Puntos de vista

Publicado el 12 de noviembre de 2026

El futuro de la consulta

¿Puede la inteligencia artificial atender mejor que un médico?

Los sistemas autónomos ya superan a los profesionales en algunas tareas cognitivas y ponen en duda que la supervisión humana aumente la precisión y la seguridad.

Autor/a: Ezekiel J. Emanuel, Abe Baker-Butler, Neal Khosla, et al.

Fuente: JAMA. Published online August 17, 2026 Will Autonomous AI Exceed AI-Aided Physicians as the Best Medical Care?

La posición predominante sostiene que la inteligencia artificial (IA) debe complementar la atención dirigida por profesionales. La American Medical Association utiliza el concepto de “inteligencia aumentada” para destacar su función asistencial, mientras que el American College of Physicians considera que estas tecnologías deben apoyar las decisiones clínicas, pero no reemplazarlas.

Una perspectiva publicada en JAMA cuestiona ese enfoque. Sus autores sostienen que, en determinadas funciones cognitivas, la IA utilizada de manera autónoma podría superar tanto al desempeño médico individual como al modelo híbrido en el que el profesional conserva la decisión final.

Los grandes modelos de lenguaje se incorporaron al uso público a fines de 2022. Desde entonces, diversos estudios mostraron resultados equivalentes o superiores a los de médicos en ejercicio en cinco tareas cognitivas: obtención de información relevante, elaboración del diagnóstico diferencial, selección de estudios complementarios, indicación de tratamientos acordes con las guías y seguimiento de enfermedades crónicas.

La hipótesis central es que, cuando la IA supera de manera consistente al profesional, la intervención humana puede introducir errores en lugar de corregirlos.

Cinco tareas en debate

Algunos sistemas demostraron una elevada capacidad para la obtención de información clínica. En 159 escenarios simulados de evaluación clínica estructurada, médicos evaluadores calificaron al sistema AMIE de Google por encima de los profesionales en la exploración del motivo de consulta, la revisión por sistemas y la recopilación de antecedentes médicos, familiares y farmacológicos.

En el campo del diagnóstico, varios modelos también alcanzaron resultados superiores en casos complejos. ChatGPT o3 ubicó el diagnóstico final en primer lugar en el 60% de 377 casos clínicos reales. Un grupo de 20 médicos internistas lo consiguió en el 15,9% de una submuestra de 302 casos.

La IA mostró además capacidad para la selección de estudios diagnósticos. En una evaluación de 56 casos complejos y con un presupuesto máximo de 8000 dólares por paciente, Microsoft AI Diagnostic Orchestrator alcanzó el diagnóstico correcto con una frecuencia cuatro veces mayor y un costo 19,1% menor que los profesionales participantes.

La comparación requiere cautela: los médicos no podían consultar a colegas, libros de texto ni recursos de internet. Esta condición limita la extrapolación de los resultados a la práctica habitual y muestra la influencia que puede tener el diseño de cada estudio.

En relación con las decisiones terapéuticas, AMIE formuló recomendaciones consideradas más apropiadas que las de médicos de atención primaria. En otro estudio con 461 casos reales, un sistema desarrollado en Cedars-Sinai indicó el tratamiento considerado óptimo en el 77,1% de las evaluaciones, frente al 67,1% alcanzado por los profesionales.

El seguimiento de enfermedades crónicas constituye otra posible aplicación. En áreas como diabetes, hipercolesterolemia, artrosis y cáncer de mama, los sistemas automatizados pueden controlar parámetros y ajustar tratamientos con una frecuencia difícil de sostener en la atención convencional.

En un ensayo aleatorizado de 2023, 16 personas con diabetes tipo 2 recibieron instrucciones actualizadas sobre la dosis de insulina mediante una IA por voz. En comparación con otros 16 participantes cuyo ajuste dependía del profesional y recibían recordatorios automatizados, alcanzaron antes la dosis óptima, mostraron mayor adherencia y presentaron menor carga emocional asociada con la enfermedad. El reducido tamaño de la muestra impide establecer conclusiones definitivas.

Para los autores, el conjunto de estudios publicados desde 2024 sugiere que la IA ya iguala o supera al desempeño humano en esas cinco funciones. Muchos trabajos, además, evaluaron versiones anteriores y no incluyeron los modelos de razonamiento más recientes.

La superioridad no es uniforme. La radiología es mencionada como un campo en el que los sistemas autónomos todavía no superan de manera confiable a los especialistas. También existen tareas específicas, como la detección de fibrilación auricular paroxística o el reconocimiento de presentaciones atípicas, en las que persiste la ventaja profesional.

Otra variable relevante es la configuración del sistema. Los modelos utilizados sin instrucciones específicas pueden rendir menos que aquellos integrados en arquitecturas adaptadas a cada tarea, con secuencias clínicas predefinidas y barreras de seguridad. Por este motivo, algunas investigaciones podrían subestimar el rendimiento potencial de la tecnología.

¿La combinación siempre es superior?

La participación de un profesional suele mejorar el desempeño humano, pero no necesariamente el de la IA. Un metanálisis de 2024 reunió 106 experimentos sobre el modelo híbrido, al menos 20 de ellos correspondientes al ámbito sanitario.

Cuando las personas superaban al algoritmo, la combinación mejoraba el resultado humano. En cambio, cuando el algoritmo era superior, la incorporación de una persona reducía significativamente su rendimiento respecto del sistema utilizado de manera independiente.

