- La inteligencia artificial facilita que pacientes y ciudadanía comprendan mejor cómo, cuándo y por qué tomar sus medicamentos.
- Herramientas como Medscan y MeQA traducen prospectos técnicos a lenguaje claro y accesible, basándose en información oficial.
- En farmacia clínica, la IA ayuda a revisar polimedicación y a estructurar pruebas de eficacia y seguridad, siempre bajo supervisión profesional.
- Los asistentes personalizados con criterios STOPP/START y el uso de bibliografía especializada permiten una optimización más fina de tratamientos complejos.
Cuidar la salud pasa, entre otras cosas, por tomar la medicación tal y como la ha pautado el profesional sanitario. Parece algo sencillo, pero cualquiera que haya tenido más de un tratamiento a la vez sabe que no lo es tanto: horarios, dosis, cambios de envase, genéricos con nombres raros… cualquier despiste puede jugar una mala pasada.
Este reto se multiplica cuando hablamos de personas mayores que viven solas, pacientes con deterioro cognitivo o con polimedicación. En estos casos, un simple olvido o una dosis duplicada puede acabar en urgencias. Aquí es donde la inteligencia artificial (IA) ha empezado a convertirse en una aliada muy potente: desde apps que leen prospectos y explican los tratamientos con un lenguaje claro, hasta asistentes clínicos que ayudan a farmacéuticos y médicos a revisar tratamientos complejos.
Por qué la toma correcta de medicamentos es un problema tan importante
La mayoría de errores relacionados con medicamentos se producen en la fase de administración y en la comprensión de la información del fármaco. No es solo tomar la pastilla equivocada: también influye no saber si se debe tomar con comida, si es compatible con otro tratamiento o qué hacer si se olvida una dosis.
En pacientes mayores y frágiles, los despistes son aún más frecuentes, porque suelen tener múltiples patologías crónicas (diabetes, problemas cardíacos, dolor crónico, déficit de vitaminas…) y acumulan fármacos. Esto se traduce en lo que se llama polimedicación: listas de medicamentos largas, con varias tomas al día y combinaciones que pueden interaccionar entre sí.
A esto se suma que los prospectos oficiales están escritos con lenguaje muy técnico, pensado más para profesionales que para la población general. Muchas personas no entienden bien las contraindicaciones, los efectos secundarios o los apartados de advertencias, lo que aumenta el riesgo de uso inadecuado del medicamento.
Por eso, en los últimos años han surgido soluciones basadas en IA que buscan traducir esa información técnica a un lenguaje claro, accesible y práctico, además de ayudar a los profesionales sanitarios a revisar tratamientos complejos de manera más rápida y estructurada.
Medscan: una app que “habla” con tus medicamentos
Una de las propuestas más interesantes en este campo es Medscan, una aplicación desarrollada por estudiantes de la UDIT (Universidad de Diseño, Innovación y Tecnología) que utiliza IA para reducir errores en la toma de medicamentos. El proyecto ha sido uno de los seis ganadores del hackathon internacional OdiseIA4Good 2026, un evento en el que participaron más de cien equipos de todo el mundo.
El funcionamiento de Medscan es sencillo a propósito: el usuario solo tiene que hacer una foto a la caja del medicamento con el móvil. A partir de esa imagen, la aplicación localiza el fármaco, accede a su prospecto oficial y lo transforma en un contenido mucho más comprensible para una persona sin formación sanitaria.
La app crea así una base de datos privada de los medicamentos del usuario, que luego sirve como fuente de información para resolver dudas específicas. La clave es que el asistente de IA integrado en Medscan no inventa contenido ni “se inspira en internet”: se limita a trabajar con los datos oficiales del prospecto.
De este modo, el usuario puede preguntar a la aplicación cuestiones muy habituales como cómo debe tomar el medicamento, qué contraindicaciones tiene, qué precauciones debe tener si sufre otras enfermedades o qué hacer ante determinados efectos adversos frecuentes.
