¿Cómo puede usar inteligencia artificial un médico sin exponer datos de pacientes?

La pregunta no es “¿puedo usar IA?”, sino “¿qué datos necesita realmente?”

La IA puede ayudar con tareas clínicas y administrativas, pero no necesita conocer siempre la identidad completa del paciente.

Antes de enviar información a cualquier modelo, separa:

1. qué quieres obtener;
2. qué datos son estrictamente necesarios;
3. qué información puede eliminarse o generalizarse;
4. qué proveedor procesará el contenido;
5. durante cuánto tiempo se conservará;
6. quién podrá acceder;
7. si el resultado terminará dentro del expediente.

La LFPDPPP vigente considera sensibles los datos que pueden revelar el estado de salud presente o futuro. Por eso el punto de partida no debe ser copiar el expediente completo y después intentar justificarlo.

Un semáforo práctico para un consultorio

Riesgo menor: sin datos de paciente

Ejemplos:

• redactar una plantilla genérica de instrucciones;
• resumir una norma o artículo público;
• crear un checklist para una consulta;
• mejorar la claridad de un texto sin información de una persona real.

Aquí el modelo no necesita conocer quién es el paciente.

Riesgo intermedio: datos minimizados o seudonimizados

Ejemplo:

“Adulto de 52 años con antecedente X; redacta este texto como borrador estructurado.”

Eliminar nombre no siempre vuelve anónimo un caso. Edad exacta, enfermedad rara, fechas, ubicación, ocupación y otros detalles pueden reidentificar.

La seudonimización reduce exposición, pero no convierte automáticamente los datos en anónimos.

Riesgo alto: expediente identificable

Ejemplos:

• nombre + nota clínica completa;
• CURP;
• teléfono o correo;
• dirección;
• estudios con folio o códigos verificables;
• audio completo de una consulta con nombres y contexto.

No debería enviarse a una herramienta general solo porque el formulario permite pegar texto. Ese uso necesita un análisis explícito del proveedor, contrato, finalidad y controles.

¿Es seguro usar ChatGPT con datos clínicos de pacientes?

No existe una respuesta única para “ChatGPT” porque el producto, workspace y configuración importan.

OpenAI publica que, de forma predeterminada, no usa para entrenamiento los datos de organización enviados a ChatGPT Business, Enterprise, ChatGPT para el sector salud y su plataforma API. También ofrece productos y funcionalidades concretos elegibles para entornos regulados en EE. UU. cuando existe el acuerdo correspondiente.

Eso es una propiedad del proveedor; no es una certificación automática de cumplimiento mexicano para tu práctica.

Antes de enviar datos clínicos identificables a ChatGPT o cualquier otra IA, un consultorio en México debería revisar al menos:

• cuál es el producto exacto y no solo la marca;
• si los datos se usan para entrenamiento;
• retención y capacidad de borrado;
• ubicación/región disponible;
• subprocesadores;
• acceso administrativo;
• autenticación y MFA;
• contrato/DPA;
• base jurídica y aviso de privacidad;
• si el flujo requiere consentimiento;
• qué se registra en auditoría;
• qué ocurre cuando el usuario pega más información de la necesaria.

Una cuenta personal y un workspace empresarial gobernado no deben tratarse como el mismo riesgo.

¿Puedo copiar una nota médica con datos personales en una IA pública?

Como regla operativa, no uses una herramienta pública/general con una nota identificable sin una revisión previa del flujo y del proveedor.

Una alternativa más segura es:

1. quitar identificadores directos;
2. reducir fechas y detalles innecesarios;
3. enviar únicamente el fragmento que necesita la tarea;
4. usar un entorno aprobado por la organización;
5. no conservar la salida como nota clínica hasta revisarla.

No conviertas “desactivé entrenamiento” en una respuesta completa. Entrenamiento, retención, acceso, logs, subprocesadores y obligaciones jurídicas son controles distintos.

¿Qué es un asistente clínico de IA?

“Asistente clínico” es una categoría amplia.

Puede ayudar a:

• estructurar texto;
• resumir contenido ya documentado;
• proponer un borrador;
• recuperar información;
• preparar una lista de pendientes;
• transcribir audio;
• convertir una conversación en un formato de nota.

La palabra “asistente” no significa que deba diagnosticar o decidir por el médico.

Un diseño seguro diferencia:

• información original;
• transformación generada;
• sugerencia;
• decisión clínica;
• documento firmado.

Si el sistema no permite saber qué escribió la persona y qué produjo el modelo, aumenta el riesgo de aceptar errores sin detectarlos.

