Entrevista exclusiva con el Consejero del Consejo de Estado Liu Yuanli: en ciertos campos, la capacidad del médico general de IA no es inferior a la de los médicos con formación profesional.

每经记者｜张宏 每经编辑｜魏官红

2025年，一名来自湖北宜昌的58岁患者在人工智能辅助下，检测出胃部一处隐匿的“黏膜内高分化腺癌”。随着相似案例越来越多，人工智能在医疗中的作用逐渐显现。

Este año, la “economía inteligente” fue incluida por primera vez en el “Informe de Trabajo del Gobierno”. El esquema del 14º Plan Quinquenal incorpora proyectos importantes de “inteligencia artificial +” para el bienestar de la población como tareas centrales de China digital. En agosto de 2025, el Consejo de Estado publicó “Opiniones sobre la implementación profunda de la acción de ‘inteligencia artificial +’”, que exige explorar y promover asistentes de salud de alto nivel accesibles para todos, impulsando de manera ordenada la aplicación de la inteligencia artificial en escenarios como el diagnóstico asistido, la gestión de la salud y los servicios de seguros médicos, mejorando significativamente la capacidad y eficiencia de los servicios de salud en la atención primaria, con el contenido relacionado incluido en un apartado del 14º Plan Quinquenal.

Del 25 al 29 de marzo, se celebró el “Foro Anual de Zhongguancun 2026” en Pekín. Durante la conferencia, sobre la tasa de penetración actual de la IA (inteligencia artificial) en la medicina, los puntos de bloqueo en la aplicación y en qué etapas puede desempeñar un papel la IA en la medicina, los periodistas de “Diario Económico Diario” (en adelante NBD) entrevistaron al consejero del Consejo de Estado, profesor titular de la Escuela de Gestión de Salud y Políticas de la Universidad de Pekín, Liu Yuanli.

“”

Liu Yuanli participando en un diálogo de mesa redonda en el foro. Imagen cortesía: Diario Económico Diario, Zhang Hong.

Definir quién paga y cómo se paga es el problema central en el desarrollo de la industria de la medicina AI

NBD**: ¿Cuál es la tasa de penetración actual de la medicina AI?**

Liu Yuanli: Actualmente, el mercado sigue mostrando una competencia diversificada. Los productos de medicina AI se dividen principalmente en dos categorías: to C (dirigido a consumidores) y to B (dirigido a instituciones médicas), la cuestión central es quién paga la cuenta y cómo se paga.

A simple vista, la aceptación del mercado de productos de calidad depende de la disposición de adopción de los consumidores o de las instituciones médicas, pero el factor clave detrás de esto sigue siendo el seguro médico. El seguro médico tiene un impacto decisivo en las decisiones de los pacientes y las instituciones médicas, especialmente en este último caso.

Nuestras instituciones médicas tienen una naturaleza pública, pero su supervivencia y desarrollo dependen en gran medida de los ingresos comerciales, de los cuales más del 60% proviene de los pagos de seguros médicos. Por lo tanto, si los productos de AI pueden ser incluidos en la lista de reembolso del seguro médico, tendrán una base de mercado; si no se incluyen, las instituciones médicas evaluarán con cautela.

Incluso si el producto está incluido en la lista de seguros médicos, el nivel de precios y los estándares de compensación siguen siendo variables clave. La aplicación de cualquier tecnología médica de calidad conlleva gastos, y las instituciones médicas deben realizar un análisis riguroso de costo-beneficio.

Actualmente, nuestros hospitales públicos enfrentan el desafío de un desequilibrio financiero, y en este contexto, los hospitales públicos se enfrentan a una presión financiera significativa. Por lo tanto, los productos de inteligencia artificial deben demostrar que pueden lograr “atención médica basada en valor”, es decir, mejorar la calidad de la atención médica, reducir las complicaciones, mejorar el pronóstico del paciente, al mismo tiempo que disminuyen los costos operativos totales de las instituciones médicas. Aunque la calidad de la atención médica, el control de costos y la naturaleza pública a menudo se consideran un “triángulo imposible”, si no se puede demostrar que la tecnología puede superar esta situación, será difícil para las instituciones médicas tomar decisiones de adopción.

Actualmente, la promoción de algunos productos de inteligencia artificial en el mercado enfatiza demasiado la avanzada tecnología y la escala de inversión en investigación y desarrollo. Sin embargo, debería prestarse más atención a la sostenibilidad de su modelo comercial. Si falta la inclusión oportuna en el seguro médico y un mecanismo de compensación de costos razonable, la implementación de la tecnología enfrentará obstáculos en “la última milla”.

Por lo tanto, en condiciones de economía de mercado, la promoción y aplicación de tecnologías médicas de calidad depende clave de establecer un mecanismo de pago sólido, definiendo quién paga y cómo se paga. Este es un tema central que necesita ser resuelto en el desarrollo actual de la industria de la medicina AI.

