No estamos aquí para reemplazar a un médico. Estamos aquí para ser el sustrato sobre el que cualquier acto médico se vuelve mejor: el contexto y los agentes que cualquier clínico —humano o IA, paciente, médico, empresa o laboratorio— necesita para razonar bien sobre un caso.

Lo primero que construimos, antes que nada, es tu expediente clínico personal completo y vivo: longitudinal, estructurado, portable, despierto. Estudios de laboratorio, notas clínicas, recetas, audios de consulta, fotos, signos diarios — todo entra, se normaliza con códigos LOINC y SNOMED, y queda listo para razonar. Eso es context engineering aplicado a medicina, y es la inversión más grande que hacemos. Sin un expediente así, ningún modelo —por bueno que sea— da medicina seria. Con uno, todo lo que sigue se vuelve posible.

Sobre ese expediente corren nuestros agentes: especialistas virtuales por sistema biológico, orquestados por una capa que los hace debatir y resolver contradicciones antes de que publiquen una conclusión. Vigilan tu cronología 24/7, no en una consulta de 12 minutos cada seis meses. Detectan cambios, conectan puntos, y te buscan a ti cuando algo importa.

La plataforma sirve a varios lados al mismo tiempo. Para un paciente: un médico de cabecera que de verdad te conoce, accesible siempre, sin reloj, con todo el contexto presente. Para tu cardióloga humana: un internista virtual de respaldo que llega a la consulta con todo el contexto procesado y las hipótesis ya cruzadas, para que ella se enfoque en lo que sólo un humano puede hacer. Para una empresa: el cuidado preventivo de su equipo, escalable. Para un laboratorio: una capa de interpretación que convierte un PDF de resultados en un plan de acción.

El expediente es tuyo. Los agentes son nuestros. Y cuando hace falta un humano —para un procedimiento, una decisión irreversible, una imagen que requiere ojo experto— te conectamos con el correcto, con todo listo para que lo lea en un minuto en vez de empezar desde cero.

La medicina convencional espera la enfermedad para combatirla. Tratamiento, no causa. Esta página existe porque creemos en lo opuesto: prevenir, detectar temprano, optimizar la biología con décadas de antelación. Los cuatro jinetes de la enfermedad crónica —cardiovascular, cáncer, neurodegeneración, disfunción metabólica— rara vez aparecen sin avisar. Avisan en biomarcadores que se mueven, sutilmente, años antes de que aparezca un diagnóstico clínico. El problema no es que la señal no esté. El problema es que nadie esté mirando, en tu caso, todo el tiempo.

Y para que esa mirada sirva de algo, tiene que ser tuya. No nos importa cómo te comparas con el rango «normal» que imprime el laboratorio — nos importa cómo te comparas contigo mismo. Tu línea base personal, construida sobre tu historial real y no sobre el promedio poblacional, es el único marco contra el que se puede leer una desviación temprana.

Eso es lo que un sistema de IA con tu expediente despierto puede hacer sin esfuerzo: cada biomarcador, todo el tiempo, contra tu propia historia. Y es lo que separa la medicina preventiva real del chequeo anual que no detecta nada hasta que ya es tarde. Funciona también con métricas que en consulta nunca se siguen con seriedad: la edad biológica calculada con PhenoAge (Levine et al., 2018), la trayectoria de tu HbA1c, tu HOMA-IR, tu hsCRP, tu apoB, tu Lp(a). Cualquier número que se mueva.

Esa es la diferencia entre estar al borde del despeñadero y no saberlo, y estar a un kilómetro y poder caminar de regreso.

La práctica clínica moderna está construida sobre miles de protocolos consensuados. El árbol de decisión para hipertensión, los criterios ASCVD, las guías ADA, los rangos del IMSS, la NOM-037. Eso es maravilloso — la medicina basada en evidencia es uno de los logros más grandes del siglo XX.

