Calidad en Salud

12/06/2026

Hace unos días, NBC News publicó una investigación sobre una herramienta de inteligencia artificial que dos tercios de los médicos estadounidenses ya usan para tomar decisiones clínicas.

Nadie los obligó. Nadie se los pidió. Lo adoptaron solos, desde sus teléfonos, en silencio.
Se llama OpenEvidence. Y su historia nos dice algo importante, no solo sobre la IA, sino sobre nosotros.

¿𝗤𝘂𝗲́ 𝗲𝘀 𝗢𝗽𝗲𝗻𝗘𝘃𝗶𝗱𝗲𝗻𝗰𝗲 𝘆 𝗽𝗼𝗿 𝗾𝘂𝗲́ 𝗰𝗿𝗲𝗰𝗶𝗼́ 𝘁𝗮𝗻 𝗿𝗮́𝗽𝗶𝗱𝗼?

Es un motor de búsqueda médica potenciado por inteligencia artificial. Tiene acceso licenciado al texto completo de las revistas más importantes del mundo: NEJM, JAMA, guías del American Diabetes Association, del National Comprehensive Cancer Network. Un médico puede escribir en lenguaje natural: "¿Cuál es el antibiótico preferido para un paciente aspléctico con fiebre?" y recibir una respuesta con referencias directas a la evidencia, en segundos.

Es gratis. Funciona en el teléfono. Allá requiere credenciales médicas verificadas para acceder.
Según la propia empresa, en abril de 2026 estuvo presente en 27 millones de encuentros clínicos.

Alrededor de 650,000 médicos en EE.UU. lo usan activamente. Su valoración pasó de 1.000 millones de dólares a 12.000 millones en poco más de un año, respaldada por Sequoia Capital, Google Ventures, Andreessen Horowitz y Nvidia.

Los médicos entrevistados por NBC News lo describen como particularmente útil para consultas fuera del área de especialidad propia: el cirujano que necesita confirmar si puede suspender un antihipertensivo antes de operar, el médico rural que duda entre una radiografía y un TAC para una fractura vertebral, el especialista que recuerda vagamente un detalle de farmacología que no practica todos los días.

"Su crecimiento ha sido exponencial", dice un médico de Harvard que actualmente analiza 90 millones de consultas enviadas a la plataforma desde 2024.

𝗟𝗼 𝗾𝘂𝗲 𝗲𝗹 𝗲𝗻𝘁𝘂𝘀𝗶𝗮𝘀𝗺𝗼 𝗻𝗼 𝗱𝗶𝗰𝗲

No existe a la fecha ningún ensayo clínico aleatorizado que demuestre que OpenEvidence mejora los desenlaces de los pacientes.

Ninguno.

La herramienta obtuvo el 100% en el USMLE, el examen oficial de licenciatura médica en Estados Unidos. Es un logro técnico impresionante. Pero el USMLE evalúa conocimiento estructurado en escenarios controlados. La práctica clínica real es ruido, incertidumbre, comorbilidades, contexto social, sesgos de presentación, urgencia. No son la misma cosa.

Un estudio académico —hay que ser precisos: todavía sin revisión por pares— encontró que OpenEvidence responde correctamente menos del 45% de las preguntas médicas complejas. Los propios médicos entrevistados reportan errores en condiciones poco frecuentes: conclusiones exageradas extraídas de estudios con muestras pequeñas, advertencias de toxicidad sobredimensionadas respecto al riesgo real.

Aquí está la paradoja del médico: Somos la profesión que más exige evidencia.

Pedimos ensayos clínicos, revisiones sistemáticas, nivel de evidencia, tamaño de muestra, seguimiento a largo plazo. Y adoptamos en masa, sin esperar a que la evidencia nos diga si la herramienta hace lo que creemos que hace.
Eso no es un problema de la herramienta. Es un problema de cómo estamos tomando decisiones sobre las herramientas.

El shadow AI: lo que pasa debajo del agua
Hay un concepto que aparece en el reportaje y que me parece honesto hasta el incómodo: el "shadow AI".

Los sistemas de salud regulan y aprueban las tecnologías visibles. Los sistemas de información hospitalarios, los softwares de expediente clínico, los equipos de diagnóstico. Hay comités, procesos de adquisición, validaciones.

Pero mientras tanto, los médicos usan OpenEvidence, ChatGPT, Gemini u otras herramientas en sus dispositivos personales. Con datos de pacientes: edad, s**o, antecedentes, medicamentos. Sin nombres propios, sí, pero con información clínica real. Sin que la institución lo sepa. Sin que pueda auditarlo.

