Marcela y la Segunda Mirada

Prólogo

Un viernes, a las seis y diez de la tarde, tres clínicas distintas esperaban algo de Marcela.

En la pantalla, una lesión pigmentada que un colega de su equipo le había remitido desde otra sede. En el borde, algo que no terminaba de cerrar. ¿Nada — o el melanoma que se le iba a escapar? En el celular, dos mensajes más: otra sede pidiéndole confirmar una lectura antes del fin de semana, una autorización trabada con la aseguradora. Y la imagen de ese mismo lunar de hacía dos años — la que necesitaba para comparar — en el sistema de otra clínica, al que no entraba desde ahí.

Todos querían su ojo. Y su ojo era uno solo.

Marcela era, sin discusión, la dermatóloga más reconocida de su ciudad. Quince años — una especialidad en Dermatología, un fellowship, una disciplina feroz — leyendo lo que pocos ven: el borde irregular, la red de pigmento que se rompe donde no debería, el milímetro que cambió. No había llegado sola ni trabajaba sola: lideraba un equipo repartido entre varias clínicas especializadas, formado por ella.

Ese era, justamente, el problema.

Su criterio era el activo más valioso del grupo — y vivía en una sola cabeza. El caso difícil de cualquier sede terminaba en su pantalla. Su equipo era excelente, pero no tenía sus quince años de ojo; en el fondo, la calidad del diagnóstico dependía de que ella estuviera. Y no podía estar en tres clínicas a la vez.

Había además una ironía que la perseguía. Marcela era epidemióloga clínica. Sabía que su grupo tenía enfrente una cohorte longitudinal extraordinaria: miles de pacientes, en varias sedes, seguidos en el tiempo, con imágenes seriadas de sus lesiones. El dato por el que un investigador mataría. No podía verlo. No estaba en datos — estaba repartido en carpetas de tres sistemas que no se hablaban. La epidemióloga en ella se moría de hambre al lado de un banquete que no podía servir.

Su dolor no era tecnológico. Era la carga cognitiva de ser el único punto de criterio de todo un grupo — y de saber que cada hora en logística era una hora menos para los casos que de verdad la necesitaban.

Esa lesión del viernes se la iba a llevar a casa. Otra vez.

Una lesión difícil no debería viajar a casa en la cabeza de una sola persona. Algo tenía que cambiar.

Capítulo 1 — La Duda del Lunes

El consultor no llegó hablando de inteligencia artificial. Llegó con una pregunta.

"En quince años, ¿cuántas lesiones dudosas se ha llevado a casa — y cuántas noches le ha costado esa duda?"

Marcela no lo esperaba. Todos asumían que la mejor dermatoscopista de la ciudad no dudaba.

"Todo el tiempo. Lo claro es fácil. El problema es la zona gris, la lesión 50/50. Y ahora, además, la de mi equipo: cada caso difícil de tres sedes termina en mi pantalla."

"Le falta una segunda mirada. Un lector que haya visto un millón de lunares y no se canse a las seis de la tarde — ni en su consulta ni en la de su equipo."

Lo explicó sin jerga. Un modelo de Machine Learning entrenado con cientos de miles de imágenes dermatoscópicas no entiende la piel: tiene estadística a una escala que ningún ojo alcanza. Aprende a separar los patrones de color, borde y textura que se correlacionan con malignidad. Eso es deep learning aplicado a la dermatoscopia: reconocimiento de imágenes, no diagnóstico. Una probabilidad. Una segunda opinión silenciosa, acotada a lesiones pigmentadas — el melanoma amelanótico sigue siendo entero territorio de su ojo.

"Y ojo con la palabra: no viene a diagnosticar por usted ni por su equipo. Viene a marcar: 'esta lesión, mírenla otra vez.' La decisión es siempre del médico."

Marcela puso la objeción de quien ya se quemó.

"Probé las apps que dicen detectar cáncer de piel con una foto de celular. No es que sean un juego — son peligrosas. Prometen lo que no pueden sostener y dan tranquilidad falsa. Hasta los reguladores tuvieron que frenar a las que afirmaban detectar melanoma sin una sola prueba clínica."

