Prof. Dr. José Maria Ramírez Moreno – Sillón 12 de la AMedEx | Disciplinas Médicas(Neurología).

Pygmalion en Galatea, 1890[1]. Jean-Léon Gérôme (1824 –1904). Metropolitan Museum of Art, New York (Dominio público, sin restricciones de copyright).
[1] Pigmalión, escultor chipriota en la Metamorfosis de Ovidio, talla una estatua tan perfecta que acaba enamorándose de ella. La diosa Afrodita, conmovida, le concede vida y la convierte en Galatea. El mito expresa el anhelo humano de crear algo artificial que no solo imite la vida, sino que la encarne, anticipando preguntas actuales sobre creación y responsabilidad sobre lo que fabricamos.
Este texto nace del encargo de dirigir una jornada científica en una Reunión de la Sociedad Extremeña de Neurología sobre cómo integrar la inteligencia artificial (IA) y el uso masivo de datos sin perder la esencia clínica. Lo que sigue es una reflexión breve sobre ese cruce entre la tradición neurológica y la revolución digital que ya transforma nuestra disciplina.
La neurología nació —y se fortaleció— en la cama del enfermo. Durante décadas, el núcleo de nuestra disciplina ha sido la semiología, la exploración y la localización clínico‑anatómica: el arte de escuchar, observar, correlacionar y decidir. Hoy, sin embargo, se abre paso otro lenguaje: la del dato masivo, el aprendizaje automático y los modelos generativos. Entre esos dos polos —la tradición clínica y la revolución digital— se juega una parte decisiva de nuestro presente.
Una inquietud antigua con vocabulario nuevo
La pregunta por lo artificial —qué sucede cuando lo creado empieza a parecerse demasiado al creador— recorre nuestra cultura como una orquesta que cambia de instrumentos pero no de melodía. En la Antigüedad clásica, ese impulso adopta la forma de mito: Hefesto, dios artesano, forja autómatas de metal capaces de asistir los deseos de los dioses; Pigmalión por la intervención de Afroditacontempla cómo la estatua de la mujer más bella que esculpió cobraba vida; y en la tradición judía el golem nace de la arcilla animada por palabras sagradas, símbolo a la vez de protección y de temor a la desmesura. No son simples fábulas, en ellas ya observamos la intuición de que imitar la vida exige preguntarse por los límites del poder humano y la responsabilidad que acarrea.
En el mundo helenístico, Herón de Alejandría (siglo I d. C.) describe teatros automáticos, sifones y mecanismos movidos por aire, agua o vapor que, encadenados, ejecutan una secuencia prefigurada. El asombro no reside solo en el truco, sino en la aparición de una causalidad programada: la idea de que una máquina puede orquestar movimientos en un orden previsto, como si leyera silenciosamente un guion inscrito en su arquitectura. Siglos después, en el mundo islámico medieval, Al‑Jazarí (El libro del conocimiento de dispositivos mecánicos ingeniosos, c. 1206) perfecciona la automatización con ingenios hidromecánicos, relojes y músicos autómatas que realizan series complejas de acciones.
En 1770, Wolfgang von Kempelen presenta el turco mecánico, un jugador de ajedrez que, pese al ardid que lo hacía posible, obligó a la Europa letrada a considerar si una máquina pudiera, no ya moverse, sino razonar. Casi en paralelo, Jacques de Vaucansonconstruye autómatas músicos con fuelles y válvulas que imitan funciones orgánicas, y Pierre Jaquet‑Droz crea en la década de 1770 su célebre autómata escritor, programable mediante cilindros que dictan la sucesión de trazos, hoy, todavía funcionan[1]. Estos artefactos ensayan en latón y madera, la noción de que la inteligencia podría descomponerse en reglas, secuencias y rutinas suficientemente refinadas. La Ilustración dejó atrás la magia y empezó a pensar en los autómatas como modelos que ayudan a entender lo que hacen los humanos.
