IA en Neurología

1. Importancia de la comunicación clínica en neurología

La comunicación entre el profesional sanitario y el paciente es una piedra angular de la atención neurológica, pues muchas enfermedades del sistema nervioso afectan función cognitiva, motora y del lenguaje. Una comunicación deficiente puede conducir a una mala comprensión del diagnóstico, menor adherencia terapéutica, expectativas infundadas o decisiones no compartidas. Aunque la evidencia cuantitativa que vincule directamente la calidad de la comunicación con la morbilidad o mortalidad en neurología es limitada, el consenso profesional y los estudios cualitativos indican que una mejor comunicación promueve:

• Procesos más sólidos de toma de decisión compartida;
• Mayor satisfacción del paciente y de sus familiares;
• Reducción de conflictos éticos;
• Potenciación de la adherencia y el seguimiento en enfermedades crónicas.

Estudios han demostrado que estrategias comunicativas centradas en la empatía, la claridad y la participación activa del paciente mejoran tanto la satisfacción como la adherencia terapéutica¹. En neurología, el contexto clínico requiere además adaptaciones para pacientes con disfunción cognitiva o motora² ³, y la comunicación emocional (como la prosodia) puede verse afectada por trastornos neurológicos⁴. La formación estructurada de estudiantes y profesionales en comunicación clínica específica para neurología mejora la percepción de competencia y la calidad del vínculo clínico⁵.

2. Posibilidades de la IA al servicio de la comunicación clínica

La inteligencia artificial (IA) aporta herramientas prometedoras para asistir o potenciar la comunicación clínica. Desde sistemas que evalúan la calidad del intercambio comunicativo hasta asistentes virtuales que monitorean pacientes, la IA permite:

• Liberar tiempo del profesional para enfocarse en la interacción humana;
• Detectar signos precoces de deterioro;
• Ofrecer comunicación continua, incluso fuera de la consulta presencial;
• Estructurar y documentar mejor las interacciones.

2.1 Escribas digitales y asistencia documental

Los escribas digitales —IA que transcribe y resume automáticamente la consulta— permiten reducir la carga administrativa del profesional y aumentar el tiempo disponible para el paciente. En estudios clínicos se ha observado que estos sistemas mejoran la eficiencia sin comprometer la calidad de la documentación, e incluso incrementan la satisfacción del paciente al fomentar una consulta más centrada en la persona⁶.

En neurología, aunque su uso aún es limitado, la documentación extensa en enfermedades crónicas como la EM o el Parkinson podría beneficiarse especialmente. Además, sistemas como CommSense permiten evaluar en tiempo real la calidad de la comunicación clínica⁷.

2.2 Chatbots conversacionales y asistentes de voz

Los asistentes conversacionales basados en IA están comenzando a integrarse en el ámbito neurológico. Estas herramientas pueden:

• Responder preguntas frecuentes sobre síntomas o tratamientos;
• Realizar seguimiento de síntomas entre consultas;
• Alertar sobre cambios clínicos relevantes;
• Fomentar la adherencia al tratamiento.

Estudios han demostrado que los modelos conversacionales pueden simular interacciones clínicas con una empatía percibida elevada y precisión razonable, aunque aún requieren supervisión profesional para asegurar la fiabilidad del contenido⁸.

Ejemplos clínicos reales incluyen asistentes virtuales como LOLA, de la empresa española Tucuvi, que realiza llamadas automáticas a pacientes crónicos, captura síntomas y reporta datos estructurados al equipo clínico mediante protocolos de lenguaje natural. Otras herramientas como CELIA, desarrollado por la Universidad de Vigo y AtlanTTic, permiten interacción conversacional adaptada a mayores con deterioro cognitivo.

En el ámbito formativo, SOPHIE ha demostrado mejorar la empatía y la efectividad comunicativa de estudiantes mediante simulaciones con humanos virtuales⁹.

3. IA y comunicación clínica en esclerosis múltiple

La esclerosis múltiple (EM) plantea retos específicos de comunicación: síntomas invisibles, evolución impredecible, carga emocional y necesidad de decisiones terapéuticas continuas. Aquí, la IA puede actuar como puente entre el paciente y el equipo clínico, mejorando tanto el seguimiento como la comprensión de la enfermedad.

Una herramienta destacada es ICOBRAIN, implantada en el Hospital de Bellvitge. Esta tecnología de análisis de imagen por IA cuantifica con alta precisión lesiones cerebrales, comparando RM anteriores y permitiendo decisiones personalizadas. Su implementación ha mostrado beneficios en objetivar la progresión y facilitar una comunicación más clara sobre el estado del paciente.

Mautilus, una spinoff creada por neurólogos del Hospital Ramón y Cajal, ha desarrollado un software “EMCare” que monitoriza de forma pasiva y no intrusiva el deterioro cognitivo del paciente a través del análisis de la velocidad de escritura en el móvil. Esta solución innovadora no solo permitirá monitorizar la progresión de la Esclerosis Múltiple, sino facilitar la adecuación de la medicación existentes y la prevención de eventos adversos en los pacientes.