No es maldad. Es urgencia clínica mezclada con herramientas accesibles y una brecha real en los sistemas formales de soporte a la decisión.
Pero el resultado institucional es el mismo: decisiones clínicas parcialmente influenciadas por herramientas no auditadas, no gobernadas, no monitoreadas.

En EE.UU., algunos hospitales ya están respondiendo. Mount Sinai —47,000 empleados— integró OpenEvidence directamente a su expediente electrónico institucional, para traer lo que estaba en la sombra a la superficie. Es una respuesta inteligente: si no puedes detener el uso, mejor gobernarlo.

Lo que más me preocupa: la formación médica
Un médico veterano citado en el reportaje lo dice directamente, y creo que merece repetirse:
"Cuando introduces una herramienta que hace parte de lo que entrenaste durante años, pierdes esas habilidades rápidamente. Y lo estamos introduciendo desde el principio de la formación médica, antes de que los estudiantes hayan desarrollado el criterio para evaluar las respuestas que reciben."

Eso no es adopción tecnológica. Es sustitución de una habilidad que todavía no se ha formado.

Un clínico con quince años de experiencia que usa OpenEvidence para confirmar una duda puntual, contrasta la respuesta con su criterio clínico y decide. Hay un filtro.

Un residente de primer año que usa OpenEvidence para razonar un caso que todavía no tiene capacidad de razonar solo, no está usando una herramienta de apoyo. Está delegando un proceso cognitivo que todavía no le pertenece.

La diferencia no es la herramienta. Es el criterio que la filtra. Y ese criterio no se construye con atajos.

¿𝗬 𝗲𝗻 𝗘𝗰𝘂𝗮𝗱𝗼𝗿 𝘆 𝗔𝗺𝗲́𝗿𝗶𝗰𝗮 𝗟𝗮𝘁𝗶𝗻𝗮?

OpenEvidence no está disponible directamente para algunos. Requiere un número de identificación médica estadounidense —el NPI— para registrarse.

Pero el fenómeno ocurre igualmente.

ChatGPT, Gemini, Copilot y otras herramientas ya están en los bolsillos de los médicos ecuatorianos y latinoamericanos. Sin acceso licenciado a evidencia de calidad. Sin verificación de credenciales. Sin ningún marco institucional. Sin protocolos de uso clínico. Sin discusión en los equipos asistenciales.

Mientras en EE.UU. la conversación ya es "¿cómo gobernamos este uso?", en Ecuador ni hemos llegado formalmente al "¿qué está usando el equipo?"

Esa brecha no es solo de acceso tecnológico. Es de gobernanza institucional. Y es urgente.

𝗟𝗼 𝗾𝘂𝗲 𝘀𝗶́ 𝘀𝗲 𝗽𝘂𝗲𝗱𝗲 𝗱𝗲𝗰𝗶𝗿

La inteligencia artificial tiene un lugar legítimo en la práctica clínica. El potencial para democratizar el acceso a evidencia actualizada, para apoyar decisiones en entornos con baja especialización disponible, para reducir errores en consultas fuera del área de formación propia, es real.

Pero ese lugar necesita ser construido con evidencia sobre su impacto, con marcos institucionales claros, con educación crítica para los profesionales que la usan, y con honestidad sobre lo que todavía no sabemos.

La adopción masiva sin gobernanza no es innovación. Es improvisación con consecuencias potenciales para pacientes reales.
La evidencia no sirve para tener razón. Sirve para cuidar mejor.

Fuente: Perlo, J. (2026, mayo 13). Most U.S. doctors are quietly using this AI tool. Few patients know about it. NBC News. https://www.nbcnews.com/tech/tech-news/openevidence-ai-doctor-medical-physician-login-app-what-npi-uptodate-rcna341064

OpenEvidence, an AI-powered medical search tool, has become a fast friend to America’s doctors and is now used by nearly two-thirds of physicians.

12/06/2026

𝗛𝗮𝘆 𝘂𝗻𝗮 𝗰𝗼𝗻𝘃𝗲𝗿𝘀𝗮𝗰𝗶𝗼́𝗻 𝗾𝘂𝗲 𝗹𝗼𝘀 𝗺𝗲́𝗱𝗶𝗰𝗼𝘀 𝗻𝗼 𝗲𝘀𝘁𝗮𝗺𝗼𝘀 𝘁𝗲𝗻𝗶𝗲𝗻𝗱𝗼 𝗰𝗼𝗻 𝗹𝗼𝘀 𝗽𝗮𝗱𝗿𝗲𝘀.

