Disfunción Eréctil: El papel de la IA en romper tabúes y transformar el abordaje

Andres Rico. MD internista. CEO AIpocrates.

La Disfunción Eréctil (DE), pese a su alta prevalencia global y su íntima relación con enfermedades cardiovasculares, metabólicas y psiquiátricas, se mantiene como un profundo tabú cultural [Zhang et al., 2020; Xiong et al., 2022]. Esta estigmatización dificulta su diagnóstico y manejo oportuno, un problema de salud pública que exige una transformación digital catalizada por la Inteligencia Artificial (IA). El enfoque de este análisis no es solo médico, sino demostrar cómo la IA contribuye a la construcción de evidencia, mejora la difusión de información clínica y facilita el abordaje de condiciones sensibles.

El presente artículo empleó una metodología de investigación asistida por IA que siguió un proceso estructurado:

1) Identificación del problema y formulación de preguntas.

2) Búsqueda bibliográfica en plataformas avanzadas como Scopus AI y Perplexity, priorizando revisiones sistemáticas.

3) Construcción de un borrador que integró las brechas de conocimiento y las dificultades de comunicación.

 4) Refinamiento del texto mediante la interacción humano-IA generativa.

---

1. Barreras de Comunicación y Definición de la Disfunción Eréctil

El infra-diagnóstico de la salud sexual persiste en la práctica clínica [Zhang et al., 2020]. Esta falencia se origina en una brecha de comunicación donde ni pacientes ni profesionales inician proactivamente el diálogo sobre preocupaciones sexuales [Kelder et al., 2022].

1.1 Barreras Bidireccionales en el Diálogo Clínico

Desde la perspectiva del paciente, existe la percepción de que los problemas sexuales no son una «preocupación válida» a menos que el médico la inicie [Davenport et al., 2025]. La falta de iniciativa médica refuerza la idea de que el tema está fuera de la consulta.

Los profesionales de la salud enfrentan barreras sistémicas y personales:

• Falta de tiempo: Se priorizan otras morbilidades en consultas de duración limitada [Dyer y das Nair, 2013].
• Incomodidad y vergüenza: El médico puede evitar el tema por incomodidad personal o el temor a «abrir una caja de Pandora» sin tiempo ni recursos para gestionarla [Dyer y das Nair, 2013].
• Brecha formativa: El 79% de los profesionales reporta una falta de formación y conocimiento en salud sexual [Dyer y das Nair, 2013].

Este contexto evidencia una desconexión entre el deber de una atención «integral» (como señala la guía Good Medical Practice [General Medical Council, 2024]) y la práctica real.

1.2 Preguntas de Investigación y Definición Operativa

Las preguntas de investigación se enfocan en las barreras y las posibles soluciones: ¿La disfunción eréctil es un tabú? ¿Cuáles son las estrategias de comunicación efectivas que los profesionales pueden adoptar para superar las barreras sistémicas y mejorar el diagnóstico? ¿Hay una definición clara?

Para responder al tercer punto, la definición operativa de DE se construyó mediante un análisis de concepto basado en guías clínicas internacionales [Hernández, 2014; Thoun, 2022].

La Disfunción Eréctil (DE) se define como la incapacidad consistente o recurrente (≥3 meses) para obtener y/o mantener una erección peniana suficiente para una actividad sexual satisfactoria [Burnett et al., 2018]. El abordaje se rige por un modelo biopsicosocial [Dewitte et al., 2021] y la toma de decisiones compartida [Burnett et al., 2018]. Se evalúa mediante entrevista clínica estructurada y escalas validadas como el IIEF-5.

Criterios de Sospecha en Atención Primaria	Criterios Diagnósticos (Confirmación)
Dificultad para iniciar/mantener la erección.	Historia Clínica Dirigida: Síntomas ≥3 meses, impacto en calidad de vida, evaluación de factores psicógenos, orgánicos y mixtos.
Disminución del deseo sexual o evitación de relaciones.	Cuestionario IIEF-5: Puntuación ≤21 confirma DE.
Cambios en la relación de pareja.	Clasificación: Severa (5–7), Moderada (8–11), Leve-moderada (12–16), Leve (17–21).
Presencia de factores de riesgo: Diabetes, HTA, Dislipidemia, Obesidad, Tabaquismo, ECV, Depresión o uso de ciertos medicamentos.	Examen Físico Básico: Evaluación cardiovascular, neurológica y genital.

