Introducción
Los resúmenes posteriores a la consulta para pacientes hospitalizados generados por inteligencia artificial superaron a los redactados por los médicos, según un nuevo estudio presentado en el reciente congreso Converge 2026 de la Society of Hospital Medicine, celebrado en Nashville, Tennessee.
Cuando los investigadores probaron dos modelos de lenguaje a gran escala —Copilot y Gemma— para generar resúmenes de informes médicos y los compararon con los elaborados por profesionales de la salud, los generados por inteligencia artificial obtuvieron mejores calificaciones en comprensibilidad, aplicabilidad, legibilidad, precisión y otros parámetros. No se detectó un mayor riesgo de daños asociados a los resúmenes generados por inteligencia artificial.
Los sistemas de seguridad para pacientes y la capacidad de los pacientes para comprenderlos son fundamentales para que los egresos hospitalarios sean seguros y eficaces, afirmó la autora del estudio, Dra. Milla Kviatkovsky, máster en Salud Pública, profesora clínica adjunta de medicina en UC San Diego Health en California, Estados Unidos.
A pesar de lo prometedor que parece, estudios previos han revelado que los sistemas de resúmenes posteriores a la consulta en formato de voz y vídeo suelen quedar cortos, ya que los pacientes refieren dificultades para comprender el contenido.
La Dra. Kviatkovsky descubrió que los documentos generados por inteligencia artificial podrían ser clave para mejorar estos resúmenes.
Humanos contra máquinas: el proceso
«Tomamos 50 historias clínicas de Epic y los resúmenes posteriores a la consulta redactados por los médicos», explicó la Dra. Kviatkovsky. Los 50 pacientes adultos habían recibido el alta hospitalaria desde un servicio de medicina hospitalaria atendido exclusivamente por médicos adjuntos entre enero y diciembre de 2023.
Los investigadores seleccionaron al azar 58 consultas que cumplían los criterios de inclusión.
Utilizaron el informe hospitalario redactado por el médico, extraído del resumen de alta, como texto de partida para generar la versión redactada por la inteligencia artificial. Emplearon Microsoft Copilot (GPT-4) y Gemma 3n 2B. Usaron una indicación que hacía hincapié en un lenguaje centrado en el paciente, evitando la jerga y con recomendaciones adaptadas al paciente, con un nivel de lectura equivalente al sexto grado.
Cinco médicos tratantes, que desconocían cómo se había elaborado el resumen que evaluaban, se encargaron de su valoración. Para ello, utilizaron dos instrumentos: la Herramienta de Evaluación de Materiales Educativos para Pacientes versión 2.0, para evaluar la aplicabilidad y la comprensibilidad, y una rúbrica de resúmenes posteriores a la consulta con seis criterios que analizaban la precisión, la exhaustividad, la claridad o legibilidad, la coherencia con el expediente médico, el tono o la empatía y el potencial de daño.
Resultados
Los resúmenes posteriores a la consulta redactados por médicos obtuvieron las siguientes puntuaciones:
- 66,1 % en comprensibilidad
- 56,7 % en aplicabilidad según la evaluación con la herramienta
Ambos resúmenes posteriores a la consulta generados por inteligencia artificial fueron superiores:
- Copilot obtuvo 85,5 % en comprensibilidad y 70,9 % en aplicabilidad
- Gemma obtuvo 87,5 % en comprensibilidad y 74,1 % en aplicabilidad
En ambos modelos, el valor de p fue inferior a 0,001 en la comparación entre la inteligencia artificial y el médico.
Al evaluarlos con la rúbrica, los resúmenes generados por inteligencia artificial también obtuvieron mejores resultados que los redactados por médicos, y la mejora más notable se observó en claridad o legibilidad y en tono o empatía (p < 0,001). Los evaluadores no detectaron un aumento en el potencial de daño: los resúmenes generados por inteligencia artificial no mostraron un aumento en el potencial de daño percibido en 96 % de los casos con Copilot y en 90 % con Gemma, frente a 80 % de los resúmenes escritos por médicos (p = 0,02 para Copilot frente a médicos).
No se encontraron diferencias significativas entre los dos modelos de lenguaje a gran escala.
¿Le sorprendieron a la Dra. Kviatkovsky sus hallazgos? «En absoluto», respondió. «El médico sigue siendo el protagonista en la elaboración del documento. Simplemente estamos aprovechando la inteligencia artificial en aquello que hace muy bien: convertir la información en un texto más legible y fácil de entender», explicó la Dra. Kviatkovsky.
El uso de la inteligencia artificial en los sistemas de resúmenes posteriores a la consulta dará a los médicos más tiempo para hablar cara a cara con los pacientes, afirmó la Dra. Kviatkovsky. Ahora ella está repitiendo la investigación con pacientes que actúen como evaluadores, lo que supondrá una importante aportación al estudio.
Segunda opinión
Los resultados tampoco sorprenden a Adam Rodman, MD, MPH, médico hospitalista y director de Programas de Inteligencia Artificial en el Carl J. Shapiro Center for Education and Research del Beth Israel Deaconess Medical Center, quien también es profesor adjunto en la Facultad de Medicina de Harvard. Rodman revisó el estudio para Medscape Noticias Médicas.
La principal conclusión, según afirmó en una entrevista telefónica, es algo que ya sabemos bien: los resúmenes generados por inteligencia artificial pueden resultar muy útiles y ofrecer información de mayor calidad. Cuando los médicos redactan resúmenes posteriores a la consulta, pueden dedicar mucho «tiempo cognitivo» a ello, señaló Rodman, «y está más que demostrado que nosotros [los médicos] no lo hacemos bien».