¿Qué es un scribe médico con inteligencia artificial?

Un scribe de IA intenta reducir el trabajo de documentación después de la consulta.

Un flujo típico es:

1. capturar audio o texto;
2. producir una transcripción;
3. detectar interlocutores o secciones;
4. construir un borrador de nota;
5. presentarlo al profesional;
6. permitir correcciones;
7. solo después, incorporar la versión aprobada al expediente.

El scribe no debería convertir automáticamente el audio en una nota firmada.

Cuatro objetos, cuatro políticas

Conviene tratar por separado:

• audio bruto;
• transcripción;
• borrador generado;
• nota clínica aprobada.

Cada objeto puede tener una retención distinta. Si el audio solo es necesario para transcribir, conservarlo indefinidamente aumenta riesgo sin aportar valor clínico equivalente.

Cómo funciona la transcripción automática de una consulta

Una arquitectura moderna puede dividir el proceso en etapas:

1. Captura

El navegador o dispositivo obtiene audio.

Aquí ya existe información sensible. El usuario debe saber que se está capturando y para qué.

2. Procesamiento de voz

El audio puede procesarse:

• localmente o en el dispositivo, reduciendo la necesidad de enviar audio bruto;
• en infraestructura propia;
• o con un proveedor externo de speech-to-text.

Procesar localmente no elimina todos los riesgos, pero puede reducir transferencia y retención de audio por terceros.

3. Transcripción

El motor convierte voz en texto.

La transcripción puede contener errores de:

• nombres;
• dosis;
• negaciones;
• abreviaturas;
• números;
• medicamentos;
• quién dijo cada frase.

Por eso no debe asumirse como registro clínico correcto solo porque “suena plausible”.

4. Estructuración

Un modelo puede convertir la transcripción en un borrador SOAP u otra estructura.

Aquí aparece otro tipo de error: el modelo puede resumir de más, omitir o inferir.

El borrador debería poder compararse con su fuente.

5. Revisión y aprobación

El profesional corrige y confirma.

La versión aprobada es la que puede entrar en el expediente conforme al flujo del sistema. El audio y borradores no deberían adquirir por accidente el mismo estatus que una nota clínica cerrada.

¿Conviene usar IA local para transcribir consultas?

Puede convenir cuando reducir la transferencia de audio bruto es una prioridad, pero local no significa automáticamente seguro, privado ni conforme. El dispositivo sigue manejando datos sensibles y necesita cifrado, sesión protegida, actualizaciones, control de archivos temporales y una política clara sobre audio y transcripciones.

La decisión debería comparar al menos:

• calidad de transcripción en español médico y en tus especialidades;
• errores en dosis, negaciones, nombres y medicamentos;
• latencia;
• consumo de batería/memoria;
• qué ocurre si el dispositivo se pierde;
• facilidad de actualización del modelo;
• si el audio sale o no del equipo en alguna etapa posterior.

Una arquitectura híbrida también puede ser razonable: voz local, texto minimizado y una etapa posterior en un servicio aprobado.

¿Qué hardware necesita una transcripción local?

No existe un mínimo universal útil sin definir modelo, cuantización, duración del audio y latencia objetivo. Una misma familia puede ejecutarse en CPU con modelos pequeños u optimizados y beneficiarse de GPU/NPU o memoria unificada con modelos mayores.

En lugar de publicar “necesitas X GB” como verdad permanente, haz un benchmark con audio sintético o autorizado de 15–30 minutos y mide:

• real-time factor: cuánto tarda en procesar un minuto de audio;
• memoria pico;
• temperatura/consumo sostenido;
• errores clínicamente críticos;
• rendimiento con otras aplicaciones abiertas;
• tiempo total hasta tener un borrador revisable.

El hardware correcto es el que supera tu umbral de calidad y latencia en el dispositivo objetivo, no el que gana un benchmark genérico.

Controles SOTA que pediría antes de aprobar un scribe

Minimización por arquitectura

• no enviar identificadores que el modelo no necesita;
• separar metadata administrativa del texto clínico;
• usar identificadores internos en lugar de nombre/CURP cuando sea posible;
• preferir procesamiento local para etapas que puedan ejecutarse localmente.

Retención explícita

Para cada objeto pregunta:

• ¿cuánto dura el audio?
• ¿cuánto dura la transcripción?
• ¿el proveedor conserva prompts/outputs?
• ¿qué logs existen?
• ¿cómo se elimina?
• ¿qué queda en backups?

Human-in-the-loop real

No basta con un aviso de “revise la salida”.

