María Ribagorda (Legit.Health): “La IA no sustituye al médico, potencia su capacidad diagnóstica a nivel experto”

España registra de media 69 días de espera en la especialidad de dermatología, según datos del Ministerio de Sanidad de junio de 2025. En torno a tres meses pasan desde que se detecta una mancha en la piel que preocupa hasta que se consigue que un especialista la evalúe y trate. En Cataluña, la espera duplica la media y llega a alcanzar los 137 días. En ese intervalo, una mancha que parecía inofensiva puede volverse peligrosa. Pero el problema no es solo la espera en sí. Es que, en esa lista inagotable de pacientes, un lunar banal comparte lista con un melanoma. “Hoy en día no existe una priorización adecuada de los casos dermatológicos “, dice María Ribagorda, directora de salud digital de la startup Legit.Health, que emplea la inteligencia artificial para medir la gravedad y monitorizar patologías de la piel, como cánceres o enfermedades crónicas, entre otras. “Y eso significa que, mientras se avanza en las listas, algunos casos urgentes pierden la oportunidad de ser tratados a tiempo, antes de que aumente su gravedad”.

La saturación de especialidades como dermatología no es un fenómeno aislado. Es un síntoma de cómo el sistema sanitario público gestiona la escasez de recursos. Cuando la demanda crece y la oferta de especialistas se estanca, incluso decrece, la única válvula de escape es la lista de espera. Pero esa válvula tiene un límite. “El sistema actual, tal como está diseñado, no es sostenible”, añade la responsable de Legit.Health.

La demanda de asistencia dermatológica crece por muchos factores: estrés, ritmo de vida, envejecimiento de la población… pero el principal, subraya Ribagorda, “es que hay una mayor concienciación sobre nuestra propia salud. Ya no ignoramos como antes esas manchas en la piel”. Hoy el paciente observa, duda y consulta antes. En el otro lado, el de los profesionales sanitarios, un médico de atención primaria dispone de menos de diez minutos por paciente en consulta. Además, matiza la responsable de Legit.Health, “ni son expertos en dermatología ni tienen que serlo”.

La consecuencia es directa: si aparece una lesión cutánea y existe cualquier duda, la decisión más segura es siempre remitir al especialista. Esa lógica, multiplicada por miles de consultas diarias, satura el sistema con casos que frecuentemente no requieren la evaluación de un experto. Pero sin herramientas para discernir, el médico de familia no puede permitirse el error. Equivocarse tiene un coste que ningún médico puede asumir en solitario.

Acelerar el triaje dermatológico

En este contexto, en el mercado han surgido diversas soluciones tecnológicas que buscan optimizar el triaje dermatológico. Entre ellas, dispositivos médicos asistidos por modelos de inteligencia artificial que analizan los signos clínicos de lesiones cutáneas mediante algoritmos entrenados con imágenes dermatológicas. La premisa es clara: no sustituir el criterio clínico, sino reforzarlo con información objetiva que permita tomar mejores decisiones. Algunas de las que ya se usan en el ámbito sanitario español son SkinVision, centrada en la detección precoz del cáncer de piel, FotoFinder (Skeen), para dermatoscopia digital y mapeo de lunares, Skinive, que usa la IA para detectar problemas cutáneos, las plataformas de teledermatología iDoc24 y First Derm, la aplicación de seguimiento fotográfico de cambios en la piel Miiskin, las herramientas de IA VissualDx y DermExpert…

Muchas de estas herramientas no funcionan como dispositivos aislados. Se integran directamente en la historia clínica del paciente y funcionan con el móvil que el profesional ya tiene en consulta. “El médico o la enfermera hacen una foto de la lesión y obtienen los resultados en segundos. No es un proceso paralelo que añada complejidad al flujo de trabajo. Es parte de él”, explica Ribagorda. Esa integración práctica marca la diferencia entre una tecnología que realmente se usa y otra que acaba siendo apartada en un cajón. En sanidad, la fricción suele ser el enemigo invisible de la innovación.

Este avance en la atención primaria tiene un efecto multiplicador en todo el sistema. El médico de cabecera deja de enviar al especialista por pura prudencia y pasa a decidir con una base técnica sólida, una información objetiva y de calidad que apoya el diagnóstico clínico y ayuda a priorizar. Si el sistema identifica una anomalía benigna o leve, el paciente puede permanecer en atención primaria con total seguridad. Si detecta signos de alarma, la derivación es inmediata y su grado de priorización definido. El resultado es que el médico de cabecera gana confianza y los dermatólogos recuperan tiempo para los casos que realmente requieren su experiencia.     