"Y por eso esto es lo contrario. Aquello era un gadget de consumo haciendo una promesa diagnóstica sin validación. Lo suyo es un segundo lector de grado clínico, sobre imagen dermatoscópica, bajo su autoridad. La mayoría de los médicos vive el Gen AI Paradox: tienen la herramienta y no la arquitectura. No vinimos a darle una app. Vinimos a arquitectar su criterio para que escale a su equipo sin diluirse."

Y nombró el eje:

"En el sector lo llamamos el Decision Augmentation Spectrum. Entre 'la máquina decide sola' y 'el humano decide solo' hay un espectro. En dermatología la máquina se queda muy abajo, por diseño: aumenta la decisión, no la toma."

Capítulo 2 — La Cohorte Atrapada

La segunda reunión empezó con un inventario incómodo: todo lo que Marcela sabía y no estaba escrito en ninguna parte.

Su criterio vivía disperso. Las imágenes dermatoscópicas, repartidas entre los equipos de tres clínicas y carpetas por fecha. La historia clínica, en otros sistemas. El seguimiento en el tiempo — la única forma de saber si un lunar cambió — en su memoria. Y su equipo trabajando, cada uno, con un pedazo distinto del cuadro.

"No le faltan datos. Le falta que sean recuperables por contexto. No le puede preguntar a su archivo: 'todas las lesiones en zonas de fotoexposición que cambiaron más de dos milímetros en dieciocho meses'. Puede buscar por nombre o fecha. No por patrón. Y el patrón es lo que su ojo de epidemióloga necesita."

"¿Y eso?"

"Una Vector Database. La imagen deja de ser un archivo muerto: se guarda con una representación de lo que contiene, y el sistema recupera lesiones visualmente parecidas en toda la cohorte — no por nombre de archivo. El seguimiento del mismo lunar en el tiempo es otra cosa: ahí manda la identidad del paciente y la región, no la similitud. Dos capacidades distintas. Su cohorte deja de estar atrapada en carpetas."

"¿Y que conozca mi consulta, no la dermatología de un libro?"

"Con RAG: el sistema recupera sus propios casos confirmados como referencia — sus biopsias, los desenlaces de sus pacientes — en vez de operar con el promedio de internet. Su Memoria Semántica termina sabiendo cómo se ven, específicamente, los melanomas que usted ya confirmó. No inventa criterio: ancla el suyo. Eso es lo que escala su ojo al equipo."

La epidemióloga lo interrumpió con dos preguntas que él esperaba.

"Una: esos modelos se entrenan con piel clara. ¿Cómo sé que no se equivoca más en mis pacientes mestizos o afro? Dos: si aprende de las imágenes de mis pacientes, ¿con qué permiso?"

"Las dos correctas. El sesgo es real: un modelo entrenado en fototipos claros rinde peor en Fitzpatrick IV a VI. Por eso no se confía en un modelo de fábrica; se calibra sobre su propia cohorte, la de su población real. Y el permiso: reutilizar las imágenes para mejorar el modelo es uso secundario del dato — exige consentimiento informado específico, distinto del de atención. Sin eso, no se toca una imagen."

"¿Y se conecta con lo que ya tengo en cada sede?"

"Con MCP, sin integraciones frágiles. La lesión que captura hoy queda ligada a la del mismo paciente de hace dos años, en cualquier clínica. Pero ligar las sedes no es solo conectar sistemas: si son entidades distintas, cada una es responsable del tratamiento de sus datos, y mover historia clínica entre ellas exige autorización del titular y un contrato de transmisión bajo la Ley 1581 — no basta con que sea técnicamente posible."

Faltaba lo que como médica tenía que preguntar.

"Son imágenes del cuerpo de mis pacientes. ¿Dónde quedan? ¿Quién las ve?"

"Primera restricción de diseño: Soberanía de Datos. No salen de la infraestructura que usted controla — lo que la Ley 1581 trata como dato sensible de salud, con protección reforzada — ni entrenan modelos de nadie. Y la huella que la vector-db deriva de cada imagen es también dato sensible: si el paciente revoca, se borra con ella. Y Least Privilege: lo que agenda no ve la imagen; lo que analiza la lesión no ve el contacto. Cada parte accede solo a lo suyo. En el dato más sensible que existe, no es opcional."

Capítulo 3 — El Segundo Lector

Cuatro meses después, el grupo tenía su segundo lector en producción.

