La transformación digital de la sanidad ha alcanzado una madurez que nos obliga a superar debates dicotómicos. Durante el último año, la conversación se ha centrado en una supuesta competencia entre la IA generativa, capaz de proezas en el procesamiento de lenguaje y visión multimodal, y los modelos expertos, guardianes del determinismo y la evidencia clínica formalizada. Sin embargo, para el gestor sanitario, la pregunta no debe ser cuál elegir, sino cómo integrarlos para construir sistemas de razonamiento clínico avanzado que sean inteligentes, seguros y económicamente sostenibles.

El falso dilema: potencia semántica frente a rigor clínico

La IA generativa ha demostrado una capacidad sin precedentes como capa semántica. Es capaz de «leer» la historia de un paciente, interpretar notas de enfermería y datos de laboratorio, ofreciendo una visión unificada que reduce la fragmentación de la información. Su valor reside en gestionar la ambigüedad del lenguaje natural y la complejidad de los datos no estructurados.

No obstante, la práctica médica exige algo que la IA generativa, por sí sola, no garantiza: determinismo. En un entorno donde una alucinación algorítmica compromete la seguridad, los modelos expertos —basados en reglas lógicas y guías clínicas— son indispensables. Estos modelos no «suponen»; ejecutan instrucciones precisas basadas en conocimiento validado. El reto actual reside en crear una arquitectura donde la IA generativa actúe como los «ojos y oídos» (interpretación) y el modelo experto como el «cerebro ejecutivo» (decisión).

MCP: la columna vertebral de la interoperabilidad

Para que esta arquitectura híbrida funcione, es imperativo resolver la comunicación entre sistemas heterogéneos. Aquí es donde el Model Context Protocol (MCP) emerge como un estándar transformador. Impulsado por la Linux Foundation, MCP no es solo un formato de datos, sino un protocolo que permite a diferentes modelos de IA y herramientas compartir un contexto estructurado y seguro.

En el ámbito asistencial, MCP actúa como el conector que permite que una IA generativa, tras analizar un informe complejo, transmita sus hallazgos de forma normalizada a un motor de reglas experto. Esta orquestación del contexto asegura que la información fluya sin pérdidas y de manera auditable, protegiendo a las instituciones del vendor lock-in al permitir intercambiar piezas tecnológicas sin desmoronar la infraestructura de decisión.

BPM+: formalizando la inteligencia en acción

Si MCP es el «cable», el estándar BPM+ (Business Process Management plus) es el «manual de instrucciones» que define la lógica clínica. La medicina no es un proceso lineal, y BPM+ utiliza tres notaciones para capturar su variabilidad:

BPMN: Para coordinar trayectorias asistenciales y roles.

DMN: Para formalizar reglas de decisión (escalas de riesgo, triaje) legibles para humanos y máquinas.

CMMN: Crucial para la gestión de casos dinámicos y pacientes pluripatológicos.

La gran ventaja económica de BPM+ es la separación de la lógica y la implementación. Al modelar bajo estos estándares, la institución crea un activo de conocimiento ejecutable independiente del software, facilitando la escalabilidad y el mantenimiento normativo.

Esta aproximación ofrece ventajas críticas frente a modelos como OWL (Web Ontology Language) o lenguajes de reglas como SWRL (Semantic Web Rule Language). Mientras que las ontologías OWL son potentes para definir jerarquías complejas, a menudo resultan ser «cajas negras» computacionales de difícil validación clínica y plantean retos de rendimiento en tiempo real. Por el contrario, BPM+ proporciona una transparencia operativa inmediata: un clínico puede auditar visualmente un flujo BPMN/DMN sin ser experto en lógica de descripción. Esta legibilidad agiliza los procesos de certificación y cumplimiento normativo, permitiendo demostrar ante reguladores qué reglas lógicas se ejecutan exactamente, algo que en la semántica pura suele quedar diluido en la complejidad técnica del razonador.

El enfoque neuro-simbólico: el futuro del razonamiento

La integración de estas piezas nos conduce hacia la IA neuro-simbólica. Este enfoque combina el aprendizaje estadístico de las redes neuronales (IA generativa) con el rigor deductivo de los sistemas simbólicos (reglas y flujos BPM+).

En un sistema neuro-simbólico, la IA generativa extrae patrones y sintetiza información multimodal, pero el resultado se somete a la validación de un «supervisor simbólico». Si la IA propone una acción que contraviene una regla de seguridad formalizada en DMN, el sistema detecta la incongruencia y justifica la decisión basándose en la evidencia preestablecida. Esto resuelve el problema de la «caja negra», proporcionando una trazabilidad total: el sistema no solo ofrece una recomendación, sino que indica en qué regla se basa y qué proceso está siguiendo.

Conclusión: medicina aumentada y sostenible

La convergencia de IA generativa, modelos expertos, MCP y BPM+ es el camino hacia una medicina aumentada y sostenible. Para los gestores, este modelo ofrece eficiencia operativa: reduce el error administrativo y asegura que la inversión en IA se traduzca en una práctica clínica segura y auditable. Estamos pasando de herramientas que muestran datos a sistemas que razonan con el clínico, garantizando que el futuro de la sanidad sea más humano gracias a una tecnología que entiende y respeta el rigor de la medicina.

Iker Pérez de Albeniz, Director de Innovación de Ubikare