El flujo debería exigir una acción clara antes de:

• firmar;
• emitir receta;
• enviar una orden;
• incorporar un diagnóstico;
• guardar como nota definitiva.

Procedencia y auditoría

Cuando una salida de IA modifica documentación clínica, conviene poder reconstruir:

• qué modelo/servicio intervino;
• cuándo;
• qué versión del borrador vio el profesional;
• quién lo editó;
• quién lo aprobó;
• cuál es la versión final.

Fallo seguro

Si el proveedor de IA cae, el médico debería poder documentar la consulta sin depender de que el modelo vuelva.

La IA es una ayuda; el expediente no debe quedar rehén del proveedor de IA.

Cómo integrar IA con un expediente clínico electrónico

La integración más segura no da al modelo acceso irrestricto a toda la base clínica. Usa una capa de aplicación que seleccione el mínimo contexto necesario, aplique autorización normal del ECE y reciba una salida estructurada como borrador.

Un patrón recomendable es:

ECE autorizado → selección de contexto → tarea limitada → salida estructurada → validación → revisión humana → acción clínica explícita.

El modelo no debería disponer de una credencial de administración ni escribir directamente una nota cerrada. Los comandos que cambian el expediente deben volver a pasar por las mismas reglas de tenant, paciente, rol, auditoría y cierre que una acción humana.

Cómo registrar que una nota fue asistida por IA

No necesitas convertir “IA” en el autor clínico. La autoría y aprobación final siguen perteneciendo al profesional que revisa y firma.

Sí conviene conservar procedencia suficiente, por ejemplo:

• que hubo asistencia automática;
• tipo de tarea: transcripción, resumen, estructura o sugerencia;
• proveedor/modelo o versión cuando sea relevante para auditoría;
• fecha/hora;
• identidad del profesional que revisó;
• versión final aprobada;
• referencia técnica o hash del artefacto intermedio cuando la política lo requiera.

Evita guardar prompts completos con PHI solo “por auditoría” si una referencia más acotada satisface el objetivo.

Cómo auditar cambios entre el borrador de IA y la nota final

La métrica útil no es “el médico pulsó aceptar”, sino qué tuvo que cambiar.

Según el riesgo y la política de retención, puedes conservar un diff estructurado o eventos como:

• se añadió información;
• se eliminó una inferencia;
• se corrigió dosis o unidad;
• se cambió una negación;
• se sustituyó un diagnóstico sugerido;
• se rechazó el borrador completo.

Conservar indefinidamente cada borrador bruto puede duplicar PHI y aumentar exposición. Diseña la auditoría para demostrar procedencia y revisión sin crear un segundo expediente clínico paralelo.

¿Puede la IA ayudar a codificar diagnósticos CIE-10?

Sí, como sugerencia. El modelo puede proponer candidatos, pero la aplicación debería validar que el código exista en el catálogo activo y mostrar al profesional código + descripción + contexto antes de incorporarlo.

No permitas que un modelo genere un código libre y se guarde porque “parece CIE-10”. Un flujo robusto combina búsqueda/retrieval sobre catálogo, filtros aplicables y aprobación humana.

Cómo reducir alucinaciones dentro de un ECE

No existe un prompt que elimine las alucinaciones. Reduce el espacio en el que el modelo puede inventar:

• salidas con schema estricto;
• catálogos cerrados para códigos;
• recuperación de fuentes autorizadas;
• referencias a fragmentos de entrada cuando se resume;
• reglas deterministas para campos críticos;
• opción de abstenerse cuando falta evidencia;
• validadores de dosis, fechas, unidades o códigos donde correspondan;
• evaluación con casos negativos y regresiones;
• revisión humana antes de una acción clínica.

Especialmente importante: ausencia de información no equivale a una respuesta negativa. El sistema no debe transformar “no se mencionó alergia” en “sin alergias”.

Qué significa realmente que un proveedor “no retenga datos”

“No retención” no debería aceptarse como una frase comercial sin definición. Pregunta qué objeto no se retiene, en qué capa y durante cuánto tiempo.

Un proveedor puede no conservar el contenido para uso del modelo y, aun así, mantener durante un periodo limitado:

• logs de seguridad o abuso;
• metadata de solicitudes;
• trazas de facturación;
• copias temporales;
• backups;
• registros necesarios para operar el servicio.

También son preguntas distintas retención y entrenamiento. Que un proveedor no use tus datos para entrenar modelos no significa automáticamente retención cero; y que elimine el contenido pronto no responde por sí solo quién pudo acceder mientras existió.