Cada control pediátrico, cada consulta de crecimiento y desarrollo, preguntamos lo mismo: "¿cuántas horas duerme el niño?" Ocho. Siete. Nueve. Calculamos si alcanza. Si no alcanza, explicamos la importancia del sueño. Damos el consejo estándar. Registramos en la historia clínica. Seguimos.

Nadie pregunta: "¿a qué hora se acuesta?"
Y resulta que esa es la pregunta que más importa.

𝗟𝗼 𝗾𝘂𝗲 𝗱𝗶𝗰𝗲 𝗹𝗮 𝗲𝘃𝗶𝗱𝗲𝗻𝗰𝗶𝗮

Un estudio de cohorte japonés publicado en Scientific Reports en 2023, con casi 4.400 niños seguidos desde los 3 años hasta el primer grado, encontró algo que debería estar pegado en cada consultorio pediátrico: la hora de acostarse predijo de forma independiente el rendimiento académico y las habilidades no cognitivas en la escuela. La duración total del sueño no fue predictor significativo cuando se controló el horario.

Los números son concretos: niños que se acostaban entre las 6 y las 8 de la noche obtuvieron una media de 71.2 puntos en lenguaje. Los que se acostaban después de las 11 de la noche, 62.5 puntos. Una diferencia de casi 9 puntos que no se explica por las horas dormidas. Se explica por cuándo duermen.

El mismo estudio encontró que los horarios tardíos se asociaron con menor diligencia: esa combinación de motivación, persistencia y autorregulación que los maestros saben leer antes de que el niño abra la boca en clase.

El Estudio Milenio del Reino Unido, que siguió a más de 11.000 niños, confirmó la dirección: los horarios irregulares de sueño a los 3 años se asociaron con menor rendimiento en lectura, matemáticas y habilidades espaciales a los 7 años. Los efectos eran acumulativos: cuanto más persistía la irregularidad, más pronunciada era la diferencia.

¿𝗣𝗼𝗿 𝗾𝘂𝗲́ 𝗶𝗺𝗽𝗼𝗿𝘁𝗮 𝗰𝘂𝗮́𝗻𝗱𝗼, 𝘆 𝗻𝗼 𝘀𝗼𝗹𝗼 𝗰𝘂𝗮́𝗻𝘁𝗼?

La neurobiología tiene una respuesta que no necesita traducción poética.

El sueño REM coincide con ventanas críticas de plasticidad cortical. El cerebro infantil no solo descansa por la noche. Consolida, poda conexiones innecesarias, construye arquitectura neuronal. Y lo hace en ciclos biológicamente sincronizados con la oscuridad y la temperatura circadiana — no con el horario laboral de los adultos de la casa.

Un estudio publicado en Sleep (2021), que combinó neuroimagen estructural con actigrafía objetiva en 225 participantes de 9 a 25 años, encontró que los horarios tardíos se asociaron con corteza cerebral más delgada y volúmenes subcorticales alterados. Los efectos no eran uniformes: eran más pronunciados en la infancia tardía y la adolescencia temprana.

Hay ventanas. Y cuando se cierran, no se negocian con suplementos ni con recuperación de fin de semana.

𝗘𝗹 𝗰𝗼𝗻𝘁𝗲𝘅𝘁𝗼 𝗾𝘂𝗲 𝗻𝗮𝗱𝗶𝗲 𝗾𝘂𝗶𝗲𝗿𝗲 𝗻𝗼𝗺𝗯𝗿𝗮𝗿

En Ecuador y en la mayor parte de América Latina, los niños se acuestan tarde. No por negligencia. Por estructura.

Los padres llegan del trabajo a las 7 u 8 de la noche. La comida familiar es a las 9. La televisión está encendida. El niño acompaña porque así funciona la dinámica familiar, porque así nos criaron a nosotros, y porque nadie en el sistema de salud nos preguntó nunca, con claridad, a qué hora se acuesta el niño y por qué eso importa más que las horas que duerme.

Esa es la intervención pendiente. No costosa. No tecnológica. No compleja.

Cambiar una pregunta en la consulta de crecimiento y desarrollo no requiere presupuesto extraordinario. Requiere entender que la evidencia señala una variable que hemos estado ignorando sistemáticamente.

