La atención primaria europea es, en la práctica, multilingüe. Un médico de familia en Bruselas puede documentar en neerlandés mientras atiende a un paciente que habla dariya marroquí. Un médico de familia en Viena alterna entre el alemán estándar y el dialecto vienés en una misma frase. Una consulta en Mánchester recibe pacientes cuya lengua materna es el urdu, el polaco o el somalí. Cuando las herramientas de documentación con inteligencia artificial (IA, tecnología que permite a las máquinas realizar tareas que normalmente requieren inteligencia humana) llegan a estos entornos, se enfrentan a una realidad lingüística para la que la mayoría no fue diseñada. Las brechas de rendimiento que surgen no son simples inconvenientes. Son riesgos potenciales para la seguridad del paciente.

Cómo procesan el lenguaje hablado las herramientas de documentación con IA

Para entender por qué el rendimiento varía entre idiomas, conviene saber dónde ocurre realmente el procesamiento. La mayoría de las herramientas de documentación con IA utilizadas en atención primaria combinan dos componentes distintos. El reconocimiento automático del habla (ASR, tecnología que convierte las palabras habladas en texto) transforma el audio en texto. Un modelo de lenguaje grande (LLM, sistema de IA entrenado con grandes cantidades de texto para comprender y generar lenguaje) o una capa de procesamiento del lenguaje natural (NLP, tecnología que permite a las máquinas comprender y procesar el lenguaje humano) convierte ese texto transcrito en documentación clínica estructurada.

Los errores pueden acumularse en ambas capas. Si la capa ASR interpreta mal una palabra hablada, especialmente un término clínico pronunciado con acento regional, la capa NLP recibe información incorrecta y puede generar una nota clínicamente errónea pero con apariencia plausible. La investigación sobre sistemas de documentación por voz ha demostrado que incluso los motores de reconocimiento de voz específicos de especialidad logran una precisión limitada en términos diagnósticos dentro de un solo idioma. Esto ilustra cómo el vocabulario específico del ámbito clínico genera brechas de precisión que se vuelven mucho más pronunciadas cuando los recursos lingüísticos son escasos.

Los profesionales sanitarios que evalúan herramientas de documentación con IA deberían preguntarse no solo "¿admite este idioma?", sino "¿en qué parte del proceso falla y cómo?"

Por qué algunos idiomas europeos tienen mejor soporte que otros

La razón fundamental de las disparidades de rendimiento entre los idiomas europeos es el desequilibrio en los datos de entrenamiento. Los modelos de lenguaje grandes y los sistemas ASR se entrenan predominantemente con conjuntos de datos en inglés. Cuando un modelo ha sido expuesto a miles de millones de documentos clínicos en inglés pero solo a millones, o cientos de miles, de textos equivalentes en neerlandés, rumano o griego, su rendimiento en esos idiomas será estructuralmente más débil.

Una investigación publicada en Scientific Reports en 2025 abordó los desafíos de los LLM fundamentales en tareas clínicas específicas como la síntesis médica, incluyendo consideraciones sobre riqueza morfológica, variación sintáctica y diglosia (situación en la que dos variedades de un idioma coexisten en una comunidad), con un impacto particular en idiomas subrepresentados.

Los idiomas que tienden a tener mejor soporte incluyen:

• Inglés: por un margen sustancial, debido a su representación dominante en los corpus de entrenamiento

• Español, francés, alemán: razonablemente representados, aunque con lagunas en el vocabulario clínico

• Neerlandés, portugués, italiano: soporte moderado, con carencias notables en terminología especializada

Los idiomas que suelen estar subrepresentados en los datos de entrenamiento de IA clínica incluyen polaco, rumano, griego, checo, húngaro, finlandés, catalán, galés y maltés. Para los profesionales sanitarios que ejercen en estos idiomas, la precisión de cualquier herramienta de documentación con IA debe verificarse de forma independiente y no asumirse.

