La IA clínica irrumpe en las consultas, y su ritmo de adopción está dejando atrás al sistema de validación

Mientras el médico conversa con el paciente, la IA ya no se limita a organizar la historia clínica en segundo plano: también puede proponer en el momento medicamentos, diagnósticos diferenciales u opciones terapéuticas basándose en la conversación y en los datos del paciente. Este tipo de apoyo a la decisión clínica está pasando de ser una herramienta de búsqueda a formar parte del proceso asistencial, lo que vuelve urgente una pregunta: ¿ha superado la velocidad con la que estos productos entran en las consultas la capacidad de los sistemas de generación de evidencia y supervisión para seguirles el ritmo?

《Nature Medicine》señala que en el mercado estadounidense ya compiten sistemas especializados como Abridge, Atropos Health y OpenEvidence, mientras los médicos también utilizan chatbots de propósito general. El centro de la competencia no es solo quién puede responder preguntas, sino quién logra ocupar la interfaz que los médicos usan con mayor frecuencia; una vez que las recomendaciones aparecen directamente junto a la historia clínica o la pantalla de la consulta, cada búsqueda evitada puede traducirse en una mayor adhesión al producto y una mayor influencia clínica.

Abridge es un ejemplo representativo de esta transformación. La empresa se dio a conocer originalmente por su herramienta ambiental de documentación clínica y posteriormente incorporó funciones de apoyo a la decisión que presentan evidencia contextualizada en la interfaz existente, a partir de la conversación de la consulta, los registros del paciente y fuentes de información que incluyen UpToDate. Los médicos pueden seleccionar preguntas sugeridas por el sistema o introducir las suyas propias. Las respuestas no se incorporan automáticamente a la historia clínica, pero ya se sitúan en el punto más cercano a la toma de decisiones.

Para demostrar que el producto está preparado para entrar en instituciones sanitarias, Abridge afirma haber utilizado más de 1.000 conjuntos de criterios de puntuación elaborados por médicos e incorporado pruebas adversariales con instrucciones perjudiciales, solicitudes de acciones no autorizadas, situaciones discriminatorias e intentos de eludir las restricciones de seguridad. La empresa también asegura haber obtenido una puntuación del 99,5% en una evaluación de seguridad clínica con más de 1.000 casos y haber ampliado el uso de forma gradual mediante pruebas internas, ensayos a pequeña escala con médicos colaboradores y despliegues en departamentos específicos. Sin embargo, estas cifras proceden de la propia empresa, aún no pueden sustituir a los estudios independientes y tampoco responden si la IA reduce los diagnósticos erróneos, mejora los resultados terapéuticos o disminuye los daños a los pacientes.

OpenEvidence, por su parte, ha entrado en el mercado mediante un sistema de preguntas y respuestas sobre literatura médica. Los datos publicados por la empresa sobre el estudio NOHARM abarcan 101 médicos estadounidenses con certificación de especialidad, 45 modelos de lenguaje de gran tamaño, 4 sistemas de IA clínica, 12.747 anotaciones de expertos y 4.249 posibles acciones clínicas; en el grupo del estudio que podía elegir libremente sus herramientas, los médicos utilizaron OpenEvidence en el 22,3% de sus respuestas, frente a un 19,8% combinado para otros chatbots externos de IA. Sin embargo, este estudio comparativo aún no ha sido revisado por pares y los datos fueron difundidos por la empresa mediante un comunicado de prensa; la frecuencia de uso puede reflejar preferencias, pero no demuestra directamente una mayor calidad asistencial.

Las dos empresas también representan vías distintas para generar confianza. Abridge destaca las pruebas en múltiples niveles y la retroalimentación posterior al despliegue, mientras que OpenEvidence lanzó EvidenceGrade, que intenta indicar la calidad de la evidencia en la que se basa cada respuesta conforme al marco GRADE. La primera se centra en si las respuestas superan los controles de seguridad; la segunda, en permitir que los médicos vean la solidez de la evidencia. Sin embargo, aunque cite literatura fiable, el sistema aún puede asociarla incorrectamente con el contexto del paciente, y una buena puntuación fuera de línea tampoco reproduce necesariamente la presión de tiempo, la falta de datos y el sesgo de automatización presentes en consultas con mucha actividad.

Por tanto, la clave de la próxima etapa no consiste en añadir otra cifra atractiva de precisión, sino en establecer evidencia clínica comparable y susceptible de seguimiento continuo: en qué pacientes, especialidades y flujos de trabajo se utiliza el sistema; cómo se detectan y notifican los errores; si es necesaria una nueva validación después de actualizar el modelo; y si, en última instancia, modifica los resultados de los pacientes. La IA clínica ya ha empezado a participar en la selección y presentación de la evidencia; si los métodos de evaluación siguen limitados a escalas definidas por cada empresa, el mercado podría decidir primero qué ven los médicos y la ciencia solo después preguntarse si esas recomendaciones son realmente fiables.