El psiquiatra y bioquímico Karl Deisseroth, de la Universidad de Stanford, ganó el Premio Nobel de Fisiología o Medicina 2026 junto a Peter Hegemann y Georg Nagel por el desarrollo de la optogenética, la técnica que permite controlar la actividad de neuronas concretas con luz. En una entrevista publicada por El País, advierte de que los modelos avanzados de inteligencia artificial podrían llegar a leer la actividad cerebral de las personas y defiende que la IA solo es útil en medicina si hay un ser humano implicado en todo el proceso.
Las palabras de un Nobel sobre inteligencia artificial interesan más allá de la neurociencia. Muchas de las preguntas que plantea (qué puede ver una máquina que no vea un médico, cuánto hay que fiarse de ella y quién responde de sus errores) son las mismas que ya se discuten en cardiología y, de forma muy concreta, en la sala de hemodinámica.
Un Nobel por «un interruptor molecular para las neuronas»
La Asamblea Nobel del Instituto Karolinska anunció el galardón el 5 de octubre de 2026. Reconoció a Deisseroth (Stanford), Hegemann (Universidad Humboldt de Berlín) y Nagel (Universidad de Würzburgo) por «el descubrimiento de un interruptor molecular para las células nerviosas». Hegemann y Nagel descubrieron en algas proteínas sensibles a la luz que abren canales iónicos. Deisseroth llevó esa idea a animales de laboratorio, implantando en neuronas concretas los genes de esas proteínas para activarlas o silenciarlas con luz y observar qué conducta cambia. El secretario de la Asamblea Nobel, Thomas Perlmann, resumió que la técnica permite «encender o apagar la actividad de células nerviosas individuales en un cerebro vivo». El premio, de 12 millones de coronas suecas, se reparte entre los tres.
Deisseroth es además psiquiatra y ve pacientes, de ahí que su investigación apunte a la clínica. Según explica en la entrevista, algunas ideas surgidas del estudio con animales ya están avanzadas y se prueban en ensayos clínicos con personas, entre ellas las dirigidas al autismo y la esquizofrenia. Afirma que los datos son positivos y que esperan disponer por fin de nuevos fármacos para estos pacientes.
Qué dice sobre la inteligencia artificial
Leer el cerebro. A la pregunta de si se podrá espiar el cerebro de una persona, Deisseroth no descarta que los modelos avanzados de IA lleguen a leer la actividad cerebral. Recuerda que la optogenética propiamente dicha es menos amenazante, porque exige introducir un gen en las células y trabajar con luz: no es algo que pueda actuar a distancia ni sin que la persona lo sepa. Con otras tecnologías, en cambio, hay que ser conscientes de ese riesgo y tener cuidado.
Salud mental, redes sociales e IA. Dice que el uso de la IA y las redes sociales le preocupa y le esperanza al mismo tiempo. Muchos problemas de salud mental surgen de su mal uso, y un modelo que no esté estrechamente vinculado a valores humanos puede orientar a las personas en la dirección equivocada. Aun así, confía en que estas herramientas potencien la capacidad de las personas para ayudarse unas a otras, siempre que haya un ser humano implicado en todo lo que se haga con una estrategia terapéutica basada en la IA, para asegurarse de que no se lleva por el camino equivocado.
¿Igualará la IA al cerebro? Recuerda que el cerebro humano tiene un número finito de neuronas, menos de 100.000 millones, y que por eso cree que acabará comprendiéndose. La IA, añade, puede ayudar a reproducir algunos aspectos del funcionamiento de la mente. Sin embargo, no ve cómo podría alcanzar las emociones ni la experiencia subjetiva de ser consciente: «No creo que eso sea posible, al menos por ahora».
Cómo ve el futuro de la medicina
El Nobel plantea tres líneas de futuro:
- De la terapia génica a la pastilla. Las terapias optogenéticas actuales requieren introducir un gen. Su objetivo es identificar qué células y qué proteínas intervienen en cada síntoma y diseñar fármacos que actúen sobre ellas, de modo que el tratamiento llegue como pastilla convencional y no como terapia génica.
- Mapas completos del tejido. Su técnica Clarity vuelve transparentes los tejidos para ver el cableado y las conexiones entre células. Una versión de 2018 permite observar además los genes que expresa cada célula y las proteínas que produce. Combinado con IA, ese mapa permitiría saber qué células son responsables de determinados síntomas.
- Entender la experiencia subjetiva. Su gran pregunta es hasta qué punto algunos aspectos de la experiencia subjetiva humana están presentes en los ratones, y si existen principios compartidos entre los mamíferos.
La IA que «ve lo que el ojo no ve»: la hemodinámica
El mensaje de Deisseroth (la IA como herramienta, con el médico al mando) describe bien lo que ya ocurre en la sala de hemodinámica. Estos son los ejemplos con más respaldo.