Además, Medscan incorpora una función muy importante desde el punto de vista de la accesibilidad: ofrece lectura en voz alta de la información. Esto facilita muchísimo el uso a personas con problemas de visión o a quienes se manejan mejor escuchando que leyendo textos largos y técnicos.
Más allá de resolver dudas puntuales, esta solución pretende modernizar la gestión de los tratamientos farmacológicos, que en muchos hogares sigue siendo algo totalmente manual: notas en papel, pastilleros sin registro digital, alarmas sueltas en el móvil… La idea es aportar trazabilidad (saber qué se toma y cuándo), recordatorios automáticos y una supervisión más centralizada del tratamiento.
El reconocimiento en OdiseIA4Good no se queda en un simple premio: el equipo desarrollador recibirá formación avanzada en comunicación para startups y preparación para rondas de inversión, con el objetivo de presentar Medscan ante potenciales inversores y facilitar que la aplicación pueda llegar al mercado real y a más pacientes.
Un proyecto creado por estudiantes, con impacto real
Medscan nace del trabajo del equipo WeAgain, formado por estudiantes de primer curso de los grados de Ciencia de Datos e Inteligencia Artificial y Desarrollo Full-Stack de la UDIT. Es decir, hablamos de jóvenes de entre 20 y 21 años que han aplicado sus conocimientos técnicos a un problema sanitario muy concreto.
El hackathon OdiseIA4Good 2026 ha tenido una participación récord, con 112 equipos inscritos, 88 finalistas y 39 compitiendo de forma presencial, con representantes de los cinco continentes. En este contexto tan competitivo, que una solución centrada en la toma de medicamentos destacara entre las seis mejores deja claro que este tema preocupa y tiene recorrido.
Este tipo de iniciativas muestran cómo la IA, cuando se orienta a necesidades reales, puede mejorar la seguridad del paciente y la autonomía de personas con dificultades para manejar su medicación. También pone de relieve el papel de las universidades como espacios donde se pueden prototipar soluciones antes de que lleguen a la práctica clínica o al uso cotidiano.
MeQA: la herramienta de la AEMPS para consultar medicamentos con IA
La innovación no solo viene de startups y universidades. La Agencia Española de Medicamentos y Productos Sanitarios (AEMPS) ha puesto en marcha MeQA, una herramienta basada en inteligencia artificial que permite hacer consultas en lenguaje natural sobre medicamentos de uso humano, con respuestas inmediatas fundamentadas en información oficial procedente de prospectos.
MeQA está diseñada para facilitar que cualquier persona pueda preguntar con palabras normales, sin tecnicismos, y obtener información clara sobre compatibilidades entre medicamentos, posología, indicaciones, precauciones o efectos adversos. La IA actúa aquí como un “traductor” entre el lenguaje complejo de los documentos técnicos y las necesidades informativas de la ciudadanía.
Desde el punto de vista de la salud pública, esta herramienta supone un avance importante en transparencia y acceso a información sanitaria de calidad. Ayuda a que los ciudadanos entiendan mejor qué están tomando, por qué lo toman y cómo deben hacerlo, reforzando la adherencia y reduciendo el margen para malentendidos.
Tal y como ha señalado Pedro Carrascal, director general de la Plataforma de Organizaciones de Pacientes, la existencia de soluciones como MeQA abre la puerta a una atención mucho más personalizada. En un futuro, podría incluso plantearse conectar este tipo de sistemas con la historia clínica electrónica del paciente para que asistentes virtuales puedan ofrecer recomendaciones más ajustadas a la situación real de cada persona (siempre supervisadas por profesionales sanitarios).
El desarrollo de MeQA forma parte de un contrato de servicios impulsado por la AEMPS para potenciar tecnologías de Procesamiento de Lenguaje Natural (PLN). Entre los objetivos se incluyen la consulta de prospectos con lenguaje natural y la sistematización de la carga de datos en el sistema BIFAP, una gran base de datos de utilización de medicamentos.