La modernidad introduce la grieta ética. En 1818, Mary Shelley publica Frankenstein y desplaza la pregunta del “¿podemos?” al “¿debemos?”. La criatura de Víctor Frankenstein nos recuerda que crear algo artificial nos obliga a hacernos cargo de sus consecuencias. Mientras tanto, la neurología avanza por su propio cauce: Broca, Wernicke, Charcot y Jackson articulan la neurología clínica como una gramática de signos, correlaciones y topografías funcionales. El cerebro aparece, cada vez más, como un territorio cartografiable, y esa cartografía invita a imaginar que ciertas funciones podrían simularse.
En el siglo XX, esa imaginación se vuelve teoría. Con la cibernética de Norbert Wiener (finales de los 40), organismos y máquinas se describen bajo un mismo léxico de información, control y retroalimentación. La mente deja de pensarse únicamente en términos de sustancia para pensarse, también, en términos de procesos. La pregunta que antes se había contado en mitos y sugerido con autómatas empieza a plantearse de forma técnica: si la mente funciona, al menos en parte, como un flujo de información con mecanismos de corrección ¿por qué no íbamos a poder reproducirla? La cristalización llega en 1950 con Alan Turing y su “juego de imitación”. Turing propone un desplazamiento genial: aparta las disputas ontológicas sobre la esencia de la inteligencia y las sustituye por un criterio operativo ¿pueden pensar las máquinas?
Si hoy hablamos de redes neuronales, modelos generativos o “superinteligencia”, lo hacemos sobre un sedimento cultural larguísimo. El vocabulario es nuevo; el desconcierto —y la esperanza—, no tanto.
¿Qué se automatiza cuando se automatiza?
La neurología ocupa una posición singular en este debate. Estudiamos el órgano al que atribuimos la conciencia y, a la vez, adoptamos herramientas que imitan ciertas funciones cognitivas: reconocimiento de patrones, clasificación, predicción. En la práctica, ya convivimos con algoritmos que segmentan imágenes con gran precisión en tareas concretas; modelos que anticipan trayectorias clínicas (p. ej., riesgo de deterioro en enfermedades neurodegenerativas); y sistemas que sugieren diagnósticos diferenciales. Esa realidad nos obliga a formular con exactitud una pregunta delicada: si parte de nuestras tareas puede automatizarse ¿qué llamamos exactamente “pensar clínicamente”? La respuesta no consiste en rechazar la tecnología ni en entregarle el timón. La escena clínica es, por definición, más que cálculo: es interpretación en una situación específica. Cuando exploramos a un paciente, seleccionamos lo relevante, integramos contradicciones, ponderamos riesgos, hacemos explícitos —o implícitos— valores, y asumimos una responsabilidad frente a una persona concreta. Esa capa de encuentro y responsabilidad no se evapora con mejores herramientas; al contrario, se vuelve más visible: cuanto más eficientes sean los apoyos algorítmicos, más nítido resulta lo que no pueden asumir por nosotros.
¿Convergencia o ruptura?
El riesgo de polarizar —románticos de la semiología frente a tecnófilos de la IA— es estéril. Lo ideal es mantener a salvo lo que es irrenunciable y, a la vez, aprender a trabajar con herramientas que amplían el radio de acción de la clínica. Esa convergencia pasa por un diseño responsable y por un alfabetismo tecnológico básico en los equipos asistenciales. No hace falta que cada neurólogo sepa programar una red neuronal, pero sí que tenga unas nociones básicas para usar estas herramientas con criterio: saber diferenciar los tipos de métricas, interpretar una curva de rendimiento, entender qué significa que un modelo “se desajuste” porque los datos han cambiado (drift)[2], y comprobar que funciona bien fuera del entorno donde se entrenó. No es algo intuitivo al principio, pero tendremos que aprenderlo.
