La huella de la IA en los ensayos clínicos está pasando de ser una cuestión de palabras clave a un problema de gobernanza

La entrada de la inteligencia artificial en la medicina suele describirse como una competencia por la precisión de los modelos, la interpretación de imágenes o el diseño de nuevos fármacos. Pero en el terreno de la investigación clínica está emergiendo otra cuestión más básica: cuando un ensayo dice que usa IA, ¿la utiliza para seleccionar pacientes, asistir a médicos, interactuar directamente con pacientes, o aparece solo en la fase de análisis de datos? Estas diferencias no son solo clasificaciones técnicas; también pueden afectar la revisión ética, la comunicación de riesgos y los juicios regulatorios.

Una prepublicación enviada a arXiv en mayo de 2026 intenta trazar esta trayectoria a partir de los datos registrados en ClinicalTrials.gov. El equipo de investigación buscó registros de ensayos clínicos que contenían términos relacionados con la IA, analizó sus cambios en el tiempo y su distribución geográfica, y exploró además cómo se describe la "interacción entre humanos e IA" en los textos de registro. Dado que ClinicalTrials.gov forma parte de la infraestructura de los ensayos clínicos, el foco de este estudio no es demostrar que una IA médica concreta sea eficaz, sino examinar si todo el sistema de registro de ensayos basta para mostrar de qué manera la IA interviene en la clínica.

Según el resumen del artículo, los ensayos relacionados con IA han aumentado de forma marcada en los últimos años, y entre los términos cuya frecuencia ha subido figuran machine learning, deep learning, chatbot, GPT y large language model. Geográficamente, China y Estados Unidos concentran el mayor número de ensayos relacionados con IA, mientras que países como Italia, Francia, España, el Reino Unido y Turquía también muestran un crecimiento reciente. Esta distribución sugiere que la clinicalización de la IA médica no es un fenómeno de un solo mercado, sino que se está incorporando gradualmente a los sistemas de investigación y atención de distintos países.

Una capa especialmente interesante del estudio es que el equipo adoptó un flujo híbrido de "revisión humana más IA generativa" para examinar si en los registros había realmente un uso sustantivo de IA y qué formas adoptaba la interacción entre humanos e IA. En una muestra aleatoria de 100 registros, los clasificadores humanos y de IA mostraron una buena concordancia al identificar registros que "no usaban IA de forma sustantiva"; pero la concordancia fue menor al juzgar los tipos de interacción humano-máquina, especialmente cuando la descripción de si los profesionales sanitarios interactuaban con el sistema de IA era ambigua, lo que facilitaba divergencias en la clasificación.

Este resultado desplaza la cuestión desde "si la IA puede ayudar a leer registros de ensayos" hacia un plano más práctico: muchos registros de ensayos clínicos quizá todavía no usan un lenguaje suficientemente claro para explicar el lugar que ocupa el sistema de IA dentro del proceso. Si un chatbot se dirige directamente a pacientes, y un modelo solo realiza estratificación de riesgos detrás de escena para investigadores, ambos implican formas distintas de monitoreo de seguridad, procedimientos de consentimiento y atribución de responsabilidades. Si los datos de registro se redactan de forma general, las revisiones sistemáticas posteriores, las auditorías regulatorias y la comprensión pública se verán debilitadas.

Conviene ser prudentes: sigue siendo una prepublicación y aún no ha pasado por revisión por pares; la información disponible actualmente procede principalmente del resumen del artículo, no de una verificación externa completa. Lo que analiza son los términos y descripciones presentes en los textos de registro, lo que no equivale a evaluar la eficacia clínica, la seguridad o la calidad real de implementación de cada intervención de IA. Las búsquedas por palabras clave también pueden omitir estudios que no usan vocabulario estándar de IA, o incluir registros que solo emplean términos de moda de manera laxa.

Aun así, este análisis plantea una cuestión concreta y urgente para la IA biomédica: el registro de ensayos clínicos no es solo un formulario administrativo, sino una puerta de entrada para que la sociedad comprenda la innovación médica. Cuando la IA empieza a aparecer entre el reclutamiento, el diagnóstico, las recomendaciones terapéuticas, la comunicación con pacientes y el análisis de investigación, los registros de ensayos deben señalar con mayor precisión el papel del modelo, el contexto de uso, la forma de supervisión humana y los sujetos de la interacción. De lo contrario, el crecimiento de la IA en la investigación clínica será visible primero en cantidad, pero no necesariamente comprendido con suficiente claridad.