Con esta iniciativa, la AEMPS refuerza su compromiso con la innovación tecnológica aplicada a la salud pública, creando herramientas pensadas tanto para profesionales sanitarios como para la población general, y demostrando que la IA puede integrarse en servicios institucionales con garantías y control.
Apps recordatorio y asistentes AI para pacientes: del día a día a la FDA
Además de proyectos institucionales y académicos, han aparecido aplicaciones comerciales que se centran en el día a día de la persona que tiene que tomar medicación en casa. Estas apps ofrecen funciones muy concretas: recordatorios de dosis, seguimiento de tratamientos, alertas de interacciones y asistentes conversacionales.
Un ejemplo típico es el de las aplicaciones que te permiten configurar tus tratamientos (humanos o incluso para mascotas), recibir notificaciones para que no se te pase ninguna dosis y avisarte si, por error, podrías estar repitiendo una toma. Algunas integran asistentes de IA a los que puedes preguntar dudas generales sobre los medicamentos, las advertencias de seguridad o posibles interacciones.
En determinados casos, estas herramientas se apoyan en fuentes oficiales como DailyMed (base de datos de información sobre medicamentos en Estados Unidos). Que una app pueda decir que sus datos están “aprobados por la FDA” significa que la información procede de prospectos y fichas validadas por la autoridad reguladora estadounidense, lo que aporta un plus de fiabilidad frente a aplicaciones que se nutren solo de contenido genérico de internet.
Este tipo de soluciones no sustituyen la consulta médica, pero ayudan mucho con la adherencia terapéutica y la organización diaria del tratamiento: evitar olvidos, prevenir duplicidades y mantener un registro claro de lo que se toma y cuándo se toma.
La IA en la revisión de la medicación: una ayuda, no un sustituto
En el ámbito profesional, especialmente en farmacia clínica y atención primaria, la IA ha empezado a utilizarse para revisar árboles de prescripción complejos, sobre todo en pacientes polimedicados. Ya en 2023 se empezaron a explorar estas posibilidades y, con las versiones más avanzadas de modelos como ChatGPT, el proceso se ha simplificado y vuelto más ágil.
Sin embargo, los propios profesionales insisten en una idea clave: la IA no hace la revisión por ti ni sustituye el criterio clínico. La palabra clave es “ayudar”: la tecnología agiliza, estructura, recuerda cosas que podrían pasar desapercibidas y facilita la consulta de bibliografía, pero detrás siempre debe haber un farmacéutico o médico que entienda lo que está viendo.
Hay una advertencia muy clara: si no sabes hacer revisiones de medicación por ti mismo, la IA puede convertirse en una fuente de errores importantes que pueden llegar al paciente. Es decir, primero hay que aprender la metodología de revisión; después, la IA se puede usar como herramienta que potencia el trabajo experto, no como sustituto.
En la práctica, el uso típico consiste en que el profesional realiza una captura de pantalla o foto del árbol de prescripción (la lista estructurada de medicamentos del paciente) y la introduce en el modelo de IA junto con un prompt bien definido.
Un ejemplo de prompt utilizado es: “Como especialista en farmacoterapia, revisa el árbol de prescripción para optimizar tratamiento y señalar las pruebas analíticas, de imagen u otras necesarias por efectividad y seguridad.” A partir de ahí, el modelo analiza la información y devuelve una revisión estructurada.
Ejemplos clínicos reales: qué hace bien la IA y dónde se queda corta
En el primer caso clínico comentado, la IA se enfrentaba a un paciente polimedicado con diabetes insulinodependiente, enfermedad cardiovascular, insuficiencia cardiaca, anemia y déficit de vitamina D, entre otros antecedentes. El modelo estructuró los medicamentos por áreas terapéuticas: tracto digestivo, diabetes, cardiovascular, hematología, dolor, etc.