Cuando el tiempo apremia, dijo, «la mayoría de los médicos prefiere dedicar tiempo a hablar con los pacientes y sus familiares en lugar de redactar los resúmenes. La mayoría de los médicos hospitalistas acogerían con agrado estos resúmenes generados por inteligencia artificial», afirmó.
Según Rodman, mientras no haya más avances en la investigación, lo más sensato por ahora es introducir la información en Copilot para generar resúmenes más precisos y luego leerlos y revisarlos antes de entregárselos al paciente.
Investigaciones similares sobre inteligencia artificial
El Dr. Sonu Subudhi, Ph. D., profesor de Radiation Oncology en Massachusetts General Hospital, Estados Unidos, descubrió recientemente que la inteligencia artificial resulta eficaz a la hora de recabar historiales clínicos de los pacientes, lo que supone otro posible ahorro de tiempo para los médicos.
Hizo una reseña del nuevo estudio para Medscape Noticias Médicas.
«Este es un estudio muy oportuno que aporta pruebas significativas sobre el uso de la documentación clínica asistida por modelos de lenguaje a gran escala», afirmó en un correo electrónico. «Quizás el hallazgo más llamativo es que un modelo de peso abierto muy pequeño, Gamma 3n 2B, tuvo un desempeño comparable al de GPT-4 (Microsoft Copilot). Esto es de enorme importancia para la implementación en el mundo real, particularmente en entornos con recursos limitados o en instituciones con requisitos estrictos de privacidad de datos, donde no es factible enviar los datos de los pacientes a una API basada en la nube».
Estuvo de acuerdo en que es necesario que los pacientes revisen los informes, ya que médicos y pacientes suelen tener ideas «bastante diferentes» sobre lo que hace que un informe de alta sea claro o empático.
«El panorama de los modelos ha evolucionado rápidamente», añadió, «y hoy en día hay opciones más avanzadas que cuando se realizó el estudio, incluidas algunas que pueden ejecutarse íntegramente de forma local en equipos hospitalarios estándar sin necesidad de conexión a Internet».
¿Qué opinan los médicos?
Medscape Noticias Médicas pidió su opinión a otros tres médicos que no participaron en el estudio.
El Dr. Lujia Zhang, hospitalista académico del Eskenazi Medical Group y profesor adjunto de clínica y pediatría en la Indiana University School of Medicine, en Indiana, Estados Unidos, califica el nuevo estudio de «prometedor», aunque añade que «no está totalmente convencido de que vaya a dar los resultados que espero en la práctica».
«No hay duda del potencial de los modelos de lenguaje a gran escala y otras implementaciones para realizar este tipo de trabajo», afirmó. «En mi opinión, la inteligencia artificial destaca en el reconocimiento de patrones, el procesamiento de grandes cantidades de datos y ciertas acciones repetitivas».
Sin embargo, la redacción de resúmenes posteriores a la consulta también exige otras decisiones complejas, como una comprensión más profunda del contenido del documento original, por ejemplo, las consideraciones sobre riesgos y beneficios.
También le gustaría que se investigara cuánto tiempo se ahorra al usar la inteligencia artificial. A pesar de esas salvedades, añadió: «¡Me encantaría probarlo!».
La Dra. Margaret Fang, máster en Salud Pública, profesora de medicina y jefa de la división de hospital medicine en UCSF Health, en Estados Unidos, quien asistió a la presentación de la Dra. Kviatkovsky en la reunión de la Society of Hospital Medicine, tampoco se mostró sorprendida por los resultados. Según señaló, otros estudios han demostrado que la información generada por inteligencia artificial es tan buena como la generada por humanos, si no mejor.
Según ella, este nuevo estudio es un argumento a favor de que los seres humanos sigan participando en el proceso. «Los médicos deben estar atentos para garantizar la precisión del documento original».
Esta nueva investigación es un excelente ejemplo del uso de la inteligencia artificial para mejorar tanto la eficiencia clínica como la experiencia del paciente, afirmó el Dr. Brent Kennis, residente en la University of Utah. Sin embargo, advirtió que los profesionales clínicos «no siempre dominan» la elaboración de resúmenes, y que datos incorrectos podrían provocar «una cascada de consecuencias no deseadas».
Orientación sobre la Society of Hospital Medicine
La Society of Hospital Medicine no ha emitido una declaración oficial sobre el uso de la inteligencia artificial en los sistemas de resúmenes posteriores a la consulta, pero sí ofrece recomendaciones sobre el uso de la inteligencia artificial en la atención clínica, redactadas en respuesta a una solicitud de información del Department of Health and Human Services.
El estudio no contó con financiación. El Dr. Zhang, la Dra. Fang y el Dr. Kennis declararon no tener conflictos de intereses. La Dra. Kviatkovsky declaró no tener ningún conflicto de interés relevante. Rodman declaró ser investigador visitante en Google. Subudhi declaró figurar como inventor en una solicitud de patente provisional relacionada con el marco de toma de historia clínica «agente» descrito en su estudio.
Este contenido se tradujo de la edición en inglés de Medscape.
Disclaimer: Este artículo es solo para fines informativos y no debe reemplazar el consejo médico profesional. Siempre consulte a un médico o a otro proveedor de salud calificado con cualquier pregunta que pueda tener sobre una afección médica.
- Actividades exclusivas para profesionales de la salud (advisory boards, cobertura de congresos, webinars)
- Guardá los artículos que te sirven para ver más tarde
- Recibí cada semana lo más relevante de tu especialidad
