Pacientes virtuales para preparar mejor a quienes nos cuidan

Cuando una persona entra a un hospital con dificultad para respirar, atraviesa una crisis de salud mental o simplemente insiste en recibir un medicamento que no necesita, el primer desafío no siempre es obtener un diagnóstico.

A veces, el problema ocurre antes.

Alguien tiene que escucharla, interpretar lo que sucede, reconocer si el caso necesita atención inmediata y comunicar la información correcta al médico. Ese primer contacto puede parecer una parte menor de la atención sanitaria, pero en sistemas saturados puede convertirse en una de las piezas más importantes.

Ese es el problema que Mariana del Valle, CEO de Monoceros.io, quiere atacar desde un lugar poco convencional: entrenando humanos con pacientes creados mediante inteligencia artificial.

Según del Valle, la compañía mexicana está llevando a México Patient Ready, una plataforma de simulación clínica que utiliza pacientes virtuales capaces de conversar y reaccionar durante escenarios de entrenamiento. La empresa detrás de la tecnología describe su plataforma como una combinación de simulaciones en realidad virtual y experiencias en pantalla con personajes de IA que responden al contexto clínico, las decisiones y el estilo de comunicación de quien los atiende.

La apuesta se aleja de otra conversación mucho más habitual alrededor de la inteligencia artificial en la salud: utilizar algoritmos para diagnosticar pacientes o sustituir alguna parte del trabajo médico.

Aquí, la IA no intenta convertirse en doctora. Intenta ayudar a preparar mejor a quienes rodean al doctor.

“Nos dedicamos a entrenar a los humanos con robots en los momentos que más importan”, dice del Valle.

Antes del diagnóstico está el primer contacto La idea parte de una observación sencilla.

Si alguien se tuerce un pie, tiene un dolor intenso o llega con síntomas que podrían indicar algo más serio, probablemente no hablará inmediatamente con un especialista. Primero tendrá contacto con alguien encargado de recibirlo, hacer preguntas y decidir cuál debería ser el siguiente paso. Ese personal necesita reconocer señales de alerta y, al mismo tiempo, saber comunicarse con alguien que probablemente está preocupado, molesto o asustado.

El problema se vuelve especialmente relevante en un país donde el sistema de salud opera bajo enormes presiones de demanda y donde enfermedades crónicas requieren seguimiento constante.

La Secretaría de Salud informó en agosto de 2026 que 14.4 millones de personas viven con diabetes en México, mientras que 21.3 millones tienen hipertensión y 9.2 millones enfermedad renal crónica. La magnitud de esas cifras ha llevado al propio gobierno federal a impulsar nuevos modelos de atención y capacitación para el personal sanitario.

La Encuesta Nacional de Salud y Nutrición de 2022 estimó además una prevalencia total de diabetes de 18.3% entre los adultos mexicanos de 20 años o más, incluyendo casos diagnosticados y no diagnosticados.

Para del Valle, ahí aparece una oportunidad para utilizar la tecnología no únicamente en el diagnóstico, sino en algo menos visible: la preparación del personal que acompaña al paciente durante todo el proceso.

“Nosotros no somos gente que te va a quitar al doctor”, explica. “Somos gente que va a capacitar al personal médico que no es el doctor para saber qué hacer cuando tú ya estás ahí”. Es una distinción importante. La misma incorporación de IA a los sistemas de salud está obligando a hospitales y desarrolladores a demostrar no solamente que una herramienta funciona, sino cuál es exactamente su papel dentro de la atención médica.

¿Cómo se entrena con un paciente que no existe?

Una sesión de Patient Ready puede parecerse a una videollamada. Del otro lado de la pantalla aparece un paciente virtual con una historia clínica, síntomas y una personalidad determinada.

Del Valle utiliza como ejemplo a Mateo, un paciente con síntomas respiratorios que insiste en recibir antibióticos. Quien realiza el entrenamiento debe conversar con él, manejar su frustración, hacer las preguntas pertinentes y decidir cuál debería ser el siguiente paso sin intentar asumir responsabilidades que corresponden a un médico.