La DE puede ser el primer signo de enfermedad cardiovascular subyacente, haciendo su detección temprana en atención primaria crucial para intervenir factores de riesgo modificables. El tratamiento combina el abordaje psicológico (clave para la ansiedad de desempeño y adherencia) con el farmacológico (inhibidores de la fosfodiesterasa tipo 5, PDE5i, como primera línea) [Dewitte et al., 2021; Burnett et al., 2018].

---

2. El Desafío Digital: IA como Facilitador de la Salud Sexual

El estigma de la salud sexual, a menudo derivado de la histórica relación entre sexualidad y tabúes religiosos, fomenta la vergüenza, lo que dificulta el diagnóstico y tratamiento [Calabrò, 2019]. Ante la reticencia a consultar, los pacientes buscan el anonimato y la inmediatez en la esfera digital.

2.1 El Fenómeno «Dr. Google» y la Infodemiología

Muchos pacientes recurren a redes sociales y herramientas de IA generativa como ChatGPT para obtener apoyo y respuestas iniciales sobre DE [Fode et al., 2021; Razdan et al., 2024]. Las redes se han convertido en la primera fuente de consulta en salud, un fenómeno conocido como «Dr. Google» [Gualtieri, 2009].

Sin embargo, esta tendencia conlleva riesgos significativos, reflejando la «infodemiología» [Eysenbach, 2002]:

• Desinformación: Estudios indican que hasta el 28% de los videos sobre DE en plataformas como YouTube contienen desinformación directa, y la mayoría carece de criterios de calidad para la educación en salud [Fode et al., 2020].
• Riesgos: La información errónea genera interpretaciones falsas, ansiedad y decisiones médicas inapropiadas [Gualtieri, 2009].

Es crucial que profesionales y plataformas colaboren para identificar y promover fuentes creíbles que cumplan con criterios de transparencia y evidencia científica [Kington et al., 2021]. El profesional debe abordar la información que el paciente ha obtenido en línea para corregir posibles malentendidos [Gualtieri, 2009].

2.2 La Delegación de la Empatía en la Medicina

La Empatía Artificial (EA) se refiere a la capacidad de los sistemas de IA de implementar características asociadas a la empatía [Schaich Borg & Read, 2024]. Aunque los Grandes Modelos de Lenguaje (LLM) carecen de la empatía humana intrínseca [Sorin et al., 2024], los chatbots médicos han demostrado ser efectivos para generar una sensación de apoyo en contextos sensibles como la DE [Seitz, 2024].

La EA ofrece un entorno anónimo y sin prejuicios para la consulta inicial y la recolección de información. Sin embargo, en un contexto donde la carga administrativa y el uso de Registros Electrónicos (EMR) han erosionado el tiempo dedicado al paciente [Verghese et al., 2018; Topol, 2023], surge la preocupación de si la humanidad está delegando inadvertidamente la empatía en la atención médica.

Pese a que la IA es percibida como menos empática que los humanos [Liu et al., 2024] y sus expresiones emocionales pueden sonar inauténticas o crear una «ilusión de empatía» [Seitz, 2024], su valor real no reside en sustituirla. El potencial de la IA es liberar al médico del trabajo operativo (el «regalo del tiempo»), permitiéndole rehumanizar la atención y ejercer una escucha auténtica. La IA debe ser un facilitador de la empatía humana, no su sustituto [Topol, 2023].

---

3. La Inteligencia Artificial en el Diagnóstico y la Urología de Precisión

La DE es una condición subdiagnosticada debido a la renuencia del paciente (estigma) y la sobrecarga cognitiva del clínico [StatPearls; Dewitte et al., 2021]. La IA aborda estas causas de error médico de manera directa.

3.1 Diagnóstico Temprano, Prevención de Errores y Gestión de Datos

La IA permite diagnósticos más tempranos y precisos de DE, no solo como una condición aislada, sino como un síntoma centinela de patologías como la enfermedad cardiovascular.