Y es exactamente el tipo de tarea donde una IA brilla. Reglas explícitas, literatura masiva, razonamiento sobre datos estructurados. Aplicar guías de forma consistente —sin fatiga, sin lagunas de actualización, sin que el caso de la semana pasada contamine el de hoy— es algo que un sistema bien construido hace mejor que cualquier humano. El mismo paciente recibe la misma recomendación a las 8 de la mañana y a las 3 de la madrugada. La guía publicada este mes ya está aplicada hoy, no en seis años.

El otro 20% —empatía, juicio en zonas grises, procedimientos físicos— sigue siendo profundamente humano. Ahí es donde te conectamos con un especialista. Pero el 80% no debería depender de cuántos pacientes llevaba tu médico antes que tú.

Empieza por el examen. MedQA es el benchmark construido sobre el USMLE, lo que un médico de Estados Unidos tiene que aprobar para ejercer. El umbral humano ronda el 60%. GPT-5 saca 95.84%. Grok 2 saca 92%. Med-Gemini saca 91%. Treinta puntos absolutos por encima del estándar humano. No es un empate técnico — es otro deporte.

Pero los exámenes son fáciles de criticar. Vamos a la calle. En julio de 2025, Doctronic publicó en medRxiv un estudio de 500 consultas consecutivas de telemedicina urgente. Cada paciente lo atendió primero un sistema autónomo de IA y después, sin saberlo, un médico certificado. Revisores ciegos compararon los planes. El plan de tratamiento de la IA coincidió con el del médico humano en 99.2% de los casos. Cuando no coincidieron y un panel de especialistas decidió quién tenía razón, la IA fue superior en 36.1% de los casos discordantes; el humano en 9.3%. Cero alucinaciones clínicas.

Microsoft MAI-DxO es un orquestador que pone a debatir entre sí a GPT, Claude, Gemini y Llama hasta llegar a un diagnóstico. Lo evaluaron en los casos clinicopatológicos del NEJM — los que se publican porque desconcertaron a un equipo entero. MAI-DxO acertó el 85.5%. 21 médicos sin libros ni colegas acertaron el 20%. Cuatro veces. Eric Topol llamó al resultado «un salto realmente grande»: estudios previos rara vez superan los diez puntos. Y el orquestador lo logró pidiendo 20% menos estudios. Más preciso y más barato.

Tres estudios distintos, tres metodologías, tres países, todos en 2025. La conclusión ya no se puede esquivar: en las tareas de razonamiento clínico que la medicina sabe medir, la mejor IA es mejor que el mejor humano disponible. Y los humanos no van a mejorar el año que viene. Los modelos sí.

Pedirle a un solo modelo que «haga medicina» es como pedirle a un residente de primer año que sea internista, cardiólogo y endocrinólogo a la vez. Funciona, mal. La frontera —y la investigación que la acompaña, desde MDAgents (NeurIPS 2024) hasta MAI-DxO— está en orquestar agentes especializados que se coordinan y debaten entre sí.

trece corre sobre dos capas. La primera son agentes funcionales: el que hace tu anamnesis, el que lee tu laboratorio contra tus rangos personales, el que une años de estudios, notas y signos en una sola línea de tiempo, el que aplica las guías al caso, el que verifica las conclusiones contra ellas mismas, y el que traduce todo a un plan accionable. Es el flujo clínico, paso por paso.

La segunda capa —y para nosotros la más importante— son agentes de dominio: un cardiólogo virtual que aplica ESC y ASCVD; uno metabólico que lee HbA1c y HOMA-IR contra ADA; uno de hepatología que calcula FIB-4 y MASLD sin FibroScan; uno de nefrología contra KDIGO. Hematología, inflamación, endocrinología, longevidad — cada uno con sus biomarcadores, sus guías vigentes y la literatura reciente de su campo. Oncología, neurología, salud mental y nutrición están en producción. Cuando un nuevo estudio entra, varios opinan en paralelo, exactamente como una junta médica.

Sobre todos ellos hay un orquestador. Decide qué agentes consultar para tu caso, los hace debatir, resuelve las contradicciones y publica una única respuesta coherente con sus razones. MAI-DxO probó que esa cadena de debate diagnostica 4× mejor que un médico promedio. Lo que te llega ya pasó por el comité.