No reemplazaba a nadie. Cuando cualquier médico del equipo capturaba una lesión, el sistema devolvía en segundos dos cosas: un nivel de sospecha calibrado y, al lado, la imagen anterior del mismo lunar — la comparación que antes tomaba veinte minutos —. La lesión del viernes ya no se iba sola a la casa de Marcela. Y la duda de un médico nuevo en otra sede ya no esperaba al lunes.

El valor de ese número no era puntuar una lesión: era diseñarse para que se escaparan menos. Un buen segundo lector se mide por cuánto reduce lo que antes se pasaba — no por una promesa de no fallar nunca; también él tiene falsos negativos. Por eso la regla inversa pesaba tanto como la directa: que el sistema no marcara una lesión no la volvía benigna. El ojo del médico no se apaga porque la máquina calló.

Pero lo que cambió la relación con el sistema fue lo que mostraba debajo del número.

"No le creo a una caja negra que diga 'sospechoso' y ya", había advertido.

"Por eso le da Explicabilidad: resalta sobre la imagen qué zona disparó la sospecha — el borde, el color irregular, dónde se rompe la red de pigmento —. No le pide fe. Le muestra el porqué, sobre la piel."

Dejó de ser un oráculo y pasó a ser un colega silencioso que señalaba y se callaba.

"Lo que hacen usted y la máquina tiene nombre: Human-Autonomy Teaming. No es usar una herramienta. Es un equipo: la máquina barre a escala y no se cansa; el médico juzga y decide. Y vale doble en su grupo: eleva el piso de todos sin bajarle el techo a usted."

El sistema tenía Skills específicas — comparar en el tiempo, priorizar las imágenes del día por sospecha, marcar a quién llamar a control — y Plugins que cerraban la operación: recordatorios, agenda, mensajería. Era Automatización vs. Autonomía bien entendida: no el mismo recordatorio para todos, sino decidir qué priorizar. Nunca un diagnóstico.

"¿Quién tiene la última palabra?"

"El médico. Siempre. Es HITL estricto: el sistema marca, el humano decide. Sacar al humano del lazo en diagnóstico no es eficiencia — es delegación indebida."

Esa semana, un médico del equipo había clasificado una lesión como benigna. El sistema la marcó y resaltó un sector del borde. La miraron otra vez, con la explicación encima. Biopsia: melanoma in situ. El mejor momento para encontrarlo.

No lo encontró la máquina. Lo encontró el equipo — porque la máquina dijo: miren otra vez.

Capítulo 4 — La Línea que No se Cruza

El éxito trajo una tentación, y Marcela, rigurosa, la nombró antes de que fuera problema.

"Funciona tan bien que me da miedo. ¿Qué impide que en seis meses mi equipo firme lo que diga la máquina sin mirar?"

"La arquitectura, no la disciplina — que se cansa. Trabajamos con Guardrails vs. Gateways. Un gateway es una puerta: no se pasa sin permiso humano. Un guardrail es un riel: el sistema se mueve solo, pero no se sale del carril. El análisis de imagen corre con guardrails. El diagnóstico es un gateway absoluto: ahí siempre hay puerta, y la llave es del médico."

Esa frontera tenía nombre regulatorio. Un software que prioriza por sospecha y dirige la atención clínica puede calificar como dispositivo médico ante el INVIMA aunque no emita un diagnóstico literal — la clasificación la define la finalidad de uso declarada, no una palabra. Por eso la defensa no era "no es un dispositivo", sino: si lo es, se clasifica, se registra y se usa dentro de su finalidad autorizada. Eso dejaba al grupo del lado correcto de la línea.

Había otra capa que Marcela no dejaba pasar: cada imagen dermatoscópica es parte de la historia clínica, y su custodia y conservación se rigen por la Resolución 839 de 2017. El archivo no era solo el activo más valioso del grupo. Era un expediente regulado.

"Para lo que el sistema sí hace — agendar un control, marcar para revisión prioritaria — definimos un Veto Period: una ventana para frenar antes de que se ejecute. Y graduamos permisos con un LOA explícito: priorizar imágenes, autonomía alta; agendar, media con visto; tocar el juicio diagnóstico, cero."

"Y todo queda registrado: qué señaló el sistema, con qué versión del modelo, qué vio el médico y qué decidió, y cuándo — un rastro inmutable. No es burocracia: es lo que vuelve defendible cada decisión ante una aseguradora, un paciente o el INVIMA. Lo que no queda registrado, no ocurrió."