• Detección Proactiva: Los algoritmos de machine learning analizan grandes datasets de la historia clínica para correlacionar instantáneamente indicadores de riesgo (como la grasa corporal relativa, RFM) con la prevalencia de DE, alertando al médico para un cribado proactivo que podría pasarse por alto en una consulta rutinaria [Feng et al., 2024; Petrov, 2025; Villanueva−Meyer, 2024].
• Reducción de Sobrecarga: Los chatbots pueden manejar la anamnesis sexual confidencial mediante cuestionarios [Razdan et al., 2024], superando la incomodidad de la comunicación inicial [Calabrò, 2019]. Esto proporciona al médico datos estructurados, reduciendo la sobrecarga cognitiva y permitiendo enfocar los 20 minutos de consulta en el abordaje psicosocial y la toma de decisiones.
• Optimización de Costos: La IA impulsa la interoperabilidad y estandarización de datos (Historia Clínica Electrónica, laboratorio, radiología). Esta gestión unificada previene estudios diagnósticos duplicados y costosos, optimizando los recursos sanitarios.

3.2 Individualización del Tratamiento y Urología de 360 Grados

La IA está transformando el manejo clínico hacia la Urología y Sexología de Precisión al individualizar los tratamientos de DE [Wang & Zhang, 2024].

• Tratamiento Personalizado: La IA integra el análisis de datos OMICS (genómica, proteómica) con los Determinantes Sociales de Salud (DSS). Los algoritmos clusterizan pacientes en subgrupos con respuestas específicas a terapias, optimizando dosis, prediciendo fármaco-cinética y previniendo interacciones medicamentosas.
• Gemelos Digitales: La creación de «gemelos digitales» permite simular la respuesta del paciente a procedimientos in silico, garantizando la selección de la intervención más eficaz antes de su realización real [Lee et al., 2025].

Desde una perspectiva operativa, los algoritmos predictivos optimizan procesos quirúrgicos, estimando con precisión la duración de la estancia hospitalaria. Esto facilita la asignación de camas y la planificación de egresos tempranos, impactando directamente en la eficiencia operativa y la rentabilidad del ambiente hospitalario [Patel & Smith, 2024].

3.3 El Modelo de Plataforma en la Urología de 360 Grados

La DE, con millones de pacientes a nivel global, requiere una transformación digital profunda [Xiong et al., 2022]. Las plataformas de atención médica son el catalizador, trascendiendo sus roles originales para convertirse en intermediarios esenciales y multifuncionales que actúan como pagadores, proveedores y gestores de datos simultáneamente [Kanter, Gaynor, 2025].

Esta conglomeración de servicios otorga a las plataformas un vasto poder que se aplica estratégicamente en el manejo de la DE, estableciendo la Urología de 360 grados:

• Ecosistema Unificado: La plataforma es un ecosistema que facilita la construcción de datasets rigurosos [Xiong et al., 2022]. Estos combinan información clínica, genómica (bioinformática) y datos real-world (teleconsultas, apps y redes sociales).
• Potencia Unificadora: La estructura unifica la provisión de diagnóstico (telemedicina), la dispensación (gestión de PBM) y el análisis masivo de datos. Es vital para la detección de desviaciones (outliers), la señalización temprana y el seguimiento predictivo de cohortes.

La plataforma se convierte en el mecanismo principal para la elaboración de modelos de predicción y categorización precisos sobre la función eréctil post-tratamiento [Xiong et al., 2022], superando la reticencia del paciente mediante un acceso unificado y anónimo que centraliza la prevención y el manejo personalizado.

3.4 La Paradoja Organizacional de la IA Generativa (GenAI)

A pesar del potencial tecnológico, la adopción exitosa de la IA enfrenta barreras humanas:

• Fallo Organizacional: El 95% de las implementaciones de GenAI fracasan debido a problemas organizacionales, no técnicos [Snyder, 2025]. Las empresas evitan la «fricción necesaria» para que los sistemas realmente aprendan y se adapten, prefiriendo soluciones superficiales.
• Brecha de Aprendizaje y Sombra: Los sistemas corporativos de GenAI no aprenden ni se adaptan con el tiempo («brecha de aprendizaje») [Snyder, 2025]. Mientras el 90% de los empleados utiliza herramientas personales de IA, solo el 40% de las empresas mantiene suscripciones oficiales («economía de IA en las sombras»).
• Estrategia de Inversión: Las organizaciones exitosas (5%) compran soluciones externas especializadas (67% de éxito) en lugar de construir internamente. Además, el 70% de la inversión se concentra en el front office, cuando el mayor ROI está en el back office [Snyder, 2025].

Un hallazgo crucial de 2025 es que la terapia y el acompañamiento se han convertido en el caso de uso número uno de GenAI [Zao-Sanders, 2025]. Esta evolución hacia usos más emocionales y personales refleja una maduración en la relación humano-IA. Los LLMs ya demuestran potencial como asistentes para la Terapia Cognitivo-Conductual (TCC), identificando y reformulando pensamientos poco útiles, complementando a terapeutas humanos con intervenciones personalizadas para la ansiedad [Snyder, 2025].