El desafío de desarrollar tecnología sanitaria

Desarrollar tecnología sanitaria no es como lanzar una aplicación de consumo al mercado. La regulación en salud digital es estricta, y con razón. Cualquier herramienta que intervenga en decisiones clínicas debe superar un proceso de validación exhaustivo antes de utilizarse en entornos reales. Eso alarga los tiempos de desarrollo y aumenta los costes.

“Es necesario por la seguridad del paciente”, reconoce Ribagorda. “Pero también implica que una startup en este sector se enfrenta a barreras de entrada muy superiores a las de otros ámbitos”. Esa distancia entre la innovación técnica y la validación clínica explica por qué la salud digital avanza más despacio, pero con mayor seguridad. Además, la implementación real en sistemas sanitarios públicos presenta desafíos adicionales: resistencias al cambio, la aceptación de sus usuarios y las dudas sobre qué hacer si se equivocan. La validación en laboratorio no siempre se traduce en la misma eficacia en la práctica clínica diaria. Una IA puede funcionar perfectamente en un ensayo y fallar en una consulta abarrotada un lunes por la mañana.

Pese a estas barreras, Legit.Health ha pasado por este proceso de certificación, demostrando que cumple con los estándares de seguridad y fiabilidad. No son los únicos en este mercado. El diagnóstico dermatológico asistido por IA es un campo en crecimiento donde distintos actores compiten con enfoques diferentes: algunos se especializan en patologías concretas; otros segmentan por población; otros apuestan por el autodiagnóstico desde casa.

La propuesta de Legit.Health sigue un enfoque distinto al de sus competidores: mientras algunos se especializan en dos o tres patologías, ellos abarcan un espectro de más de 300; donde otros segmentan por edad o tipo de piel, su tecnología está diseñada para cualquier paciente; y mientras muchos apuestan por que el usuario se autodiagnostique en casa, mantienen al profesional sanitario como pieza central de la decisión.

Esta apuesta es relevante en un contexto donde se debate constantemente el papel de la inteligencia artificial en la medicina. Frente a las visiones más disruptivas que plantean la sustitución de profesionales, estas herramientas apuntan a un modelo colaborativo donde la tecnología incrementa la capacidad de decisión del médico, mejora la calidad de la atención y hace más eficiente el uso de recursos limitados.

“Hoy la sanidad pública está apagando fuegos en lugar de prevenirlos […]. Si acumulamos información clínica estructurada y de calidad, podemos empezar a anticiparnos. Identificar patrones. Intervenir cuando aún hay margen de maniobra”

El autodiagnóstico sin supervisión médica presenta riesgos críticos, como falsos negativos que retrasan la detección de patologías graves o falsos positivos que saturan innecesariamente el sistema. Al no estar integradas en el flujo asistencial, estas soluciones desvinculadas del médico no resuelven el cuello de botella estructural; al contrario, añaden pasos intermedios sin eliminar la barrera de espera. Mantener al profesional sanitario en el centro, como propone Legit.Health, no solo garantiza la precisión clínica y la seguridad del paciente, sino que asegura la continuidad asistencial y la trazabilidad necesarias para una medicina ética y eficiente.

En España, hospitales como Torrejón (Madrid) han incorporado ya esta tecnología. A comienzos de 2026, Asturias dio un paso más: la sanidad pública asturiana (SESPA) la implementó en Atención Primaria para priorizar los casos dermatológicos más graves y aliviar la presión sobre las consultas hospitalarias. La startup está presente también en otros países europeos y prepara su entrada en el mercado estadounidense.

El futuro: de un sistema sanitario reactivo a uno preventivo

Pero la verdadera transformación está un paso más allá. Hasta aquí, todo esto actúa sobre un sistema reactivo: hace que la respuesta sea más ágil y certera. Sin embargo, cuando la información se integra sistemáticamente en el historial clínico del paciente, se abre otra posibilidad. Los análisis agregados de esos datos pueden mover el sistema del terreno reactivo al preventivo.

“Hoy la sanidad pública está apagando fuegos en lugar de prevenirlos”, señala con preocupación Ribagorda. “Pero si acumulamos información clínica estructurada y de calidad, podemos empezar a anticiparnos. Identificar patrones. Intervenir cuando aún hay margen de maniobra”. Por ejemplo, detectar que ciertos perfiles de pacientes desarrollan melanomas con mayor frecuencia, o que determinadas lesiones evolucionan de formas predecibles. Información que permitiría actuar antes de que aparezcan los síntomas graves. “La IA no sustituye al médico, potencia su capacidad diagnóstica a nivel experto”, añade.

Este es el verdadero salto: dotar a profesionales sanitarios no dermatólogos con herramientas que les permitan tomar decisiones más precisas y más rápidas, anticiparse cuando todavía es posible para evitar diagnósticos tardíos que acaban suponiendo un daño para el paciente y un mayor coste para el sistema.