𝗟𝗼 𝗾𝘂𝗲 𝗹𝗮 𝗲𝘃𝗶𝗱𝗲𝗻𝗰𝗶𝗮 𝗻𝗼 𝗱𝗶𝗰𝗲

Los estudios son de poblaciones japonesas, islandesas y británicas. La extrapolación directa a nuestro contexto requiere honestidad. No existen datos locales equivalentes — esa es una brecha real, no una excusa para ignorar la biología.

Y la evidencia no culpa a los padres. Señala al sistema que no les hace la pregunta correcta, que no les informa con precisión, y que no genera las condiciones estructurales para que puedan actuar diferente.

Un padre con dos empleos, turnos rotativos y una casa de dos habitaciones para cinco personas no puede optimizar horarios de sueño igual que un hogar con margen. Eso también es parte de la conversación que el sistema de salud no está teniendo.

La evidencia no sirve para tener razón.

Sirve para hacer mejores preguntas en el momento correcto.

La próxima vez que estés en una consulta pediátrica — como médico, como padre, como persona — pregunta: ¿a qué hora se acuesta?

Puede ser la pregunta más importante de esa consulta.

Fuentes: Nishiyama et al., Scientific Reports, 2023 · Kelly et al., J Epidemiol Community Health, 2013 · Jalbrzikowski et al., Sleep, 2021 · Astill et al., Psychological Bulletin, 2012
Hashtags sugeridos:

08/06/2026

🔬 Mi experiencia en INDOT me trajo muchos datos y los pudimos publicar. Y los datos merecen una conversación honesta.

Entre 2010 y 2022, el Ecuador registró 6.523 personas en lista de espera para trasplante de órganos y tejidos. Un equipo de investigadores del INDOT, INABIO, Universidad Internacional SEK, Universidad de Chile y Universidad de Barcelona analizó esos datos con un objetivo concreto: entender quién espera, cuánto espera, dónde vive y qué le pasa mientras espera.

Fui parte de ese equipo. Y hay cifras que no puedo dejar pasar sin contexto.

📌 Lo que encontramos

La distribución de la lista fue la siguiente:
Córnea: 59% (el tejido más solicitado y más trasplantado)
Riñón: 35,7%
Hígado: 4,9%
Corazón: 0,3%
Pulmón: 0,06%

La tasa de trasplante exitoso dentro del primer año varía enormemente: 72,7% para corazón, 58,5% para hígado, 54,5% para córnea... y 31,5% para riñón.

⚠️ El dato que más duele

El 21,3% de las personas en lista de espera para órgano sólido murió antes de recibir el trasplante.
Para hígado, esa cifra llega al 37,9%.

En contraste, la mortalidad postrasplante fue del 0,1%.

El trasplante funciona cuando llega. El problema es que no siempre llega.

🗺️ El problema tiene nombre: concentración geográfica

El 90,3% de los pacientes en lista de espera vive en zonas urbanas. No porque la enfermedad renal crónica, la patología corneal o la hepatopatía respeten la geografía — sino porque el sistema de referencia, evaluación e inscripción en lista no alcanza las zonas rurales.

Todos los programas activos están concentrados en tres ciudades: Quito, Guayaquil y Cuenca.

Las comunidades indígenas y rurales, que ya cargan con mayores niveles de malnutrición y menor acceso a atención especializada, están prácticamente ausentes de las estadísticas de trasplante. No porque no necesiten — sino porque el sistema no llega donde ellos están.

🧬 Las diferencias por s**o también importan
Las mujeres representan la mayoría en las listas de riñón (61%) e hígado (57%), posiblemente asociado a mayor prevalencia de lupus, nefropatía diabética y hepatopatía autoinmune.

Los hombres predominan en córnea (72,3%) y corazón (72,7%), en línea con los patrones conocidos de cardiopatía isquémica y factores de riesgo cardiovascular diferenciados.

Entender estas distribuciones es condición para diseñar estrategias de captación, referencia y asignación que sean justas — no solo eficientes.

🦠 COVID-19 también golpeó aquí
La demanda máxima se registró entre 2016 y 2018. A partir de 2020, se observó una caída sostenida en todos los programas. La pandemia no solo afectó la procuración de órganos — interrumpió rutas de derivación, suspendió cirugías programadas y restó capacidad de UCI para sostener donantes.

Ecuador no fue la excepción. Argentina, Colombia y la mayoría de Latinoamérica registraron el mismo fenómeno.

💡 ¿Qué dice esto para quienes trabajamos en gestión y calidad?