---

4. Conclusiones y Plan de Acción

La Inteligencia Artificial se ha consolidado como una oportunidad fundamental para transformar el abordaje de la Disfunción Eréctil, superando las históricas barreras de comunicación y diagnóstico. La IA rompe el paradigma de «cómo diagnosticarla si el paciente no lo menciona y el médico no lo pregunta» [Calabrò, 2019], pues herramientas como chatbots pueden iniciar conversaciones íntimas con «precisión mejorada,» haciendo la salud sexual menos tabú [Razdan et al., 2024].

4.1 Reflexiones Finales

El clínico no debe delegar la interacción humana final, sino utilizar el tiempo ganado por la IA para profundizar en los aspectos psicosociales complejos, clave en el manejo de la DE [Dewitte et al., 2021]. La IA opera como soporte al razonamiento médico y Extended Thinking al:

1. Diagnosticar: Correlaciona factores de riesgo complejos (ej. exceso de grasa corporal, RFM) con la prevalencia de DE, permitiendo diagnósticos más tempranos y precisos [Feng et al., 2024].
2. Tratar: Impulsa la Sexología de Precisión al personalizar tratamientos mediante el análisis de OMICS y DSS (para clusterizar pacientes), predecir la fármaco-cinética, y utilizar gemelos digitales para simular resultados de tratamientos (in silico), elevando la calidad de la decisión clínica [Lee et al., 2025; Wang & Zhang, 2024].

La IA simplifica la vida del médico al automatizar tareas operativas [Patel & Smith, 2024], transformando el rol del profesional de la salud de un gestor de datos a un experto en toma de decisiones asistido por tecnología.

4.2 Plan de Acción

Se propone la redacción de un proyecto centrado en la Urología de 360 grados que incorpore:

• Problema Central: La Disfunción Eréctil como problema de salud pública y su baja tasa de diagnóstico.
• Uso de Analítica de Datos:
  • Construcción de datasets y bases de datos unificadas.
  • Uso de herramientas de visualización para torres de control y tableros de seguimiento.
  • Aplicación de técnicas de clustering, detección de patrones ocultos y detección de desviaciones (outliers).
  • Desarrollo de modelos de predicción y categorización para la prevención, diagnóstico temprano y seguimiento de cohortes.
• Capacitación: Entrenamiento en Bioinformática y Medicina Computacional para el personal de salud.
• Tecnología: Uso de plataformas, apps y redes sociales como un ecosistema.
• Resultado Final: Implementación de IA analítica y generativa para optimizar flujos de trabajo y soportar la toma de decisiones médicas en la predicción, prevención y diagnóstico de la disfunción eréctil.

Bibliografia

• Burnett AL, Nehra A, Breau RH, et al. Erectile Dysfunction: AUA Guideline. J Urol. 2018;200(3):633-641.

• Calabrò, R. S. (2019). When Healthcare Providers do not Ask, Patients Rarely Tell: The Importance of Sexual Counselling in Multiple Sclerosis.
• Davenport R, Mills J, McHardy H, et al. «No doctor ever asked me… so I thought it wasn’t a valid concern»: endometriosis patients’ perspectives of barriers and facilitators to sexual health communication in general practice. J Sex Med. 2025;22(1):26-35.
• Dewitte M, Bettocchi C, Carvalho J, et al. A Psychosocial Approach to Erectile Dysfunction: Position Statements from the European Society of Sexual Medicine (ESSM). Sex Med. 2021;9(6):100434.
• Dyer K, das Nair R. Why Don’t Healthcare Professionals Talk About Sex? A Systematic Review of Recent Qualitative Studies Conducted in the United Kingdom. J Sex Med. 2013;10(11):2658-2670.
• Erectile Dysfunction. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2022.
• Eysenbach, G. (2002). Infodemiology: The Epidemiology of (Mis)information. American Journal of Medicine.
• Feng X, Ji N, Zhang B, et al. Association of relative fat mass with prevalence of erectile dysfunction in US men: an analysis of NHANES 2001-2004. IJIR: Your Sexual Medicine Journal. 2024.
• Fode, M., Nolsøe, A. B., Jacobsen, F. M., et al. (2020). Quality of Information in YouTube Videos on Erectile Dysfunction. The Journal of Sexual Medicine, 8(3), 408-413.
• General Medical Council. Good Medical Practice. General Medical Council; 2024.
• Gualtieri, L. (2009). The Doctor as the Second Opinion and the Internet as the First. Proceedings of the 2009 ITI Conference.
• Hernández, R., Fernández, C., & Baptista, M. (2014). Metodología de la investigación. McGraw-Hill Interamericana.
• Kanter, J., & Gaynor, M. (2025). The Rise of Health Care Platforms. JAMA: The Journal of the American Medical Association.

