Damien Gruson, Bernard Gouget, Woochang Lee, Ronda Greaves, Yan Liu , Sven Ebert He Sarina Yang, Swarup Shah. De la automatización a la inteligencia artificial con agentes en medicina de laboratorio: una opinión de la División de Tecnologías Emergentes de la IFCC. Clin Chem Lab Med.2025; 64(5): 985-988. Departamento de Bioquímica Clínica, Cliniques Universitaires St-Lux, Bruselas, Bélgica y Université Catholique de Louvain, Bruselas, Bélgica y otras Instituciones.
N.del E.: Algunas consideraciones sobre el titulo de esta presentación (Chat Claude 5.0)
1) Significado y funciones de "Agente de inteligencia artificil: Se refiere a sistemas de IA capaces de actuar de forma autónoma para cumplir objetivos, en lugar de solo responder a una consulta puntual. A diferencia de la IA tradicional basada en prompts, un sistema agéntico puede descomponer una meta compleja en subtareas, planificar los pasos necesarios, utilizar herramientas externas (como buscadores, código o bases de datos), tomar decisiones según los resultados obtenidos y corregir su curso de acción sin intervención humana constante. Mantiene además memoria o contexto a lo largo de todo el proceso, lo que le permite ejecutar tareas extendidas de principio a fin."
2) Diferentes traduccioes y definiciones atribuidas al termino "Laboratory Medicine". Algunos ejemplo : "Medicina de laboratorio": lo utiliza la Sociedad Española de Medicina de Laboratorio (SEQCML) y su revista oficial Advances in Laboratory Medicine / Avances en Medicina de Laboratorio (De Gruyter). Es la disciplina médica que realiza análisis de muestras biológicas (sangre, orina, tejidos) para diagnosticar, monitorear y prevenir enfermedades; como especialidad es la traducción más fiel. "Laboratorio de Medicina": suena a una construcción invertida y poco usada en español técnico; generalmente se entendería como un espacio físico dedicado a estudios médicos en general, sin especificar su función clínica. "Laboratorio Médico", en cambio, designa el lugar físico o institución donde se realizan los análisis clínicos (extracción, procesamiento, informes), es decir, es el establecimiento, no la disciplina científica.
Introducción
La inteligencia artificial (IA) se ha convertido rápidamente en un pilar fundamental de la investigación y la práctica sanitaria. En e laboratorio de medicina, las aplicaciones del aprendizaje automático y los grandes modelos lingüísticos (MLL) ya han demostrado su potencial en diagnóstico, apoyo a la toma de decisiones clínicas y optimización de flujos de trabajo. Si bien estos sistemas de IA pueden generar información y recomendaciones valiosas, aún dependen de usuarios humanos para interpretar e implementar sus resultados.
La IA con agentes representa un cambio fundamental en este paradigma. A diferencia de los modelos tradicionales que se limitan a la predicción, los sistemas con agentes pueden razonar, planificar y actuar de forma autónoma a lo largo de múltiples etapas de un proceso. Los gemelos digitales complementan esta evolución al crear réplicas virtuales dinámicas y actualizadas continuamente de sistemas de laboratorio o trayectorias de pacientes, lo que reduce la brecha entre la simulación y la práctica del mundo real.
Al combinar la descomposición de tareas, la toma de decisiones y la orquestación de diversas herramientas digitales, la IA con agentes funciona menos como un asistente pasivo y más como un «colega digital» . Este marco emergente amplía las capacidades de la IA tradicional al integrar el razonamiento en cadena, la investigación profunda, la orquestación de herramientas multimodales y la ejecución autónoma.
En el contexto del laboratorio, esta evolución es particularmente transformadora. La IA con capacidad de agencia tiene el potencial de ir más allá de la automatización estática y la generación de informes de datos, permitiendo que los laboratorios operen como ecosistemas adaptativos que brindan valor continuo y orientado a resultados.
Por ejemplo, consideremos el objetivo común de emitir un resultado de troponina seguro y oportuno: una IA con capacidad de agencia podría consultar de forma autónoma el sistema informático del laboratorio (LIS), el software intermedio y los registros electrónicos de salud (EHR); recuperar resultados históricos, el estado de los instrumentos y los procedimientos operativos estándar; procesar la muestra mediante la automatización total del laboratorio; aplicar reglas de uso de pruebas; validar y generar informes estructurados; interpretar los resultados con recomendaciones de seguimiento; y comunicar los hallazgos inusuales al personal.
Estudios preliminares indican que esta arquitectura podría superar a los modelos LLM de referencia en tareas clínicas al aprovechar el razonamiento estructurado y la orquestación de herramientas. Sin embargo, la transición de la asistencia a la autonomía también intensifica la necesidad de interpretabilidad, transparencia y supervisión humana claramente definida ("intervención humana") para garantizar la rendición de cuentas de todas las acciones automatizadas.
(*) Una vez que está en la página del artículo, pulsando el botón derecho puede acceder a su traducción al idioma español. Este blog de bioquímica clínica, que es sin fines de lucro, está destinado a bioquímicos y médicos; la información que contiene es de actualización y queda a criterio y responsabilidad de los mencionados profesionales el uso que le den a la misma..
Nueva presentación el 26 de Septiembre.
Dr. Anibal E. Bagnarelli,
Bioquímico-Farmacéutico,UBA.
Cordiales saludos.
Ciudad de Buenos Aires. R. Argentina