Que el problema no está en el quirófano. Está antes.

Está en el proceso de identificación del donante potencial.

Está en la referencia a tiempo del paciente candidato.

Está en las barreras burocráticas que impiden que el médico rural derive.

Está en la falta de programas activos fuera de las tres ciudades principales.

Está en que solo el 4% de pacientes en diálisis está inscrito en lista de espera para trasplante renal.

La mortalidad en lista de espera no es un problema de cirugía. Es un problema de sistema.

📖 Fuente: Romero-Alvarez D, Velasteguí-Peñafiel E, Castillo ME, Ortiz F, Gutiérrez-Espinoza H, Baroja I, Bastidas-Caldes C. Current status and geographic inequities in solid organ and corneal transplantation in Ecuador (2010–2022). PeerJ 14:e21282 (2026). DOI: 10.7717/peerj.21282

06/06/2026

La pregunta que nadie debería haberse tardado tanto en hacer

Hay un debate que lleva años girando en círculos en el mundo de la salud digital: ¿la inteligencia artificial va a reemplazar al médico?

Seguíamos esperando que alguien proponga una pregunta mejor.

Un estudio publicado esta semana en Nature Health ofrece, desde la economía de la salud, exactamente eso.

Qué hicieron los investigadores

El equipo de Wang, Han y colaboradores construyó un análisis de costo-efectividad sobre un programa real de tamizaje de retinopatía diabética en China. No se limitaron a preguntar si la IA funciona: evaluaron cómo funciona mejor cuando se estructura la colaboración con el médico.

Analizaron ocho estrategias basadas en IA, distribuidas en 270 escenarios posibles de colaboración humano-IA. El modelo se construyó con datos reales del programa nacional chino y se procesó con TreeAge Pro, la herramienta estándar para evaluaciones económicas en salud.

Qué encontraron

De todas las estrategias evaluadas, la más costo-efectiva no fue la IA autónoma, ni el médico solo, ni la IA usada como simple filtro de triaje.
Fue la estrategia "copiloto": médico e IA operando en colaboración activa, maximizando la detección de casos y habilitando intervención oportuna.

El modelo proyecta que esa estrategia en tamizaje anual generaría, por cada 100.000 personas con diabetes:

→ Ahorro de US$1,32 millones en costos
→ Ganancia de 14,73 años de vida ajustados por calidad (QALYs) a lo largo de la vida
→ Beneficio neto monetario equivalente a US$1,88 millones comparado con el status quo

Los autores concluyen que los hallazgos demuestran el papel indispensable de la participación humana para maximizar beneficios clínicos y costo-efectividad en aplicaciones médicas impulsadas por IA.

Lo que este estudio puede decir y lo que no

Un punto que cualquier lector crítico debe tener claro antes de continuar.

Esto es un análisis de costo-efectividad basado en modelo de decisión analítico. No es un ensayo clínico aleatorizado. El modelo proyecta resultados usando supuestos sobre probabilidades clínicas, costos y utilidades —todos tomados del contexto chino, con su sistema de salud, su epidemiología y su estructura de costos propios.

Los números exactos no son transferibles directamente a Ecuador.

Lo que sí es transferible es la dirección del hallazgo y su implicación estructural: cuando se diseña bien la colaboración entre IA y médico, se obtienen mejores resultados —clínicos y económicos— que con cualquiera de los dos actuando solos.

Por qué esto importa en Ecuador

La diabetes es la segunda causa de muerte en el país. La retinopatía diabética —complicación prevenible si se detecta a tiempo— sigue siendo una de las principales causas de discapacidad visual en adultos económicamente activos.

¿Cuántos pacientes diabéticos en el IESS, en las unidades del MSP, en las áreas rurales, tienen acceso a tamizaje ocular sistemático?

La respuesta honesta la tienen los que están en el componente operativo. Y cuando existe, es fragmentado, discontinuo, dependiente de la disponibilidad del oftalmólogo y de la voluntad institucional del momento.

Ahora bien: cuando Ecuador decida integrar IA en el tamizaje —y lo hará (espero), porque hay muchas brechas que cubrir—, lo primero que va a ocurrir es que alguien va a comprar una plataforma. Después va a intentar justificar esa compra mostrando que "el sistema detecta". Y en algún punto, alguien va a preguntar si el médico todavía es necesario.

Este estudio, con toda la calibración metodológica que merece, dice que sí.

