Antes de ser diagnosticada con cáncer, Prashanthi Nuthi ya había aprendido cuán abrumadora puede ser la atención médica. Relató que todo comenzó cuando apareció algo sospechoso en su mamografía y, después, vinieron una ecografía, otra mamografía diagnóstica, otra ecografía diagnóstica, una resonancia y finalmente una biopsia.
Su recuerdo más claro es una pregunta que parece menor, pero no lo fue: en la sala de mamografía diagnóstica le consultaron si quería una prueba 2D o 3D. Le explicaron que la 3D ofrecía más detalle, pero podía ser más cara y quizá no estuviera cubierta por su seguro. Cuando preguntó si su cobertura la incluía, no hubo certeza. Le dijeron que debió verificarlo antes y que, si no podía decidir, quizá tendría que reprogramar.
Nuthi dijo que no quería retrasar el estudio, pero tampoco sabía cuánto le costaría la opción 3D. Eligió la 2D, la alternativa que sabía que estaba cubierta. Más adelante, durante la biopsia, dijo que quedó tan abrumada que se desmayó después del procedimiento, y todo esto ocurrió antes de saber que tenía cáncer.
Años después, al escuchar sobre IA en salud, piensa en ese episodio. Su tesis es simple: el problema no fue solo la mamografía o el seguro, sino la fragmentación. La información clínica y la de beneficios existían, pero no se integraron justo cuando ella debía decidir.
Para reforzar su punto, citó que KFF reportó que 36% de los adultos de Estados Unidos encuestados en mayo de 2025 había omitido o pospuesto atención necesaria por el costo en el año previo. Incluso entre personas con seguro, 37% dijo haber hecho lo mismo. También señaló que el Instituto Nacional del Cáncer advierte que quienes padecen cáncer o han sobrevivido a la enfermedad tienen más probabilidad de enfrentar dificultades financieras que quienes no la padecen.
Desde su perspectiva, la IA tiene una oportunidad más ambiciosa que automatizar otra tarea. Propone un marco que llama CARES: conectar, anticipar, responder, involucrar y fortalecer. La idea central es que los pacientes no deberían tener que unir por su cuenta los puntos entre clínica, cobertura y opciones disponibles.
Nuthi sostuvo que los datos ya existen, pero no alcanzan si no se traducen en contexto útil. Preguntó por qué no identificar antes si un procedimiento podía generar una duda de cobertura, en vez de dejar al paciente frente a esa decisión en la sala de examen.
También advirtió que predecir un riesgo no basta. En su visión, la inteligencia solo vale si cambia lo que ocurre después. Y defendió que la IA no debe eliminar al humano del circuito, sino ayudar a que la persona correcta intervenga en el momento correcto.
El debate, en el fondo, no es tecnológico sino económico y humano: un sistema más inteligente no necesariamente es un sistema mejor. Si la IA en salud no reduce la fricción, el costo oculto seguirá recayendo sobre el paciente, que es quien menos margen tiene para absorber errores de coordinación.
Capital busca reglas claras. En salud, eso significa menos burocracia dispersa y más información útil cuando importa. Si la IA va a tener sentido para el mercado y para la sociedad, tendrá que ahorrar tiempo, evitar decisiones mal informadas y devolverle poder al paciente frente a un sistema fragmentado.