Los principios para integrar la IA sin perder la esencia clínica no surgen de la nada: están respaldados por los principales marcos internacionales en salud. Las guías de la OMS subrayan autonomía, transparencia, responsabilidad y equidad como pilares de un uso seguro de la IA en medicina, incluida su actualización de 2024 para modelos multimodales. El Reglamento Europeo de IA (2024/1689) exige gestión rigurosa de riesgos, buena gobernanza de datos y supervisión humana en sistemas de alto riesgo como los sanitarios. A ello se suman las Good Machine Learning Practice publicadas por la Food and Drug Administration y armonizadas en 2025 por la International Medical Device Regulators Forum, que reclaman validación externa, documentación del ciclo de vida y monitorización continua tras el despliegue del modelo. Finalmente, los estándares CONSORT‑AI y SPIRIT‑AI establecen cómo deben evaluarse y reportarse los ensayos clínicos con IA, especificando la versión del modelo, su integración en el flujo clínico, la interacción humano‑IA y el análisis de errores.
Integrar la IA en neurología exige partir siempre de la pregunta clínica, asegurarse de que la herramienta aporta valor real al paciente y validar su rendimiento en las condiciones concretas de nuestra práctica. No basta con métricas brillantes en entornos controlados: necesitamos modelos transparentes, con una trazabilidad mínima que permita entender por qué recomiendan lo que recomiendan, y sometidos a supervisión humana significativa, porque la responsabilidad última sigue siendo clínica. Su uso debe vigilarse de manera continua para detectar sesgos, degradación del rendimiento o efectos no previstos, y requerir ciclos de actualización y, si es necesario, retirada. Todo ello implica cultivar un conocimiento que permita evaluar modelos, comunicarlos a los pacientes y mantener un uso ético y prudente de estas herramientas, de modo que amplifiquen —y no diluyan— la esencia de la medicina: el juicio, la interpretación y el cuidado de la persona.
Lo que no podemos delegar y una conclusión final
Al final, el valor clínico no se limita al conocimiento técnico: es juicio. Es la capacidad de manejar la incertidumbre, de explicar decisiones difíciles a una familia, de priorizar cuando los recursos son escasos y de acompañar el sufrimiento cuando no hay cura posible. Esa responsabilidad —profesional y humana— no puede delegarse en ningún algoritmo. Tampoco puede sustituirse esa “mirada” propia de la práctica clínica, a la vez estética y ética, que reconoce la armonía de un diagnóstico bien construido, la belleza de un razonamiento claro o la elegancia de una exploración realizada con respeto hacia quien tenemos delante.
La IA ya forma parte del paisaje neurológico. La cuestión no es si la aceptamos, sino cómo la incorporamos sin perder la esencia de nuestra práctica. Si lo hacemos con criterio, la revolución digital no empobrecerá la neurología: la ampliará. Nos permitirá dedicar más tiempo a lo que ninguna herramienta automatizada puede reemplazar —la escucha, la deliberación, el acompañamiento— y, al mismo tiempo, elevará el techo de lo que podemos ofrecer en diagnóstico, pronóstico y personalización terapéutica. En última instancia, la IA puede ayudarnos a ser mejores neurólogos solo si no olvidamos, cada día, qué significa ser médico.
Referencias
- Jouve Martín, José Ramón. La manzana de Turing: Un viaje histórico, literario y filosófico por la inteligencia artificial. Editorial Kairós, 2025.
- World Health Organization. Ethics and Governance of Artificial Intelligence for Health: Guidance on Large Multi‑Modal Models. OMS, 2024.
- Reglamento (UE) 2024/1689. Artificial Intelligence Act. Diario Oficial de la Unión Europea, 12 julio de 2024.
- Rivera, S. C. et al. SPIRIT‑AI Extension. Nature Medicine, 2020.
- Liu, X. et al. CONSORT‑AI Extension. BMJ, 2020
- Westover MB, Westover AM. General AI May Revolutionize Neurology—Or It Might Be Bad. JAMA Neurol. 2025;82(10):977–978.
- Bösel, J., Mathur, R., Cheng, L. et al. AI and Neurology. Neurol. Res. Pract. 7, 11 (2025).
[1] Se puede visitar en el Musée d’Art et d’Histoire de Neuchâtel, Suiza.
[2] Drift: cuando los datos del entorno cambian y el modelo deja de funcionar igual que cuando se entrenó.