Pero agrega algo más importante: que la pregunta no es si el médico es necesario. La pregunta es cómo se diseña la colaboración. Y esa pregunta no la responde ninguna empresa de tecnología.
Las preguntas que deberían hacerse los tomadores de decisiones

No: "¿Qué sistema compramos?"
Sino:
¿Qué protocolo de colaboración vamos a implementar?
¿Cómo se integra el criterio médico con la lectura algorítmica?
¿Quién tiene la decisión final cuando IA y médico discrepan?
¿Qué pasa con los falsos negativos? ¿Quién responde?
¿Quién va a ser el copiloto cuando la consulta médica dura siete minutos y el sistema no tiene personal suficiente para revisar los resultados?

Esas preguntas no las responde ninguna plataforma.

Las responde la gestión institucional. La auditoría médica. El diseño de procesos. El liderazgo clínico. La política de salud pública.

La IA no va a salvar el sistema de salud ecuatoriano.

Pero el sistema de salud ecuatoriano podría, con buena evidencia y mejores decisiones, usar la IA para salvar la visión de personas que hoy no tienen acceso a un oftalmólogo porque viven a cuatro horas de Quito y el turno tarda seis meses.

Eso no es tecnología. Es política de salud.

Y la política de salud necesita evidencia. No euforia.

Fuente: Wang Y, Han X, Hu W, et al. Cost-effectiveness analysis of human–AI collaboration in disease screening. Nature Health. 5 de junio de 2026. DOI: 10.1038/s44360-026-00142-w
🏷️ Hashtags

27/05/2026

𝗖𝘂𝗮𝗻𝗱𝗼 𝗹𝗮 𝗜𝗔 𝘁𝗲 𝗮𝘆𝘂𝗱𝗮 𝘁𝗮𝗻𝘁𝗼 𝗾𝘂𝗲 𝗱𝗲𝗷𝗮 𝗱𝗲 𝗮𝘆𝘂𝗱𝗮𝗿𝘁𝗲

Hay un estudio que me quedó dando vueltas esta semana.

Diecinueve endoscopistas polacos usaron un sistema de IA para detectar pólipos de colon durante tres meses. Luego lo apagaron. Y su rendimiento no solo bajó: cayó por debajo de lo que eran antes de usar la herramienta.

No porque el sistema fallara. Porque ellos se habían acostumbrado a él.

Eso tiene nombre técnico: deskilling. La erosión de una habilidad que ya existía porque una herramienta empezó a ejercerla por ti.

Pero hay algo más preocupante que perder lo que tenías.

Es no desarrollar lo que necesitabas.

𝗟𝗮 𝘁𝗮𝘅𝗼𝗻𝗼𝗺𝗶́𝗮 𝗱𝗲𝗹 𝗿𝗶𝗲𝘀𝗴𝗼

Dos publicaciones recientes —una en The Lancet, otra en Nature Medicine— describen tres fenómenos distintos que la IA puede generar en el médico:

🔹 Deskilling: El médico experimentado que pierde destreza por delegar en IA lo que antes hacía solo.

🔹 Mis-skilling: El médico que aprende mal porque la IA comete errores y él los acepta sin cuestionar. No aprende lo incorrecto de un libro. Lo aprende de un algoritmo que falló, y lo internaliza como verdad clínica.

🔹 Never-skilling: El más silencioso de los tres. El residente que nunca desarrolla razonamiento clínico independiente porque desde el primer día del hospital tiene una herramienta que piensa por él. No pierde una habilidad. Nunca la construye.

Este último es el que más me preocupa como formador y como auditor.

Porque el problema no aparece durante la residencia. Aparece años después, cuando el médico tiene que tomar una decisión difícil en un lugar donde la IA no llega, la red falla, o el caso simplemente no entra en ningún algoritmo conocido.

𝗟𝗼 𝗾𝘂𝗲 𝗹𝗮 𝗲𝘃𝗶𝗱𝗲𝗻𝗰𝗶𝗮 𝗱𝗶𝗰𝗲 —𝘆 𝗹𝗼 𝗾𝘂𝗲 𝗻𝗼 𝗱𝗶𝗰𝗲—

Seré honesto: la evidencia directa en educación médica todavía es limitada. Los autores de Nature Medicine lo reconocen. El fundamento es sólido en teoría del aprendizaje y tiene señales empíricas de contextos no médicos, pero aún no tenemos estudios controlados en residencias.

Eso no significa que el riesgo no exista. Significa que estamos corriendo más rápido que nuestra capacidad de medirlo.

