Humanos sintéticos: el atajo más polémico para la próxima revolución médica

1. Titular e introducción

La medicina vive una contradicción dolorosa: nunca hemos tenido tantos datos de salud y, sin embargo, los casos realmente importantes —enfermedades raras, efectos adversos inesperados, combinaciones atípicas de factores— siguen siendo invisibles para los modelos de IA. Mantis Biotech, una startup de Nueva York de la que informa TechCrunch, quiere romper ese bloqueo creando «gemelos digitales» de humanos a partir de textos, sensores y simulaciones físicas. Hoy trabaja con deportistas de élite; mañana aspira a entrar en hospitales y laboratorios. Aquí analizamos qué hay detrás de la promesa de los humanos sintéticos y qué implicaciones tiene para los sistemas sanitarios en España y América Latina.

2. La noticia en breve

Según TechCrunch, Mantis Biotech está construyendo una plataforma que genera gemelos digitales del cuerpo humano combinando múltiples fuentes de datos: libros de texto, cámaras de captura de movimiento, sensores biométricos, diarios de entrenamiento y técnicas de imagen médica. Una capa basada en modelos de lenguaje se encarga de enrutar, validar y sintetizar esos flujos de datos; después, un motor de física transforma la información en modelos detallados de anatomía y movimiento.

Estos modelos permiten simular escenarios poco representados en los datos reales —por ejemplo, lesiones específicas o anatomías inusuales— y generar conjuntos sintéticos para entrenar algoritmos predictivos. De acuerdo con TechCrunch, Mantis ya trabaja con equipos profesionales, incluido al menos un club de la NBA, que utiliza gemelos digitales para monitorizar el salto, la carga de trabajo y el riesgo de lesión de sus jugadores. La empresa ha cerrado una ronda semilla de 7,4 millones de dólares liderada por Decibel, con participación de Y Combinator, Liquid 2 e inversores ángeles, y quiere expandirse hacia la salud preventiva y la investigación farmacéutica.

3. Por qué importa

La idea de Mantis ataca un problema estructural: la IA médica necesita ver muchos casos extremos para aprender a manejarlos, pero son justamente esos casos los que casi nunca se pueden compartir por restricciones éticas, legales o puramente estadísticas.

Quién gana:

• El deporte profesional y la medicina del rendimiento: pueden experimentar con el cuerpo virtual del atleta como no se atreverían con el real. Ajustar cargas, simular movimientos o anticipar una rotura del tendón de Aquiles antes de que ocurra tiene un valor deportivo y económico enorme.
• Las farmacéuticas y fabricantes de dispositivos médicos: los gemelos digitales abren la puerta a explorar dosis, combinaciones o diseños de prótesis en simulación antes de pasar a ensayos muy costosos.
• Hospitales universitarios y centros de investigación: podrían entrenar modelos sobre cohortes sintéticas que imitan a sus pacientes sin sacar los datos fuera del entorno controlado.

Quién pierde o se incomoda:

• Intermediarios de datos y ciertas plataformas de historia clínica, cuyo valor se basa en controlar grandes repositorios de información real.
• Pacientes y clínicos, si se empiezan a justificar decisiones con base en simulaciones cuya validez o sesgos no se explican adecuadamente.

El efecto inmediato es cambiar la pregunta clave en IA sanitaria: de «¿cómo consigo datos?» a «¿cómo demuestro que mis humanos sintéticos son suficientemente parecidos a los reales en los aspectos que importan?». La batalla competitiva se desplaza de la cantidad de registros hacia la calidad y validación de las simulaciones. Empresas capaces de integrar lenguaje, imagen, fisiología y biomecánica pueden adelantarse a gigantes que sólo poseen bases de datos masivas.

4. La foto grande

Los gemelos digitales de Mantis encajan en una tendencia más amplia: la convergencia entre datos sintéticos, simulación física y modelos de IA multimodales.

En los últimos años han surgido compañías dedicadas exclusivamente a generar datos sintéticos de salud para sortear las limitaciones de privacidad. En paralelo, grandes grupos industriales —de Siemens a Dassault Systèmes— han impulsado gemelos digitales de órganos para probar válvulas cardíacas o planificar cirugías complejas. Lo novedoso ahora es el papel de los modelos de lenguaje como capa de orquestación que entiende textos médicos, señales de sensores e imágenes, y traduce todo ello a parámetros para un motor físico.

Este enfoque sintoniza con tres dinámicas del sector:

1. Apertura incremental a la evidencia in silico. Las agencias reguladoras en EE. UU. y Europa empiezan a aceptar simulaciones como parte de los expedientes de aprobación en áreas concretas. Si los gemelos son creíbles, podrían reducir la necesidad de ciertos estudios en animales o de grandes grupos de control.
2. Individualización radical. Wearables, cámaras y aplicaciones de salud generan datos continuos a nivel de persona. No basta con saber el riesgo medio; interesa cómo responde ese cuerpo concreto a un entrenamiento, una cirugía o un fármaco.
3. Escasez de personal sanitario. En muchos países de habla hispana, la sobrecarga en urgencias y atención primaria hace atractiva cualquier herramienta que permita simular decisiones y priorizar recursos sin añadir más pruebas a cada paciente.