Lee la arquitectura técnica completa

Y un expediente moderno no puede ser lo que es hoy en la mayoría de hospitales: un PDF, una carpeta, una base de datos donde los registros entran a morir. El nuestro está despierto. Es event-driven: cada nuevo PDF de laboratorio, cada nota que llega de tu cardióloga, cada nuevo dato dispara un evento que activa a los agentes correspondientes. Sin polling, sin batches nocturnos, sin esperar a la próxima consulta. Lo que entra como PDF escaneado, foto de receta, audio o WhatsApp se parsea y se convierte en datos médicos estructurados con códigos LOINC y SNOMED, listos para razonar. Y los agentes vigilan tu cronología en busca de tendencias antes de que se vuelvan crisis: un LDL que sube lento durante 18 meses, una glucosa post-prandial cada vez más errática, un cortisol matutino que se dispara dos trimestres seguidos. La señal estaba ahí. Ahora alguien la ve.

Cuando el sistema detecta una desviación que importa, te buscamos nosotros — con la observación, la evidencia y la recomendación concreta. La medicina deja de ser algo que tú vas a pedir y se convierte en algo que está ocurriendo en el fondo, todos los días, a tu favor.

Hay un dato que en algún momento deberíamos enseñar en primer año de medicina. En 1950, el conocimiento médico tardaba 50 años en duplicarse. En 1980, 7 años. En 2010, 3.5. Hoy, según la proyección que Densen publicó en 2011 y que se ha cumplido al pie de la letra, 73 días.

Y la curva ya no es lineal. Por primera vez en la historia, la IA no es sólo consumidora de ciencia médica — es el motor que la produce. AlphaFold resolvió 200 millones de estructuras proteicas en un fin de semana de cómputo. Modelos generativos proponen candidatos a fármaco en semanas. Cada nueva publicación abre tres nuevas líneas de investigación. La IA descubre más rápido, hay más que aprender, y sólo la IA puede aprenderlo a esa velocidad. Los humanos quedaron atrás, en silencio, en algún momento de 2022.

Probablemente no. No es su culpa — es matemática. Tirzepatide, retatrutide, lecanemab, donanemab, Casgevy, inclisirán, pelacarsen, rapamicina pulsada, monitores continuos de glucosa en personas sanas, edades biológicas computables (PhenoAge, DunedinPACE) — todo eso es de los últimos 24 meses. Tu internista tiene 30 minutos por paciente y 30 pacientes al día. Leer está fuera del horario laboral. Y lo que se publica esta semana no aparecerá en su libro de texto en seis años.

Un sistema de IA puede leer todo eso esta noche y aplicarlo a tu caso mañana en la mañana. Eso es la última milla de la medicina: cerrar la distancia entre lo que ya sabe la ciencia y lo que llega a tu cuerpo. Es la única que un sistema bien construido es, estructuralmente, capaz de correr.

Cuando existe una herramienta que lee el 100% de la literatura, recuerda el 100% del expediente y razona consistentemente sobre las guías vigentes, no usarla es una decisión clínica. Y es una decisión que le cuesta calidad de vida a tus pacientes — cada año que pasa, más. Por eso lo decimos así, sin esquivar:

No es una provocación. Es la conclusión obvia de los cinco capítulos anteriores. Si los modelos sacan 95% en MedQA y 4× más en los casos del NEJM, si el conocimiento médico se duplica cada 73 días, si tu expediente puede estar despierto y un comité de especialistas virtuales puede sesionar sobre tu caso en segundos — y aun así alguien decide no usar nada de eso — esa decisión tiene un nombre.

No tenemos «clínicos en el bucle». Cuando necesitas un humano — para un procedimiento, una decisión irreversible, un abrazo — te conectamos con un especialista. El resto lo hacemos nosotros, mejor: a las 3 de la mañana, en domingo, desde una colonia sin especialistas, por una fracción del costo de una hora de endocrinólogo. La buena medicina no debería depender de tu código postal ni de tu cartera.

La pregunta no es si la IA va a estar en el centro de la medicina. Es quién la está construyendo hoy.

Nosotros. Sin disculpas.