Por ejemplo, identificó un inhibidor de la bomba de protones (pantoprazol) y sugirió revisar si la indicación crónica estaba justificada (por ejemplo, si se usaba junto con ácido acetilsalicílico). También propuso controles analíticos como hemograma y ferritina por el riesgo de anemia ferropénica asociado al uso prolongado de estos fármacos.
En la parte de diabetes, señaló la necesidad de monitorizar HbA1c, glucemias capilares y perfil glucémico, así como tener en cuenta la función renal por el riesgo de hipoglucemias en insuficiencia renal. En el ámbito cardiovascular, enumeró fármacos como carvedilol, amlodipino, ranolazina, furosemida y nitroglicerina en parche, con recomendaciones de controles de tensión arterial, frecuencia cardiaca, ECG o NT-proBNP.
También revisó medicación relacionada con anemia y déficit vitamínico (hierro, ácido fólico, vitamina D), indicando pruebas de ferritina, saturación de transferrina, vitamina D sérica y parámetros relacionados. Para el control del dolor con paracetamol, recomendó vigilar las transaminasas (TGO, TGP) en caso de uso crónico o altas dosis.
Con todo esto, la IA generó un “árbol” de pruebas analíticas y complementarias divididas en eficacia (HbA1c, NT-proBNP, ferritina, 25-OH-vitamina D, etc.) y seguridad (función renal, función hepática, hemograma, ECG, electrolitos…). La conclusión práctica era bastante razonable: polimedicación compleja, necesidad de seguimiento estructurado, controles periódicos de función renal y electrolitos, monitorización cardiológica, revisión de la adherencia al tratamiento diabético y posibilidad de deprescribir el IBP si no hubiera indicación clara.
Sin embargo, también se detectaron errores más finos, como la interpretación de una codificación relacionada con herpes zóster que el modelo reflejó como antecedente clínico sin que estuviera del todo claro, o una recomendación de valorar deprescripción de IBP sin tener en cuenta que sí existía una indicación sólida a largo plazo. Aquí se ve la importancia de que el profesional revise críticamente las propuestas.
En un segundo caso clínico, de nuevo con un paciente polimedicado, la IA analizó tratamientos como ácido acetilsalicílico, lorazepam, varias insulinas, pantoprazol, atorvastatina, combinaciones antihipertensivas, calcifediol, ácido fólico, parches de fentanilo y metotrexato. De nuevo, estructuró su revisión por áreas (antiagregación, ansiedad/sueño, diabetes, gastroprotección, dislipemia, HTA/IC, déficits, dolor crónico, inmunomodulación).
El modelo hizo aportaciones útiles, como señalar el riesgo de dependencia y caídas por uso crónico de lorazepam desde 2012, recomendar revisar la necesidad de gastroprotección, proponer controles para atorvastatina (perfil lipídico, transaminasas, CPK), vigilar tensión ortostática con doxazosina, y controlar posible hipercalcemia con calcifediol.
También resaltó el riesgo de interacciones entre ácido acetilsalicílico y metotrexato, así como entre benzodiacepinas y opioides (lorazepam y fentanilo) por el riesgo de caídas y depresión del sistema nervioso central. Sin embargo, no detectó ciertos matices clínicos, como alertar del posible “fin de dosis” por un parche de fentanilo pautado cada 48 horas o interpretar de forma incorrecta una supuesta duplicidad analgésica entre paracetamol y un opioide cuando en muchos casos esa combinación es deliberada y adecuada.
En un tercer ejemplo, con un paciente con tratamiento psiquiátrico complejo (lorazepam, citalopram, risperidona, trazodona), antiepilépticos (lacosamida, levetiracetam), anticoagulación con dabigatrán, levotiroxina, denosumab, calcifediol, suplementos de hierro, corticoides (deflazacort), ibuprofeno, omeprazol y paracetamol, la IA hizo un resumen muy estructurado.
