciplinaria. Otro caso notable es Google Health Care AI, que desarrolla soluciones como el diagnóstico ocular mediante retinografías o la predicción temprana de cáncer de mama con modelos explicables y validados en conjunto con profesionales de la salud.
En todos estos casos se valora no solo la precisión del algoritmo, sino su integración ética, humana y contextual. Porque desde la óptica de la Industria 5.0, el objetivo no es solo la eficiencia, sino el impacto en las personas.
En conclusión, la convergencia entre deep learning, visión por computador y su aplicación en salud representa una oportunidad para redefinir la inteligencia artificial como una tecnología verdaderamente humanizada. Este nuevo horizonte exige un enfoque interdisciplinario, ético y crítico, que garantice que el progreso tecnológico se traduzca en un avance real para la atención y el cuidado de la salud.
Imagen principal creada con Sora