Pide por escrito:

1. retención de inputs, outputs, audio y archivos;
2. retención de logs/metadata;
3. qué ocurre en backups;
4. excepciones por seguridad/abuso;
5. plazos de borrado;
6. controles de administración y soporte;
7. si la política cambia entre producto de consumo, workspace empresarial y API.

Dónde procesa los datos una herramienta de IA médica

No asumas que la sede comercial del proveedor es el lugar donde se procesan los datos. Una misma herramienta puede usar regiones, subprocesadores y servicios auxiliares distintos.

Para un flujo con datos clínicos, documenta al menos:

• región de procesamiento disponible y la realmente configurada;
• región de almacenamiento, si existe almacenamiento;
• dónde se procesan audio y archivos, no solo el prompt textual;
• subprocesadores relevantes;
• transferencias entre regiones o países;
• ubicación de logs y backups;
• qué ocurre cuando una función secundaria —por ejemplo voz, OCR o moderación— usa otro servicio.

“Procesamiento en Europa”, “en Estados Unidos” o “local” solo son respuestas útiles si describen todo el flujo concreto que vas a usar. Si el proveedor permite elegir región, guarda evidencia de la configuración aprobada.

Cómo usar IA sin exponer más datos de los necesarios

Un patrón práctico:

Paciente real → minimización → tarea limitada → entorno aprobado → borrador → revisión humana → expediente.

Evita este patrón:

Expediente completo → cuenta personal de IA → copiar salida → firmar sin revisión.

La diferencia no es estética: reduce superficie de datos y separa transformación automática de responsabilidad clínica.

Qué tareas administrativas sí conviene automatizar con IA

Empieza por tareas reversibles y de menor riesgo clínico:

• clasificar solicitudes o tickets;
• resumir comunicaciones administrativas;
• preparar borradores de recordatorios;
• extraer campos de documentos para revisión;
• ordenar una bandeja de trabajo;
• proponer etiquetas o prioridades administrativas;
• generar borradores de texto no clínico.

Mantén gates más estrictos para acciones que cambian atención, diagnóstico, tratamiento, receta, consentimiento o documentación cerrada. “Administrativo” tampoco autoriza a exponer PHI innecesaria.

Cómo medir si la IA realmente ahorra tiempo al médico

No uses “X % más rápido” sin un experimento definido. Compara un baseline y el flujo asistido sobre tareas equivalentes.

Mide, como mínimo:

• mediana y percentil alto de tiempo hasta nota final aprobada;
• tiempo de edición después de la salida de IA;
• tasa de borradores rechazados;
• errores clínicamente relevantes detectados;
• reaperturas/correcciones posteriores;
• latencia que añade la herramienta;
• porcentaje de consultas donde se usa realmente;
• tiempo fuera de horario dedicado a documentación.

La unidad correcta no es “tiempo hasta que aparece texto”, sino tiempo hasta documentación clínicamente aceptable. Si baja el tiempo pero suben correcciones o defectos, no hay una mejora neta demostrada.

Qué hace hoy VITALINK respecto a IA

A septiembre de 2026, Expediente VITALINK no presenta transcripción, scribe ni generación clínica por IA como funcionalidad live del producto.

El producto actual sostiene su flujo con:

• expediente estructurado;
• plantillas;
• catálogos;
• consulta;
• receta y estudios vinculados;
• agenda y automatizaciones no clínicas ya publicadas.

VITALINK está investigando automatización e IA, pero esta guía no debe interpretarse como anuncio de una función disponible.

Si en el futuro se lanza un scribe o asistente, deberá documentarse por separado su:

• proveedor y región;
• retención;
• uso/no uso para entrenamiento;
• subprocesadores;
• flujo de consentimiento/transparencia;
• revisión humana;
• auditoría;
• y política de audio/transcripción.

Checklist antes de pegar datos de un paciente en cualquier IA

Detente si no puedes responder:

• ¿qué producto exacto estoy usando?
• ¿la organización aprobó este proveedor?
• ¿qué datos voy a enviar y cuáles puedo quitar?
• ¿se usan para entrenamiento?
• ¿cuánto se retienen?
• ¿quién puede acceder?
• ¿qué contrato/DPA aplica?
• ¿qué base permite este tratamiento?
• ¿el paciente fue informado cuando corresponde?
• ¿la salida queda como borrador hasta revisión?
• ¿puedo reconstruir qué generó la IA?
• ¿puedo seguir trabajando si la IA no está disponible?

Si varias respuestas son “no sé”, todavía no hay un flujo gobernado de IA clínica.