Google ha enseñado a AMIE, su sistema médico de investigación, a hacer consultas por vídeo en tiempo real. En el estudio publicado el 11 de agosto, médicos de atención primaria lo evaluaron bien en las competencias centrales de una consulta, y los pacientes actores prefirieron la videollamada al chat de texto.
Puntos clave
- AMIE deja de ser un chat: interpreta señales visuales y sonoras, guía exploraciones físicas a distancia y razona sobre el diagnóstico mientras habla.
- Está construido sobre Gemini y Project Astra, con arquitectura multiagente.
- El estudio es aleatorizado, con pacientes actores y médicos de atención primaria como evaluadores.
- Los evaluadores lo puntuaron favorablemente en anamnesis, precisión diagnóstica, manejo del caso y comunicación.
- Google lo repite en el anuncio: es un sistema de investigación, hace falta más trabajo antes de usarlo con pacientes de verdad.
Qué cambia al pasar del texto al vídeo
Una consulta médica no es una transcripción. Buena parte de lo que decide un diagnóstico entra por los ojos y los oídos: el color de la piel, cómo respira alguien al hablar, si le cuesta levantar un brazo, el tono de una tos.
Eso es lo que AMIE no podía ver cuando era un chat, y es lo que Google ha añadido. El sistema no se limita a mirar: guía la exploración. Le pide al paciente que acerque la cámara, que mueva algo, que enseñe una zona. Convierte al paciente en las manos del examinador.
La arquitectura multiagente encaja con ese trabajo. Un agente lleva la conversación, otro razona sobre el diagnóstico, otro decide qué falta por preguntar. Es la misma idea que están usando los laboratorios para tareas largas, aplicada a una consulta.
La base tampoco es casual: Gemini pone el razonamiento y Project Astra la parte de percepción en tiempo real, que es el trabajo de Google en asistentes que ven por la cámara y responden sin esperar a que termines la frase. Una consulta médica es probablemente el caso más exigente que se le puede poner a esa tecnología, porque hay que escuchar, mirar, dirigir a la persona y razonar a la vez, sin cortar el hilo de la conversación.
Lo que el estudio no demuestra
Aquí toca ser preciso, porque en salud la letra pequeña es el asunto entero.
Los pacientes eran actores con guiones, no personas enfermas. Los evaluadores puntuaron cómo se hizo la consulta, que no es lo mismo que medir si el paciente terminó mejor. Y el escenario era una teleconsulta, donde el médico humano también trabaja con las dos manos atadas.
Que los pacientes prefieran el vídeo al chat tampoco sorprende, y dice poco sobre calidad clínica. Dice que hablar es más cómodo que escribir, que es justo lo que muestra el otro dato de Google de esta semana: el 63% de los usuarios de la app de Gemini ya usan la voz.
Google no vende otra cosa. La frase de cierre del anuncio dice que hace falta más investigación antes de un despliegue clínico responsable. En un campo donde abundan las demos exageradas, ese cuidado es parte de la noticia.
Por qué importa
Aunque no lleves una clínica, esto marca por dónde van los agentes con cámara. Un sistema que ve, oye, guía a la persona que tiene delante y razona mientras habla no es un caso solo médico: es soporte técnico mirando tu instalación, un perito viendo un daño, un inspector recorriendo un almacén.
La parte replicable es el método. Google no soltó su sistema a producción con un vídeo bonito: montó un estudio aleatorizado, puso a profesionales a evaluarlo contra la práctica real y publicó las limitaciones. Cuando alguien te venda que su agente hace el trabajo de un experto, esa es la pregunta: comparado con quién, medido cómo y quién lo revisó.
Relacionado