Una revisión de 52 estudios clínicos publicada en 2025 llegó a una conclusión similar: los equipos híbridos no superaban de manera consistente al participante con mayor rendimiento, fuera este el profesional o el sistema automatizado.

En otra evaluación con casos reales, ChatGPT-4 alcanzó una mediana del 92% en una escala de razonamiento diagnóstico, mientras que los médicos que utilizaron el mismo modelo obtuvieron un 76%. Una versión posterior orientada al razonamiento llegó al 97%, aunque no fue comparada directamente con equipos híbridos que emplearan ese sistema.

Existen excepciones. La combinación entre profesionales e IA superó a ambos componentes por separado en la identificación de lesiones de colon y en el diagnóstico de fibrilación auricular paroxística. En esos trabajos, sin embargo, el sistema automatizado no había demostrado una ventaja clara sobre los médicos cuando actuaba solo.

También importa quién conserva la decisión final. Algunos estudios observaron mejores resultados cuando la IA integraba la información aportada por el profesional y determinaba la respuesta definitiva. Cuando la decisión quedaba en manos del médico, el rendimiento podía resultar inferior al del sistema autónomo.

Los autores comparan esta evolución con la observada en el ajedrez. Durante un periodo, los equipos formados por personas y computadoras superaron a ambos participantes por separado. A medida que los programas avanzaron, los sistemas autónomos terminaron imponiéndose incluso sobre los mejores equipos híbridos.

La atención sanitaria es mucho más compleja y sus decisiones tienen relaciones menos directas con los resultados. La comparación, por lo tanto, solo permite ilustrar una posible trayectoria.

Cuando la supervisión introduce errores

La participación profesional puede detectar equivocaciones y aportar información contextual. Al mismo tiempo, puede incorporar errores o descartar recomendaciones correctas. Las personas presentan dificultades para reconocer cuándo deben confiar en un algoritmo, especialmente cuando este supera su propio rendimiento.

La aversión algorítmica —la tendencia a desconfiar de una recomendación automatizada— aparece en el 75% de los estudios sobre asesoramiento algorítmico y puede persistir incluso cuando los participantes saben que el sistema es más preciso. El fenómeno sería particularmente marcado entre especialistas que toman decisiones de alto riesgo.

A ello se suma la posible pérdida de habilidades asociada con la dependencia tecnológica. La IA puede facilitar el aprendizaje de profesionales jóvenes, pero también reducir la práctica sostenida de determinadas competencias. Sin programas deliberados de formación y evaluación, los autores consideran probable que ese deterioro aumente con el tiempo.

A medida que los modelos mejoran, disminuiría la capacidad del profesional para corregirlos, mientras que el riesgo de introducir errores humanos podría mantenerse.

La distancia con la práctica real

La mayor parte de la evidencia procede de escenarios simulados o de tareas cognitivas aisladas, no de interacciones clínicas completas. En muchos estudios, el modelo recibe una historia ya seleccionada y estructurada, una situación diferente de la consulta real, donde debe reconocerse información incompleta, ambigua o contradictoria.

La comunicación con el paciente constituye un punto crítico. Una IA puede responder correctamente cuando recibe todos los datos relevantes, pero fallar si no formula las preguntas adecuadas, interpreta de manera incorrecta una respuesta imprecisa o no identifica una señal que el paciente omite.

Los modelos también presentan modalidades de falla diferentes de las humanas. Las alucinaciones, los ataques informáticos, la pérdida de conectividad o un error reproducido simultáneamente a gran escala representan riesgos específicos de la atención automatizada.

La precisión alcanzada en una viñeta clínica no equivale a seguridad, efectividad ni calidad asistencial. Se necesitan evaluaciones prospectivas que incluyan consultas completas, diversidad de pacientes y desenlaces clínicos relevantes.

Además, numerosas actividades requieren examen físico, procedimientos o intervención manual. La cirugía, la atención del parto, la radiología intervencionista y la colonoscopia no pueden ser realizadas de manera autónoma por los sistemas actuales. En esos contextos, las funciones cognitivas automatizadas deberán integrarse con tareas físicas efectuadas por profesionales.

Persisten también obstáculos regulatorios relacionados con la responsabilidad ante un error, las condiciones de autorización, la protección de los datos, el financiamiento y las formas de remuneración.

Otro problema es el sesgo de publicación. Las fallas de la IA médica pueden no informarse formalmente, mientras que algunas empresas podrían reservar los datos sobre sus modelos de mayor rendimiento. Ambos fenómenos dificultan una estimación equilibrada de sus beneficios y riesgos.

Conclusiones

La afirmación de que el modelo híbrido constituirá necesariamente el nivel más alto de atención no está demostrada. La evidencia revisada indica que, en algunas tareas clínicas delimitadas, la IA ya alcanza o supera a los profesionales y que la supervisión humana no siempre mejora sus resultados.

Esto no significa que la atención autónoma haya demostrado ser superior como práctica clínica integral. Faltan comparaciones prospectivas en pacientes reales, evaluaciones de seguridad y estudios basados en desenlaces clínicos.

Los autores consideran probable que antes de 2030 existan sistemas autónomos preparados para asumir algunas funciones cognitivas en escenarios asistenciales reales. Esa posibilidad exige revisar la organización del trabajo, la responsabilidad profesional, la regulación, el financiamiento y la formación médica.

El interrogante ya no se limita a establecer cómo puede la IA ayudar al médico. También será necesario determinar en qué situaciones la intervención profesional aporta valor y en cuáles podría reducir el rendimiento del sistema.