Función cardiaca a partir de la angiografía. En el congreso SCAI 2024, el estudio AI-ENCODE de la Clínica Mayo entrenó modelos con más de 20.000 coronariografías realizadas entre 2016 y 2021. Con solo uno o dos vídeos angiográficos, el sistema estimó la fracción de eyección del ventrículo izquierdo (AUC 0,87), las presiones de llenado (0,87), la disfunción del ventrículo derecho (0,80) y el índice cardiaco (0,82), tomando la ecocardiografía como referencia. El autor principal, Mohamad Alkhouli, habló de revelar información «más allá de lo que el ojo humano puede ver». Son resultados preliminares de un solo centro, presentados en un congreso, sin validación externa ni resultados clínicos.
Fisiología coronaria sin guía de presión. Las herramientas de reserva fraccional de flujo derivada de la angiografía (FFRangio de CathWorks, QFR de Medis, AutocathFFR) calculan el valor funcional de una estenosis sin pasar la guía ni administrar adenosina. En el estudio FAST-FFR (301 pacientes y 319 vasos en 10 centros, publicado en Circulation en 2019), FFRangio alcanzó una sensibilidad del 94 %, una especificidad del 91 % y una exactitud global del 92 % frente a la FFR con guía. En 2026, el ensayo aleatorizado ALL-RISE (1.930 pacientes, 59 centros, publicado en New England Journal of Medicine) comparó la ICP guiada por FFRangio con la guiada por guía de presión: el evento combinado de muerte, infarto o revascularización no planificada al año fue del 6,9 % frente al 7,1 %, con no inferioridad demostrada y, según los datos presentados, menos tiempo de procedimiento, contraste y radiación. Tiene matices: el grupo control podía usar índices sin hiperemia además de la FFR, y esta tecnología no está validada todavía en pacientes con infarto ni en anatomías complejas. Un estudio retrospectivo de tres centros con 304 vasos halló un valor medio de 0,85 con AutocathFFR frente a 0,86 invasivo, en unos 37 segundos por vídeo, pero lo financió el fabricante. Para entender qué mide cada índice, puedes consultar nuestra ficha sobre FFR vs iFR y el capítulo sobre fisiología coronaria y guías de presión.
Planificación previa al procedimiento. La FFR-TC de HeartFlow deriva la fisiología coronaria de una TC sin instrumentación, y el software de planificación de TAVI ayuda a dimensionar el anillo y a elegir dispositivo. Las propuestas más recientes sustituyen los cálculos de dinámica de fluidos, caros y lentos, por redes neuronales mucho más rápidas.
Imagen intravascular y soporte circulatorio. Los sistemas actuales de OCT automatizan la detección de calcio, la segmentación de luz y vaso y el análisis de la aposición del stent. En asistencia ventricular, Impella SmartAssist muestra parámetros hemodinámicos en tiempo real, aunque es un ejemplo todavía limitado.
Hipertensión pulmonar. Un estudio con 181 pacientes con confirmación invasiva intentó estimar la presión arterial pulmonar media y las resistencias vasculares a partir de datos previos al cateterismo. El rendimiento fue modesto pero consistente para el índice cardiaco y limitado para la presión de enclavamiento, y los autores reclaman validación externa. Hemos desarrollado el panorama general en nuestro capítulo sobre inteligencia artificial y machine learning en la sala de hemodinámica.
Las mismas cautelas
Las precauciones del Nobel coinciden con las de la literatura de cardiología intervencionista. El rendimiento de un algoritmo puede cambiar entre fabricantes, plataformas y protocolos de adquisición. Los sesgos de los datos de entrenamiento se trasladan a las predicciones, y buena parte de la evidencia es retrospectiva y de un solo centro. Los modelos generativos pueden ofrecer respuestas fluidas y erróneas, y falta todavía una guía específica de la especialidad.
La conclusión práctica de ambos mundos es la misma que ofrece Deisseroth: la IA aporta información adicional y velocidad, pero la decisión clínica sigue siendo humana. En la sala de hemodinámica, eso significa que el algoritmo estima y el operador integra esa estimación con el paciente, la anatomía y la clínica.
Fuentes: entrevista a Karl Deisseroth de Nuño Domínguez en El País (7 de noviembre de 2026); Nobel Prize in Physiology or Medicine 2026 (nobelprize.org); Al Jazeera (5 de octubre de 2026); Mayo Clinic, estudio AI-ENCODE, SCAI 2024; Fearon et al., Circulation 2019 (FAST-FFR); ALL-RISE, ACC.26 y NEJM 2026; Cath Lab Digest, «Artificial intelligence in the cath lab»; European Heart Journal – Digital Health (hipertensión pulmonar). Esta información es divulgativa y no sustituye el criterio de un profesional sanitario.