En ciertos campos, la capacidad de los médicos generales AI no es inferior a la de los médicos entrenados formalmente

NBD**: Anteriormente hubo noticias sobre médicos que usaron inteligencia artificial para ayudar en el diagnóstico y encontraron puntos de lesión en las imágenes de los pacientes. ¿En qué etapas de la medicina crees que la IA puede desempeñar un mejor papel actualmente?**

Liu Yuanli: No hay duda al respecto. La continua iteración y optimización de la inteligencia artificial médica actualmente depende de dos bases fundamentales: la base de conocimiento y la base de datos. En cualquier etapa que involucre conocimientos, especialmente en el ámbito del conocimiento médico publicado, la capacidad de la IA ha superado significativamente a un solo médico. Ya sea en la divulgación de conocimientos de salud, en la promoción, o en el diagnóstico y tratamiento de enfermedades comunes y frecuentes: tras ingresar síntomas y los indicadores básicos de prueba, la IA puede ofrecer juicios rápidamente. En términos simples, la capacidad del médico general AI ahora no es inferior a la de un médico general formalmente entrenado en enfermedades comunes y frecuentes.

Pero cuando se trata de datos multimodales, como combinar resultados de pruebas clínicas, imágenes y la historia clínica del paciente para diagnosticar enfermedades difíciles, la IA actualmente tiene deficiencias notables.

Sin embargo, hay dos puntos que merecen atención. Primero, a pesar de las muchas deficiencias, la característica más destacada del desarrollo de la inteligencia artificial es su rápida velocidad de iteración. Siempre que haya suficiente capacidad de cálculo, junto con una base de conocimiento de alta calidad y datos del mundo real para el entrenamiento, la tecnología seguirá progresando, y su potencial es bastante considerable. Segundo, este potencial no se puede lograr de manera pasiva; necesitamos participar activamente.

Por lo tanto, creo que los productos de inteligencia artificial médica deben considerarse en cierta medida como productos públicos: la tecnología de calidad creada puede beneficiar rápidamente a la población mundial. Y la calidad del producto está estrechamente relacionada con la disposición de cada paciente, cada médico y cada experto para contribuir con experiencias clínicas y datos del mundo real. Cuanto más experimentado es el experto, más responsabilidad tiene de compartir su experiencia y contribuir con datos, para impulsar la optimización e iteración de este producto público. Potencial, responsabilidad y misión, los tres deben integrarse.

Con base en esto, en el desarrollo de grandes modelos de inteligencia artificial en salud médica, se debe establecer una alianza de gobernanza de datos en el ámbito de la salud, promoviendo el intercambio de datos y la innovación colaborativa. El UK Biobank (Banco de Datos Biológicos del Reino Unido) ya ha contribuido con más de treinta nuevos objetivos para toda la humanidad, y China también tiene la capacidad de establecer su propio China Biobank (Banco de Datos Biológicos de China).

Además, también debemos promover la construcción de alianzas globales. Por un lado, desarrollar modelos de manera conjunta, y por otro lado, lo más importante es establecer un sistema de evaluación científico y autoritativo: no solo escuchar las opiniones de los expertos chinos, sino también reunir los juicios profesionales de expertos de todos los países, para garantizar que los productos generados tengan una alta calidad.

Impulsar el uso de datos de tareas de diagnóstico ya completadas para el entrenamiento de grandes modelos

NBD**: Primero se necesita usar, para tener datos; para usar, primero hay que demostrar su valor; y para que el producto tenga valor, primero debe haber datos. ¿Hay alguna contradicción en esto?**

Liu Yuanli: Esto se llama “espacio de datos confiables en salud médica”, y la Oficina Nacional de Datos tiene documentos relevantes que se pueden consultar. Su mecanismo central incluye varios aspectos: primero, se debe definir claramente la propiedad de los datos; segundo, se debe motivar a todas las partes a compartir el valor de los datos, y en la base está el trabajo de gobernanza de datos. Cada poseedor de datos necesita primero gobernar bien sus datos, asegurando que sean verdaderos, fiables y utilizables, y que estén dispuestos a participar en el intercambio, y respecto al valor creado por el intercambio, también deben recibir una compensación correspondiente, para estimular la motivación de compartir.

Específicamente, durante el proceso de diagnóstico clínico, se generan grandes cantidades de datos, que ya han completado la tarea de diagnóstico original y pueden ser mejorados mediante una mayor gobernanza para elevar su calidad y aumentar su nivel de estructuración, permitiendo su uso directo para el entrenamiento de grandes modelos. Por lo tanto, la gobernanza de datos es el primer paso, el uso es el segundo paso, y la distribución de valor es la etapa posterior.