La historia, sin embargo, aconseja prudencia: desde los simuladores de cirugía de hace dos décadas hasta las apps de realidad virtual, las promesas de «humanos virtuales» han chocado repetidamente con modelos poco robustos y falta de integración en la práctica clínica. La gran incógnita es si la nueva generación, apoyada en IA generativa y sensores ubicuos, romperá por fin ese techo de cristal.

5. Clave europea e iberoamericana

Para Europa, España y América Latina, los humanos sintéticos se sitúan en un cruce delicado de oportunidades y riesgos regulatorios.

Oportunidades:

• Privacidad y experimentación. El RGPD europeo, las leyes de protección de datos en España y regulaciones similares en México, Brasil o Argentina dificultan compartir historias clínicas para investigación. Cohortes sintéticas creíbles podrían acelerar proyectos de IA sin violar la confidencialidad.
• Sistema público y planificación. Con sistemas sanitarios públicos o mixtos bajo presión presupuestaria, simular itinerarios de pacientes, listas de espera o programas de cribado sobre poblaciones sintéticas podría evitar inversiones fallidas.
• Ecosistema emprendedor. De Barcelona a Ciudad de México, pasando por Madrid, Bogotá o Buenos Aires, hay startups de salud digital que podrían aprovechar gemelos digitales como capa de simulación sin necesidad de negociar acceso directo a grandes bases de datos.

Riesgos y desafíos:

• El Reglamento de IA de la UE (AI Act) tratará cualquier sistema de IA de uso médico como de alto riesgo, esté entrenado con datos reales o sintéticos. Eso implica requisitos estrictos de transparencia, gestión de riesgos y supervisión humana.
• El proceso de construir gemelos a partir de historias clínicas entra de lleno en la categoría de datos sensibles bajo el RGPD y las leyes latinoamericanas. Anonimizar de verdad es difícil y los reguladores son cada vez más exigentes.
• En muchos países latinoamericanos existe una brecha digital importante. Si los gemelos se forman sobre datos de hospitales urbanos bien equipados, corren el riesgo de ignorar realidades rurales o de poblaciones con menos acceso a cuidados.

La región hispanohablante tiene la oportunidad de no limitarse a adoptar modelos importados, sino de contribuir con proyectos propios de validación, gobernanza y ética de gemelos digitales, adaptados a sus contextos culturales y epidemiológicos.

6. Mirando hacia adelante

¿Qué podemos esperar en los próximos años?

1. Consolidación en deporte y rendimiento. Es probable que Mantis y competidores similares profundicen primero en ligas profesionales (NBA, fútbol europeo, ligas latinoamericanas) y centros de alto rendimiento. Es un entorno con ciclos rápidos de feedback y alto presupuesto por atleta.
2. Entrada progresiva en I+D biomédica. A medida que mejoren las simulaciones y se acumulen estudios de validación, veremos más laboratorios farmacéuticos usando gemelos digitales para diseñar ensayos, segmentar pacientes o analizar respuestas a tratamientos. Al principio, será evidencia complementaria.
3. Casos piloto en clínica e imagen médica. Hospitales pioneros en España o Chile, por ejemplo, podrían empezar con proyectos de planificación quirúrgica o rehabilitación guiada por gemelos, donde el impacto es tangible y el riesgo controlable.

Señales a vigilar:

• Publicaciones en revistas de alto impacto que muestren mejoras significativas en resultados clínicos gracias a gemelos digitales.
• Documentos de la EMA o agencias nacionales (AEMPS en España, ANVISA en Brasil, COFEPRIS en México) que definan el papel de la simulación en la evaluación de fármacos y dispositivos.
• Posicionamientos de aseguradoras y sistemas públicos respecto al uso de predicciones basadas en humanos sintéticos para fijar primas o priorizar intervenciones.

Los riesgos incluyen desde la reproducción de sesgos —por ejemplo, infrarrepresentar poblaciones indígenas o afrodescendientes— hasta usos claramente discriminatorios en seguros o empleo. Pero si se establecen marcos de transparencia, auditoría y participación de pacientes, los gemelos digitales podrían permitir avanzar en medicina sin convertir cada aspecto de nuestra vida en combustible para la próxima IA.

7. En resumen

Los gemelos digitales que propone Mantis Biotech representan un cambio profundo: dejar de asumir que el único camino hacia una IA médica potente es recolectar más y más datos de pacientes reales, y apostar por humanos sintéticos validados rigurosamente. Para España y América Latina, donde la presión asistencial y las restricciones de privacidad conviven a diario, la idea es tan atractiva como peligrosa. La pregunta clave no es tecnológica, sino política y ética: ¿hasta qué punto estamos dispuestos a que decisiones de vida o muerte se apoyen en simulaciones de nosotros mismos?