Tensor Medical, una spin off creada en el Hospital Vall d’Hebrón ha desarrollado un nuevo software basado en IA generativa que compara resonancias magnéticas de pacientes de Esclerosis múltiple y detecta actividad subclínica (nuevas/crecientes lesiones T2 con una sensibilidad del 92% vs 37% inspección visual del neuro-radiólogo) integrándose de manera natural en la rutina hospitalaria (PACS, informes estandarizados y cumplimiento GDPR) y permitiendo su uso en cualquier terminal de radio-diagnóstico (ii de su marca). Presenta un +89% en la detección de actv. subclínica (clave para ajustar tratamientos).

Estudios recientes han validado modelos de IA que predicen la evolución de la EM utilizando datos clínicos, de imagen y biomarcadores, permitiendo anticipar brotes o cambios en la discapacidad. Además, se ha evaluado el uso de ChatGPT y modelos similares en la generación de respuestas informativas para pacientes con EM, mostrando que, si bien son comprensibles y empáticos, requieren validación por profesionales clínicos para evitar errores potenciales.

4. Cuando el paciente tiene dificultades para expresarse

En muchas enfermedades neurológicas, la capacidad del paciente para comunicarse se ve comprometida. Disartria, afasia, fatiga cognitiva o alteraciones motoras dificultan la expresión verbal. Para estos casos se emplean tecnologías de comunicación aumentativa y alternativa (AAC), como dispositivos generadores de voz, escaneo visual o predicción de texto.

El consenso clínico establece la necesidad de adaptar estrategias funcionales de comunicación, deglución y tos en pacientes neurológicos¹⁰. Además, la IA puede contribuir al desarrollo de soluciones que traduzcan señales físicas (vibraciones del cuello, movimientos oculares, EEG) en lenguaje comprensible, incluso en pacientes con habla severamente afectada¹¹.

Como ejemplo destaca el proyecto REHABOT propone un asistente inteligente para complementar terapias físicas en niños con parálisis cerebral, combinando chatbots, sensores y realidad virtual. Aunque su foco es pediátrico, sus metodologías son aplicables a adultos con daño neurológico.

Asimismo, TALLK, una app basada en seguimiento ocular, permite que personas con ELA o movilidad muy reducida se comuniquen mediante el movimiento de los ojos sobre una tablet, transformando esta señal en lenguaje escrito o acciones sobre la pantalla.

Otro ejemplo es el uso de micrófonos distribuidos portátiles para mejorar la comprensión del habla disártrica en Parkinson y otros trastornos motores¹¹. Estas soluciones, aunque en fase experimental, anticipan un futuro en el que incluso pacientes sin habla puedan comunicarse mediante IA.

Bibliografía

1. Han M, Lee S, Kim H, et al. Strategies to improve clinician–patient communication. Am J Med. 2022;135(12):e1–e6. PMID: 36403836.
2. Creutzfeldt CJ, Engelberg RA, Healey L, et al. Neurology clinicians’ views on palliative care communication. J Palliat Med. 2021;24(1):59–65. PMID: 32700660.
3. Barthel H, Urbanowitsch N, Becker G. Communication difficulties in patients with neurological diseases. J Clin Nurs. 2022;31(15–16):2072–2081. doi:10.1111/jocn.70122
4. Cristante L. Emotional communication and the neurologist. Pract Neurol. 2022;22(3):187–189.
5. Moreira DC, Mahajan A, Padilla M, et al. Teaching communication in neurology using standardized patient encounters: impact on medical students’ attitudes. Neurology. 2023;100(8 Suppl):S27. doi:10.1212/NE9.0000000000200115
6. Real‑World Evidence Synthesis of Digital Scribes Using Ambient Listening and Generative AI. JMIR AI. 2025;2(1):e76743.
7. Lim Y, Wang J, Tschannen D, et al. CommSense: A wearable framework for evaluating communication quality in clinical encounters. arXiv preprint. 2024. arXiv:2407.08143.
8. Maida E, Moccia M, Palladino R, et al. ChatGPT vs neurologists: a cross-sectional study investigating preference, satisfaction ratings and perceived empathy in responses among people living with multiple sclerosis. J Neurol. 2024;271(7):4057–4066.
9. Schwarz J, Eichinger J, Pichler J, et al. SOPHIE: AI-driven virtual human training tool to improve medical communication skills. arXiv preprint. 2023. arXiv:2306.15213.
10. Turner-Stokes L, Wade D, et al. Functional management of communication, swallowing, and cough in people with neurological disorders: consensus statement of the Association of British Neurologists. J Neurol Neurosurg Psychiatry. 2021;92(10):1112–1118. doi:10.1136/jnnp-2020-325346.
11. Zhang Y, Liu W, Wang X. A wearable system for speech enhancement in patients with dysarthria using distributed microphones. arXiv preprint. 2016. arXiv:1605.06238.