Y eso, en medicina, no es una virtud.

¿𝗤𝘂𝗲́ 𝗽𝗿𝗼𝗽𝗼𝗻𝗲 𝗹𝗮 𝗰𝗶𝗲𝗻𝗰𝗶𝗮?

Un marco de tres fases que tiene mucho sentido:
Primero, competencia independiente. El médico —especialmente el que se forma— debe poder razonar solo antes de apoyarse en IA.

Luego, calibración crítica: aprender a evaluar cuándo la herramienta acierta y cuándo se equivoca.

Finalmente, integración supervisada de IA en la práctica formativa.

No es antiIA. Es lo contrario: es tomarse la IA lo suficientemente en serio como para no introducirla de cualquier manera.

𝗟𝗼 𝗾𝘂𝗲 𝗺𝗲 𝗽𝗿𝗲𝗼𝗰𝘂𝗽𝗮 𝗮𝗾𝘂𝗶́

En Ecuador —y en buena parte de Latinoamérica— adoptamos tecnología en salud sin los marcos pedagógicos que la sostengan. Lo hacemos con entusiasmo, con buenas intenciones y, con frecuencia, sin preguntarnos qué estamos cambiando en el proceso de formación cuando lo hacemos.

No es un problema de la IA. Es un problema de cómo la integramos.

Una herramienta extraordinaria, introducida en el momento equivocado del aprendizaje, puede construir un médico que funciona bien cuando el sistema funciona bien.

El problema es que los sistemas de salud, por definición, no siempre funcionan bien!

Y ese día, lo que necesitas no es un algoritmo.

Necesitas un médico que sepa pensar.

La evidencia no sirve para tener razón. Sirve para cuidar mejor.

📚 Fuentes:
— Berzin TM, Topol EJ. Preserving clinical skills in the age of AI assistance. The Lancet, Vol 406, octubre 2025.
— Ke Y et al. AI-induced never-skilling in medical education. Nature Medicine, publicado en línea mayo 2026. DOI: 10.1038/s41591-026-04438-y

16/05/2026

¿𝗟𝗮 𝗜𝗔 𝘃𝗮 𝗮 𝗴𝗲𝘀𝘁𝗶𝗼𝗻𝗮𝗿 𝗻𝘂𝗲𝘀𝘁𝗿𝗼𝘀 𝗵𝗼𝘀𝗽𝗶𝘁𝗮𝗹𝗲𝘀? 𝗔𝗻𝘁𝗲𝘀 𝗱𝗲 𝗿𝗲𝘀𝗽𝗼𝗻𝗱𝗲𝗿, 𝗹𝗲𝗮𝗺𝗼𝘀 𝗹𝗼 𝗾𝘂𝗲 𝗱𝗶𝗰𝗲 𝗹𝗮 𝗲𝘃𝗶𝗱𝗲𝗻𝗰𝗶𝗮.

Hay una narrativa que circula con fuerza en foros de salud digital, congresos médicos y reuniones de gestión hospitalaria: los modelos de inteligencia artificial —particularmente los grandes modelos de lenguaje (LLMs, por sus siglas en inglés)— van a transformar la administración clínica. Cero analistas de datos, cero esperas para un reporte, cero intermediarios entre la pregunta y la respuesta.

Suena bien. El problema es que la evidencia más reciente dice otra cosa.

𝗟𝗼 𝗾𝘂𝗲 𝗵𝗶𝗰𝗶𝗲𝗿𝗼𝗻 𝗹𝗼𝘀 𝗶𝗻𝘃𝗲𝘀𝘁𝗶𝗴𝗮𝗱𝗼𝗿𝗲𝘀

Un equipo del Mount Sinai Health System y Mayo Clinic acaba de publicar en PLOS Digital Health (mayo 2026) un estudio que evaluó nueve LLMs —entre ellos GPT-4o, Llama-3.3-70B, DeepSeek y los modelos Qwen de Alibaba— en tareas administrativas sobre historias clínicas electrónicas reales. No texto libre, no notas de evolución, no resúmenes narrativos. Datos tabulares estructurados: las mismas tablas que usamos en nuestros sistemas para censos, reportes de ocupación, seguimiento de indicadores.

Las tareas fueron simples, en papel: contar cuántos pacientes cumplían una condición, o filtrar pacientes que cumplieran múltiples criterios con criterios de exclusión. Nada que un analista con SQL no resuelva en tres minutos.