El paciente puede reaccionar de manera distinta dependiendo de la conversación.

Patient Ready señala que sus personajes modifican sus respuestas de acuerdo con elementos como el estilo de comunicación, la empatía, el momento de intervención y las decisiones clínicas. La plataforma permite practicar conversaciones difíciles, desescalamiento y comunicación con pacientes y familiares.

Eso significa que dos personas pueden enfrentarse al mismo escenario y terminar viviendo conversaciones completamente diferentes. “Si tú ofendes al paciente, el paciente te contesta”, explica del Valle. “Te puede decir: ‘No me hables así, no me estás ayudando’. Es una conversación”.

La evaluación posterior puede servir para identificar habilidades que necesitan reforzarse y otras que ya están desarrolladas. No solamente importa llegar a una respuesta clínicamente adecuada. También importa cómo se llegó hasta ella.

Ahí entran capacidades como empatía, escucha, manejo de conflictos y comunicación, habilidades que tradicionalmente son difíciles de practicar de forma repetible mediante cursos convencionales.

Patient Ready fue desarrollado precisamente alrededor de ese problema. La compañía explica que nació de educadores de enfermería que identificaron una brecha entre aprender procedimientos y practicar juicio clínico, comunicación y toma de decisiones en situaciones inciertas.

La simulación también puede equivocarse La utilización de IA en una conversación médica introduce inevitablemente otra pregunta: ¿qué sucede con los sesgos?

Los sistemas automatizados pueden reproducir limitaciones de los datos y modelos con los que fueron construidos. En salud, el problema resulta particularmente sensible porque errores relacionados con género, raza, edad o contexto socioeconómico pueden afectar directamente la calidad de la atención.

Del Valle reconoce que ninguna herramienta de inteligencia artificial debe entenderse como una entidad infalible. “Para mí, la inteligencia artificial es un optimizador”, dice. “No quiere decir que sea esta entidad todopoderosa que no comete errores”.

Esa cautela importa. La confianza en estas herramientas depende de conocer sus límites, entender cómo producen sus resultados y mantener supervisión humana. La documentación consultada describe usos y casos de la plataforma; no permite afirmar que su implementación en México haya demostrado mejores resultados clínicos.

En el caso de Patient Ready, las evaluaciones y criterios utilizados dentro de cada escenario deben definirse con especialistas médicos, explica del Valle. Monoceros no establece por cuenta propia qué constituye una respuesta clínica correcta.

“Nosotros diseñamos estos pacientes de acuerdo con las necesidades tanto del médico como de la enfermedad”, dice. “La evaluación sintomatológica la toma el doctor, no la tomamos nosotros”. La intención, insiste, “es que la plataforma funcione como sistema de entrenamiento, no como mecanismo de gestión médica ni como sustituto del diagnóstico profesional”.

El reto mexicano empieza por el lenguaje

Traer un paciente virtual a México implica un problema adicional: enseñarle a comportarse como alguien que realmente podría estar en México. Eso es mucho más difícil que simplemente traducir un sistema del inglés al español.

Nuestro idioma cambia entre países, ciudades y generaciones. La forma en que una persona describe dolor, miedo o malestar también está llena de referencias culturales. “De milagro estamos en el latinoamericano”, bromea del Valle. Su primer objetivo es trabajar el tono.

Un paciente virtual puede hablar un español comprensible, pero eso no significa necesariamente que suene mexicano. Y dentro de México tampoco existe un solo español: una conversación en Monterrey puede utilizar palabras y ritmos distintos a otra en Yucatán, Ciudad de México o Veracruz.

Luego existen desafíos todavía mayores, como lenguas indígenas o la Lengua de Señas Mexicana. Del Valle reconoce que la tecnología todavía está lejos de cubrir toda esa diversidad. “Es un trabajo de años”, dice.