Enumeró riesgos como caídas y deterioro cognitivo por la combinación de benzodiacepina, antipsicótico y antidepresivo, aumento de riesgo de sangrado por la asociación de dabigatrán con ibuprofeno y corticoides, hipocalcemia y problemas óseos si denosumab no se acompaña de vitamina D y calcio adecuados, y toxicidad renal potencial por el conjunto de fármacos (AINE, anticoagulante, antiepilépticos).
No obstante, seguía sin detectar algunas interacciones y contraindicaciones muy específicas que los profesionales sí conocen, lo que llevó a plantear que, para afinar más, sería necesario integrar bibliografía basada en la evidencia de bases como Micromedex o UpToDate, algo que ya requeriría herramientas más específicas que un modelo genérico de chat.
Flujo de trabajo profesional: de la IA a la nota clínica
Estos ejemplos de uso muestran que la IA puede servir como herramienta formativa y de apoyo. Para personas que se inician en farmacia clínica, los análisis generados por el modelo actúan como un guion de pasos a seguir en una revisión: ver indicación, evaluar eficacia, comprobar seguridad, proponer pruebas analíticas y complementarias.
Para profesionales con experiencia, la utilidad está en que la IA ayuda a no olvidar ninguna área relevante y acelera la parte más mecánica de organizar la información. El profesional, después, ajusta, corrige y prioriza, siempre basándose en su criterio y conocimiento.
En un flujo de trabajo bien montado, tras revisar el árbol de prescripción con ayuda de la IA y tener claras las pruebas analíticas o de imagen que hay que pedir, el siguiente paso es comprobar los resultados. Si aparecen desviaciones relevantes que puedan corregirse cambiando o ajustando la medicación, se genera una nota clínica estructurada (por ejemplo, tipo SOIP: Situación, Objetivo, Intervención, Plan).
Esa nota puede ir por diferentes vías: derivación a enfermería (si lo primero que hay que trabajar es la adherencia o la toma de constantes), citación con el médico de atención primaria o derivación al especialista hospitalario responsable de ese tratamiento en particular. La IA, en todo este circuito, actúa como una ayuda para pensar y ordenar, pero la decisión siempre la toma el profesional.
Crear un “consultor farmacológico IA” personalizado con criterios STOPP/START
Además de usar modelos generalistas, es posible configurar asistentes de IA especializados para la revisión de medicación en personas mayores, por ejemplo siguiendo los criterios STOPP/START (herramientas muy utilizadas para detectar fármacos potencialmente inapropiados y fármacos que faltan en pacientes geriátricos).
Para ello, se puede aprovechar la función de GPTs personalizados disponible en la versión ChatGPT Plus. El proceso, a grandes rasgos, consiste en acceder a la sección “Mis GPTs” y seleccionar la opción de crear un nuevo GPT. Después, se define un nombre y una descripción claros, como “Consultor farmacológico IA” y “Soy un agente IA especializado en consultas farmacéuticas siguiendo los criterios STOPP and START”.
En la parte de instrucciones, se especifica con detalle el rol clínico que debe desempeñar el asistente. Por ejemplo, se le indica que actúe como un experto en farmacología geriátrica, que su función es analizar listados de medicamentos de pacientes y que debe ofrecer recomendaciones claras y justificadas para apoyar la toma de decisiones, siempre dejando claro que la última palabra la tiene el profesional sanitario.
El flujo de trabajo típico que se le marca a este GPT especializado incluye varios pasos: recepción de los tratamientos (con principio activo, dosis, frecuencia e indicación), detección del tipo de análisis requerido (solo STOPP, solo START, ambos o decisión automática si el usuario no lo especifica) y evaluación según estos criterios para identificar fármacos potencialmente inapropiados o ausencias de tratamientos indicados.
Se le puede pedir que tenga en cuenta información clínica adicional como edad, comorbilidades, función renal o hepática, y que presente la respuesta con una estructura clara: una lista de medicamentos que convendría revisar o retirar (STOPP) con su justificación, otra de medicamentos que podría ser recomendable iniciar (START) y un apartado final para aclaraciones posteriores.