Marcela quería un número. No confiaba en lo que no se mide.

"¿Cómo sé si mi equipo se está volviendo dependiente sin darse cuenta?"

"Con el AI Autonomy Coefficient: cuánta autonomía real ejerce el sistema sobre las decisiones. Acá está diseñado para quedarse bajo, a propósito. Un sistema que diagnostica solo sería delegación indebida en su forma más peligrosa: lo que está en juego es un melanoma que se detecta o no."

Quedaba un riesgo humano.

"Algún colega hará lo fácil: foto de la lesión al celular, pegada en un chatbot público. Eso es Shadow AI — con piel de un paciente, una fuga clínica sin política ni consentimiento, y una que, si ocurre, hay que reportar a la Superintendencia. No se prohíbe; se da la infraestructura aprobada para que nadie tenga que recurrir a eso."

"Entonces la máquina puede ser muy buena. Lo que no puede ser, nunca, es la que firma."

"Nunca. En cada sede firma el médico que atiende — la responsabilidad no se traslada a la máquina, ni a quien lidera el grupo. El sistema solo se asegura de que se firme con los ojos abiertos."

Capítulo 5 — La Epidemióloga Despierta

Un año después, Marcela hacía algo imposible en quince años: ver el grupo entero de una mirada.

El segundo lector, el seguimiento y los recordatorios ya no eran piezas sueltas. Trabajaban en Orquestación: la lesión vigilada cumplía plazo y el sistema agendaba; el médico capturaba y el segundo lector comparaba; la biopsia confirmaba y el desenlace volvía a la memoria para el siguiente caso. El conocimiento fluía entre sedes. Marcela dejó de ser el único cable.

La Silicon-based Workforce del grupo no era gente nueva. Era el mismo equipo, amplificado. El valor de Marcela — el ojo, el criterio en la zona gris, la conversación que calma a un paciente asustado — seguía siendo insustituible. El sistema le devolvió las horas para ejercerlo, y elevó a cada médico al estándar que antes dependía de su presencia.

Y despertó la epidemióloga. La cohorte — miles de pacientes, varias sedes, seguidos en el tiempo — por fin era navegable. Marcela veía patrones de población: qué lesiones, en qué perfiles, se confirmaban malignas con más frecuencia. Lo hacía como debía: sobre datos disociados, patrones, no identificadores. La vigilancia no necesitaba saber quién era cada persona; necesitaba saber qué hacía cada lesión.

Los números eran sobrios, como a ella le gustaban. Recuperar y comparar una imagen: de veinte minutos a segundos. Las lesiones de seguimiento que antes se perdían entre controles ahora se citaban solas: la adherencia al control — el equivalente dermatológico del no-show — dejó de depender de la memoria de nadie.

"¿Cómo sé que sirve, y no es mi entusiasmo?"

Con CLASSic Metrics: cuántas lesiones priorizó por sospecha, con qué latencia comparaba, qué tan seguros estaban los datos, qué tan estable era el sistema en el día más cargado — y, sobre todo, si el modelo seguía afilado o empezaba a degradarse: dermatoscopios nuevos, otra población, el paso del tiempo. Un segundo lector que no se vigila contra su propia deriva deja de ser seguro. El ROI Agéntico era auditable: cada hora devuelta al ojo clínico, cada lesión vigilada que no se perdió, cada melanoma encontrado un control antes. En su oficio, un control antes puede ser la diferencia entre una cicatriz pequeña y una historia que no termina bien.

Epílogo

El Ecosistema agéntico en dermatología no reemplaza a la dermatóloga. No reemplaza el ojo, ni la mano que biopsia, ni la voz que tranquiliza.

La libera. Y libera a su equipo.

La diferencia entre la especialista que se quema y la que ejerce bien treinta años no es el talento — Marcela siempre lo tuvo — ni el conocimiento. Es entender que el criterio premium no puede vivir, indefinidamente, en una sola cabeza, repartido a pulso entre tres sedes. Lo que cede, cuando vive así, es la lesión del viernes a las seis.

Marcela no dejó de ser la mejor dermatoscopista de su ciudad. Dejó de estar sola en la lectura — y su grupo dejó de depender de que ella estuviera. Tiene ahora una segunda mirada que nunca se cansa, que nunca decide, que solo dice: miren otra vez.