Tu cuerpo genera datos las 24 horas. Durante siglos, la medicina solo los escuchó unos minutos al año. La medicina proactiva está cambiando esta realidad.
Hagamos cuentas. Un año tiene 8.760 horas. Si vas al médico dos veces por año y cada consulta dura 20 minutos, tu médico te ve durante menos de una hora. Las otras 8.759 horas, tu presión sube y baja, tu glucosa se dispara después de algunas comidas, tu corazón cambia de ritmo mientras dormís, y nadie lo registra.
Ese es el modelo que heredamos: episódico y reactivo. Algo duele, pedís turno, te atienden, te vas. Funcionó bien para las infecciones y los accidentes. Funciona muy mal para lo que hoy nos mata.
La medicina del pasado disminuyó la muerte con antibióticos, la medicina del futuro va a prolongar la vida con datos. Te comparto algunos ejemplos:
El corazón que late fuera de ritmo
La fibrilación auricular es una arritmia que muchas veces no da síntomas pero multiplica el riesgo de ACV. En el Apple Heart Study, publicado en The New England Journal of Medicine en 2019, se siguió a más de 400.000 personas con un reloj que detectaba pulso irregular. Solo alrededor del 0,5% recibió una alerta, y cuando se confirmó con un electrocardiograma, la mayoría de las alertas simultáneas correspondían efectivamente a fibrilación auricular.
Lo interesante no es que el reloj diagnostique, porque no lo hace. Es que convierte una búsqueda imposible (revisar a todos, todo el tiempo) en una búsqueda dirigida: el médico mira a quien el sistema señala.
La presión que se controla desde casa
Acá está, quizás, la evidencia más sólida. En un ensayo clínico publicado en JAMA en 2013, pacientes con hipertensión mal controlada recibieron tensiómetros que enviaban las mediciones a un equipo de salud, que ajustaba el tratamiento según los datos recibidos.
El resultado: la presión quedó controlada a los 6 y 12 meses en el 57,2% del grupo con telemonitoreo, frente al 30% del grupo con atención habitual. Casi el doble. Y el beneficio se mantuvo seis meses después de terminada la intervención. El dispositivo no fue lo que hizo la diferencia. Fue el profesional que miraba los datos y actuaba a tiempo.
Tu glucosa no es la del vecino
En 2015, investigadores del Instituto Weizmann pusieron sensores continuos de glucosa a 800 personas y midieron cómo respondían a las mismas comidas. El hallazgo, publicado en la revista Cell, sorprendió: la respuesta variaba enormemente entre individuos. Hubo personas a las que el pan blanco les subía menos la glucosa que un alimento considerado «saludable».
Las recomendaciones genéricas son un punto de partida, no un destino. Hoy los datos propios permiten personalizarlas.
El rol de la inteligencia artificial
Un reloj inteligente genera miles de datos por día. Ningún médico puede leerlos uno por uno. La IA cumple tres funciones concretas:
- Filtra el ruido. Separa la variación normal (dormiste mal, tomaste un café de más) de una tendencia que merece atención.
- Aprende tu normalidad. Construye tu línea de base personal y detecta alteraciones que en otras personas se considerarían normales.
- Prioriza. Le dice al equipo médico a quién llamar primero.
Lo que la IA no hace es reemplazar el juicio clínico. Hace que ese juicio llegue antes.
La polémica que genera
Esta nueva tecnología tiene límites reales: generan falsas alarmas que pueden provocar ansiedad y estudios innecesarios, su precisión es variable, hay cuestiones de seguridad de los datos que no se pueden pasar por alto y todavía faltan estudios grandes que demuestren que su uso en personas sanas reduce la mortalidad. Un dato sin un profesional que lo interprete puede hacer más ruido que bien.
Por eso la pregunta correcta no es ¿qué reloj me compro?, sino ¿quién mira mis datos, y qué hace con ellos?
Y vos, si pudieras saber la enfermedad que vas a tener dentro de diez años, ¿qué cambiarías hoy?
Fuentes
- OMS. Noncommunicable diseases, hoja informativa, 2025. colpsiba.com.ar/pad/mtr.php
- Perez M.V. et al. N Engl J Med, 2019; 381:1909–1917 (Apple Heart Study).
- Margolis K.L. et al. JAMA, 2013; 310(1):46–56.
- Zeevi D. et al. Cell, 2015; 163(5):1079–1094.
- Diabetes Prevention Program Research Group. N Engl J Med, 2002; 346:393–403.