• Kelder I, Sneijder P, Klarenbeek A, et al. Communication practices in conversations about sexual health in medical healthcare settings: A systematic review. Patient Educ Couns. 2022;105(3):858-868.
• Kington, R. S., Arnesen, S., Chou, W. Y. S., Curry, S. J., Lazer, D., & Villarruel, A. M. (2021). Identifying Credible Sources of Health Information in Social Media. National Academy of Medicine Discussion Paper
• Lee, S. K., et al. (2025). Digital Twins in Personalized Medicine: Predictive Modeling of Drug Efficacy and Safety. Journal of Medical Systems.
• Liu, T., Giorgi, S., Aich, A., Lahnala, A., Curtis, B., Ungar, L., & Sedoc, J. (2024). The Illusion of Empathy: How AI Chatbots Shape Conversation Perception. arXiv.
• Minichiello, V., Rahman, S., Dune, T., Scott, J., & Dowsett, G. (2013). E-health: potential benefits and challenges in providing and accessing sexual health services. BMC Public Health, 13, 790.

• Paraskevi-Sofia K. et al. (2020). E-Sexual health: A position statement of the European society for sexual medicine.
• Patel, A., & Smith, J. (2024). AI-Driven Bed Management: Optimizing Hospital Throughput and Reducing Readmission Rates. Health Informatics Journal.
• Petrov, V. (2025). El Rol de la IA en la Medicina Moderna: Impactos, Beneficios y Retos. Veselin. Recuperado de https://veselin.es/el-rol-ia-medicina-moderna/

• Razdan, S. et al. (2024). Assessing ChatGPT’s ability to answer questions pertaining to erectile dysfunction: can our patients trust it?.
• Schaich Borg, J., & Read, H. (2024). What Is Required for Empathic AI? It Depends, and Why That Matters for AI Developers and Users. arXiv.
• Seitz, L. (2024). Artificial empathy in healthcare chatbots: Does it feel authentic? Computers in Human Behavior: Artificial Humans, 2, 100067.
• Snyder, J. (2025). MIT finds 95% of GenAI pilots fail because companies avoid friction. Forbes.  https://www.forbes.com/sites/jasonsnyder/2025/08/26/mit-finds-95-of-genai-pilots-fail-because-companies-avoid-friction/

• Sorin, V., Brin, D., Barash, Y., Konen, E., Charney, A., Nadkarni, G., & Klang, E. (2024). Large Language Models and Empathy: Systematic Review. Journal of Medical Internet Research, 26, e52597.
• StatPearls. Erectile Dysfunction – StatPearls. NCBI Bookshelf.
• Topol, E. J. (2023). Machines and empathy in medicine. Nature Medicine, 29(9), 2161–2162.

• Verghese, A., Shah, N. H., & Harrington, R. A. (2018). What This Computer Needs Is a Physician Humanism and Artificial Intelligence. JAMA, 319(1), 19–20.
• Villanueva-Meyer, S. (2024). Inteligencia artificial en el diagnóstico y tratamiento médico: Algunas implicaciones para la práctica clínica. Revista Galenus.
• Wang, L., & Zhang, Y. (2024). Integrating OMICS Data and Social Determinants of Health via Machine Learning for Precision Oncology. Nature Medicine.
• Xiong, Y., Zhang, Y., Zhang, F., Wu, C., Qin, F., & Yuan, J. (2022). Applications of artificial intelligence in the diagnosis and prediction of erectile dysfunction: a narrative review. IJIR: Your Sexual Medicine Journal.
• Zhang X, Sherman L, Foster M. Patients’ and providers’ perspectives on sexual health discussion in the United States: A scoping review. Patient Educ Couns. 2020;103(11):2205-2213.
• Zao-Sanders, M. (2025, April 9). How people are really using Gen AI in 2025. Harvard Business Review. https://hbr.org/2025/04/how-people-are-really-using-gen-ai-in-2025