En este tipo de configuración es fundamental remarcar que el asistente no debe tomar decisiones clínicas definitivas, sino ofrecer sugerencias que se deben validar siempre por el médico responsable. De este modo, se minimiza el riesgo de que el usuario interprete la respuesta de la IA como una orden directa de cambio de tratamiento.
También es posible añadir iniciadores de conversación (prompts de ejemplo), como “Realiza un análisis farmacológico STOPP/START”, para ayudar a los usuarios a formular sus preguntas. Y, si se desea un mayor rigor, se pueden cargar documentos adicionales (guías clínicas, protocolos, resúmenes de evidencia) mediante la opción de “Cargar archivos”, de forma que el modelo se apoye explícitamente en esas fuentes.
En el apartado de funciones se decide si el GPT puede o no buscar en internet, generar imágenes, usar un lienzo colaborativo o ejecutar código. En un caso de uso farmacológico, puede ser interesante habilitar la búsqueda web para obtener información en tiempo real y permitir la generación de gráficos o análisis de datos si se cargan ficheros con registros de medicación o resultados analíticos.
El proceso se completa generando o subiendo un logo personalizado, probando el asistente con diferentes casos de pacientes y ajustando las instrucciones hasta que las respuestas sean coherentes, claras y alineadas con los criterios STOPP/START. Una vez afinado, se guarda y se activa para su uso habitual.
Uso de NotebookLM y fuentes especializadas para ir un paso más allá
En el momento en que se quiere que la IA profundice en interacciones muy específicas, contraindicaciones complejas o evidencias recientes, los modelos generalistas pueden quedarse cortos. Por eso algunos profesionales optan por soluciones como NotebookLM, donde pueden cargar directamente su propia bibliografía.
La idea es integrar en el entorno de la IA fuentes de referencia de alta calidad como Micromedex, UpToDate u otras bases farmacoterapéuticas. De esta forma, cuando el modelo responde, lo hace apoyándose en documentos previamente seleccionados por el profesional, reduciendo el riesgo de que se base en información inexacta o no contrastada.
Este enfoque permite que la IA se beneficie de su capacidad para resumir, cruzar datos y organizar información compleja, pero dentro de un “corralito” de conocimiento validado. El resultado es una herramienta más cercana a un asistente experto que a un simple chatbot genérico.
IA para pacientes: vídeos, consejos y herramientas sencillas
Mientras todo esto avanza en el ámbito profesional, también se están difundiendo recursos divulgativos pensados para personas mayores y cuidadores. En algunos canales formativos, como iniciativas dirigidas al público sénior, se explican de forma práctica herramientas de IA que ayudan a gestionar la medicación diaria.
El mensaje de fondo es claro: tomar bien la medicación diaria no es tan trivial como puede parecer. Es fácil despistarse con una pastilla, repetir una dosis o pensar que “por un día no pasa nada”. Por eso se recomiendan aplicaciones que permiten registrar los medicamentos, configurar horarios, recibir avisos y, en algunos casos, hacer consultas sencillas a un asistente de IA.
Estos contenidos formativos suelen mostrar paso a paso cómo usar la herramienta y remarcan siempre que el objetivo es evitar problemas derivados de errores cotidianos: una dosis que se olvida sistemáticamente, una combinación que no se consulta con el médico, un tratamiento que se sigue tomando a pesar de que el especialista ya no lo considera necesario.
La IA, bien utilizada, puede convertirse en ese recordatorio constante y en esa “segunda opinión” tecnológica que anima a preguntar dudas al profesional sanitario en lugar de quedarse con la incertidumbre.
La combinación de aplicaciones como Medscan, herramientas oficiales como MeQA, asistentes clínicos personalizados y recursos formativos para pacientes está dibujando un escenario donde la toma de medicamentos se vuelve más segura, más informada y mejor supervisada, sin perder de vista que la última palabra la tienen siempre los profesionales de la salud y que la tecnología, al final, está ahí para reforzar, no para sustituir.