Se probaron tres estrategias: respuesta directa, razonamiento paso a paso (chain-of-thought), y una estrategia híbrida donde el modelo genera código Python que luego se ejecuta para obtener el resultado.

El dataset: 50.000 visitas a urgencias, con 32.950 consultas totales a los modelos.

𝗟𝗼 𝗾𝘂𝗲 𝗲𝗻𝗰𝗼𝗻𝘁𝗿𝗮𝗿𝗼𝗻

Los números no son amables con el entusiasmo acrítico:

El prompting directo produjo precisiones bajas en todos los modelos, para ambas tareas. En filtrado lógico complejo, GPT-4o —el mejor modelo evaluado— llegó apenas al 49,4% con instrucción directa. Menos que una moneda al aire en un contexto donde el error tiene consecuencias.

El razonamiento paso a paso mejoró los resultados de forma moderada. GPT-4o subió al 77,4% en filtrado con esta estrategia. Pero hay una trampa: la precisión se deteriora de manera significativa conforme crece la tabla. Con 5 filas, casi perfecta. Con 25 filas, por debajo del 60%. En un hospital real, nuestras tablas tienen miles de registros.

Los modelos de razonamiento destilado (DeepSeek-R1), diseñados para razonar internamente sin que se les pida, no superaron a los modelos guiados explícitamente. El razonamiento implícito no garantiza rendimiento.
El único enfoque que funcionó de manera consistente: el modelo genera código ejecutable, ese código corre, y el resultado del código es la respuesta. Con esta estrategia, GPT-4o y Qwen-2.5-72B alcanzaron precisión casi perfecta.

𝗟𝗼 𝗾𝘂𝗲 𝗲𝘀𝘁𝗼 𝘀𝗶𝗴𝗻𝗶𝗳𝗶𝗰𝗮 𝗽𝗮𝗿𝗮 𝗾𝘂𝗶𝗲𝗻𝗲𝘀 𝗴𝗲𝘀𝘁𝗶𝗼𝗻𝗮𝗺𝗼𝘀 𝘀𝗮𝗹𝘂𝗱

Trabajo en auditoría médica hospitalaria. Todos los días interactúo con datos estructurados: indicadores de calidad, tiempos de espera, tasas de complicaciones, registros de auditoría concurrente. Y conozco bien la tentación institucional y profesional de adoptar herramientas de IA como solución a problemas que, en muchos casos, tienen soluciones más simples y comprobadas.

Este estudio no dice que la IA no sirve. La evidencia existente muestra que los LLMs son genuinamente útiles en texto clínico libre —notas de evolución, informes de imagen, resúmenes de alta, comunicación con pacientes. Ahí hay valor real.

Lo que dice este estudio es algo más preciso y más útil: los LLMs solos, sin integración con herramientas computacionales explícitas (código, SQL, agentes estructurados), no son confiables para tareas administrativas sobre datos tabulares.

Y que presentarlos como solución autónoma para gestión hospitalaria es, en el mejor caso, ignorancia; en el peor, marketing.

En Ecuador, donde los sistemas de información hospitalaria son heterogéneos, la infraestructura de datos es frágil y los presupuestos para tecnología son escasos, este matiz es fundamental. No podemos darnos el lujo de adoptar herramientas que funcionan en el papel de una presentación pero fallan en la operación real.

𝗟𝗮 𝗰𝗼𝗻𝗰𝗹𝘂𝘀𝗶𝗼́𝗻 𝗾𝘂𝗲 𝗱𝗲𝗯𝗲𝗿𝗶́𝗮𝗺𝗼𝘀 𝗹𝗹𝗲𝘃𝗮𝗿𝗻𝗼𝘀

Los enfoques híbridos —LLM como interfaz de lenguaje natural + ejecución computacional estructurada (como el Model Context Protocol que mencionan los autores)— son el camino técnicamente válido. No el LLM solo. No el entusiasmo sin validación.

La diferencia entre una herramienta útil y una herramienta peligrosa en salud no está en su capacidad de impresionar en una demo. Está en lo que hace cuando los datos son reales, las tablas son grandes y el margen de error es clínico.

Antes de implementar, hay que evaluar. Antes de escalar, hay que evidenciar.

La ciencia no reemplaza la humanidad. La ordena. Y a veces, también ordena nuestras decisiones de compra.

Fuente: Klang E, Sorin V, Korfiatis P, et al. Large language models are poor clinical administrators: An evaluation of structured queries in real-world electronic health records. PLOS Digital Health. 2026;5(5):e0001326.