Ese reconocimiento también marca una diferencia importante entre una demostración tecnológica y una herramienta preparada para operar dentro de un sistema de salud real. Para escalar, estos sistemas tendrán que entender no solamente enfermedades, sino a las personas que las describen.

En salud mental, la capacitación se vuelve todavía más delicada Uno de los terrenos donde Monoceros ve oportunidades de entrenamiento es la atención relacionada con salud mental. No para permitir que una IA diagnostique o trate directamente a una persona en crisis, sino para preparar al personal que puede encontrarse con ella antes de que intervenga un especialista.

La escasez de profesionales ayuda a explicar por qué ese primer nivel de atención resulta tan importante.

Un estudio publicado en la revista Salud Mental, basado en datos de la Secretaría de Salud hasta el primer semestre de 2023, identificó 1,504 psiquiatras en el sector público mexicano; Ciudad de México concentraba 34% de ellos.

Como referencia distinta, el Programa Institucional 2025-2030 del Instituto Nacional de Salud Pública recoge una disponibilidad nacional de alrededor de 3.71 psiquiatras por cada 100,000 habitantes, sin precisar en ese pasaje el año de medición. Esa cifra nacional no debe confundirse con el conteo exclusivo del sector público.

En ese contexto, entrenar a enfermeras, paramédicos y profesionales de primer contacto para reconocer señales y canalizar correctamente a los pacientes puede tener un valor considerable.

Pero también exige límites claros. La discusión sobre IA y salud mental se ha vuelto cada vez más sensible precisamente porque conversar con una máquina sobre una crisis no es lo mismo que recibir atención profesional.

Monoceros quiere ubicarse antes de ese punto. No entrenar a la máquina para reemplazar al profesional, sino utilizarla como paciente ficticio para que el profesional pueda practicar.

Una tecnología que repite el peor día hasta que deja de ser la primera vez Existe otra ventaja de la simulación: permite practicar situaciones poco frecuentes sin esperar a que ocurran con un paciente real.

Una emergencia puede suceder una vez cada varios meses y aun así exigir una reacción inmediata y correcta. Patient Ready describe en un caso publicado por la propia compañía entrenamientos destinados a eventos clínicos de alta gravedad y baja frecuencia: situaciones que suceden pocas veces, pero donde equivocarse tiene consecuencias importantes.

La tecnología permite repetirlos. Otra vez. Y otra.

Hasta que enfrentarse al escenario deje de significar hacerlo por primera vez. Ese principio puede ser particularmente atractivo para hospitales y sistemas sanitarios donde reunir instructores, pacientes simulados y personal durante horas resulta costoso o difícil de escalar.

No significa que la simulación deba reemplazar la formación presencial. Significa que puede añadir una capa constante de práctica entre una capacitación y otra.

Del Valle lo resume con una escena mucho menos tecnológica: una enfermera que toma un curso una vez al año y después pasa meses sin volver a practicar el escenario.

Con simulaciones digitales, la apuesta es que esa preparación pueda ocurrir con mayor frecuencia. El verdadero producto no es el avatar Monoceros pasó buena parte de su historia trabajando con realidad aumentada, virtual y extendida desde el entretenimiento.

Si estas herramientas funcionan, una enfermera podría practicar decenas de veces cómo atender a un paciente frustrado. Un paramédico podría repetir una situación crítica antes de encontrarla en una ambulancia. Un hospital podría detectar dónde necesita reforzar habilidades de comunicación dentro de su equipo.

Y alguien que llegue asustado a pedir ayuda podría encontrar a una persona mejor preparada al otro lado del mostrador.

Eso, para del Valle, sería suficiente.

“Quiero que tengan dos cosas más claras”, dice. “Primero, ser un filtro de confianza. Y segundo, saber dirigir al paciente con el médico y con la información correcta”.

En una industria obsesionada con preguntarse cuándo la inteligencia artificial podrá reemplazar a los humanos, quizá uno de sus usos más interesantes en salud sea exactamente el contrario.

Ayudarlos a estar mejor preparados cuando todavía son indispensables.