✨︎ Resumen (TL;DR):
- Hospitales incorporan IA para alertar sobre sepsis, resumir expedientes, redactar notas y estimar riesgos.
- Una revisión de 43 algoritmos halló que solo 12, el 28 %, alcanzaron aproximadamente la mitad de la puntuación máxima disponible.
- La evidencia todavía no demuestra que estas herramientas mejoren de forma consistente los resultados de los pacientes.
Hospitales ya incorporan herramientas de IA médica para alertar sobre sepsis, resumir expedientes, redactar notas y estimar riesgos, pero revisiones y un reportaje de Financial Times muestran que todavía no existe evidencia independiente suficiente de que esas aplicaciones mejoren los resultados de los pacientes.
La IA médica es una tecnología que analiza información clínica para generar alertas, resumir expedientes, redactar notas y estimar riesgos. Que una herramienta cumpla una tarea no demuestra, por sí sola, que su uso produzca mejores resultados en un hospital.
Una alerta frecuente puede borrar la señal importante
Durante su residencia en Michigan, la médica Kayla Secrest trabajó con un algoritmo que revisaba los expedientes cada 15 minutos. El sistema enviaba notificaciones cuando detectaba señales de sepsis, una respuesta extrema del organismo ante una infección.
Las alertas aparecían con tanta frecuencia que Secrest y sus colegas dejaron de reaccionar con la misma urgencia. Según el reportaje de Financial Times, el sistema llegó a cientos de hospitales sin una evaluación extensa en las condiciones impredecibles de una sala o un servicio de urgencias.
El caso no demuestra que todas las herramientas para detectar sepsis fallen. Sí muestra cómo una alerta mal calibrada puede modificar el comportamiento del personal médico. La fatiga de alertas es un efecto operativo que aparece cuando las notificaciones se repiten sin aportar suficiente información y una señal relevante puede perderse entre el ruido.
La precisión del modelo no responde por el paciente
Validar un modelo y demostrar eficacia clínica son etapas distintas. La primera mide si el sistema identifica patrones o calcula riesgos con cierta precisión. La segunda exige comprobar si sus resultados cambian decisiones, mejoran tratamientos y producen beneficios que se mantienen en pacientes reales.
Una revisión sistemática publicada en 2024 por JAMA Network Open analizó 43 algoritmos predictivos de machine learning utilizados en atención primaria. Los investigadores encontraron evidencia pública limitada en todas las etapas del ciclo de vida de esas herramientas, desde la preparación de los datos hasta su implementación.
Solo 12 algoritmos, el 28 %, alcanzaron aproximadamente la mitad de la puntuación máxima disponible. La evidencia fue particularmente escasa en la evaluación del impacto y en la preparación de los modelos.
Los algoritmos descritos en publicaciones científicas mostraron una disponibilidad de evidencia mayor que los registrados en bases de la FDA o de la Unión Europea: 45 % frente a 29 %. El análisis incluyó información publicada hasta julio de 2023, por lo que no representa todos los sistemas disponibles en 2026.
La autorización no equivale a beneficio clínico
El AI Index 2026 de Stanford señala que la FDA autorizó 258 dispositivos médicos con IA durante 2025. La mayoría llegó al mercado mediante rutas de modificación de dispositivos existentes, apoyadas en evidencia previa y que no necesariamente requieren nuevos ensayos clínicos aleatorizados.
Entre los dispositivos que sí contaban con estudios clínicos, solo 2.4 % tenía datos que provenían de ensayos aleatorizados. Ese porcentaje no significa que todos los dispositivos autorizados carezcan de pruebas ni que cada herramienta necesite el mismo tipo de ensayo.
La FDA sostiene que los productos incluidos en su lista cumplieron los requisitos precomercialización aplicables. También aclara que los resúmenes públicos no contienen toda la información presentada por los fabricantes.
Una autorización regulatoria y una buena métrica técnica no equivalen, por sí solas, a una mejora comprobada en la salud del paciente.
La IA sí muestra beneficios operativos en ciertos entornos. Stanford recoge reportes de médicos que redujeron hasta 83 % el tiempo dedicado a redactar notas, además de un retorno de inversión de 112 % en un sistema hospitalario. Esos datos justifican investigar más, pero no prueban por sí solos que los pacientes reciban mejor atención.
Los modelos generativos todavía tienen evidencia corta
Una revisión publicada en 2026 por npj Digital Medicine analizó 15 estudios de intervención ya publicados y 40 registros de ensayos clínicos sobre modelos de lenguaje en medicina. Los diseños de colaboración entre profesionales y sistemas de IA fueron los más comunes, lo que muestra que la investigación se concentra en complementar al médico y no en sustituirlo.
Entre los estudios publicados con resultados comparativos, cinco de seis reportaron un mejor desempeño de las intervenciones asistidas por IA. Sin embargo, la mayoría de los ensayos registrados todavía no tenía resultados disponibles. Los investigadores evaluaron 320 resultados y solo ocho correspondían a indicadores fisiológicos o biomarcadores.
Los efectos sobre la eficiencia también fueron inconsistentes. La revisión concluyó que la evidencia clínica sigue en una fase temprana y que todavía es difícil extrapolar los resultados más allá de tareas concretas y periodos cortos.
El paso hacia el trabajo cotidiano ya aparece en los expedientes electrónicos. FomoEra documentó la conexión de ChatGPT for Healthcare con Epic y la consulta de fuentes como PubMed. El despliegue exige permisos institucionales y mantiene las decisiones clínicas bajo responsabilidad humana.
Qué debe probar un sistema antes de escalar
Antes de llevar un modelo a más hospitales, sus responsables deberían responder con datos:
- ¿Funciona con pacientes de otros hospitales, regiones y perfiles demográficos?
- ¿Cuántas falsas alarmas produce y cuántos casos importantes deja pasar?
- ¿Sus alertas cambian decisiones clínicas oportunas y mejoran los resultados de los pacientes?
- ¿Reduce trabajo, costos y tiempos, o añade tareas, interrupciones y documentación?
- ¿Cómo cambia su desempeño después de actualizaciones, modificaciones en los datos o cambios en los protocolos?
- ¿Quién supervisa los sesgos, los errores y las diferencias de rendimiento entre grupos de pacientes?
La evidencia disponible permite sostener una conclusión limitada: la IA médica ya puede aportar utilidad en tareas específicas, sobre todo al reducir la carga documental o asistir en trabajos concretos. Todavía no permite afirmar que su adopción amplia esté mejorando de manera consistente la atención clínica.
Para los hospitales, la prueba pendiente no es sumar más alertas o dashboards. Es demostrar con datos independientes qué decisiones mejora cada sistema, para quién funciona, a qué costo y con qué riesgos.