Los desafíos específicos de las lenguas germánicas, romances y eslavas en la documentación clínica

La estructura de cada familia lingüística genera modos de fallo predecibles en la documentación clínica con IA. Comprender esto ayuda a los profesionales sanitarios a anticipar dónde es más probable que ocurran errores.

Lenguas germánicas (alemán, neerlandés)

El alemán y el neerlandés hacen un uso extensivo de sustantivos compuestos, palabras únicas formadas al unir varios conceptos. Un término clínico alemán como Herzinsuffizienz (insuficiencia cardíaca) o Bluthochdruck (hipertensión) debe reconocerse como una sola entidad clínica, no analizarse como sílabas desconectadas. Las herramientas de IA que no han sido entrenadas con suficiente texto clínico en alemán suelen segmentar o reconocer incorrectamente estos compuestos, generando notas que omiten o distorsionan el diagnóstico.

Lenguas romances (francés, español, portugués, italiano)

Estos idiomas asignan género gramatical a la terminología médica, y el significado clínico puede variar si hay errores de concordancia. Más allá de la gramática, la variación regional en el vocabulario clínico es significativa: la misma afección puede describirse con diferentes términos preferidos en Francia y Bélgica, o en España y América Latina.

Una herramienta de IA entrenada con datos clínicos en español peninsular puede tener un rendimiento inferior en regiones de habla catalana. La investigación sobre historias clínicas bilingües en español y catalán en atención primaria encontró que el reconocimiento conjunto y la vinculación ICD-10 (sistema internacional de clasificación de enfermedades) de diagnósticos en notas bilingües no estándar es un problema específico y desafiante que requiere ajuste fino adaptado al idioma.

Lenguas eslavas (polaco, checo, eslovaco)

El polaco y el checo son morfológicamente complejos, con sistemas flexivos extensos que modifican las terminaciones de las palabras según el caso gramatical, el género y el número. Un término clínico para una afección puede aparecer en seis o más formas dentro de una sola consulta. Un modelo de IA sin suficiente exposición a esta variación flexiva no logrará reconocer de manera consistente el mismo concepto clínico en todas sus formas.

Las evaluaciones multilingües de fiabilidad de los LLM en atención sanitaria han identificado esto como una barrera crítica para la adopción real en entornos clínicos de lenguas eslavas.

Dialectos, variación regional y habla con acento: la capa que la mayoría de las herramientas ignoran

Incluso dentro de un solo idioma oficialmente compatible, la variación dialectal y el habla con acento pueden degradar sustancialmente la precisión del ASR. Una herramienta validada para neerlandés estándar (como se habla en los Países Bajos) puede tener un rendimiento inferior en una consulta de medicina de familia flamenca en Gante. El alemán suizo es lo suficientemente distinto del alemán estándar como para que muchos sistemas ASR entrenados en Hochdeutsch no logren transcribirlo de manera fiable.

El catalán, aunque hablado por millones en España y Francia, suele ser tratado como un caso marginal por los proveedores de IA cuyo mercado principal es el español peninsular.

Una revisión narrativa del Centro ADAPT de la Universidad de la Ciudad de Dublín identifica esto como uno de los principales desafíos no resueltos en la tecnología del lenguaje con IA para la atención sanitaria: la producción fluida en una variedad estándar de un idioma no garantiza un rendimiento aceptable en todo el continuo dialectal de ese idioma. La revisión señala que las ganancias de eficiencia de las herramientas de lenguaje con IA pueden ocultar errores, reducir la trazabilidad y trasladar la responsabilidad entre profesionales sanitarios y sistemas de salud, riesgos que se agravan cuando la variación dialectal no se tiene en cuenta en la validación.

El habla con acento de hablantes no nativos presenta un desafío relacionado pero distinto. Un médico de familia nacido en Rumanía que ejerce en Irlanda y documenta en inglés con acento rumano puede encontrar que la precisión del ASR es significativamente menor que para un hablante nativo de inglés que usa la misma herramienta. Esto tiene implicaciones directas para las consultas con profesionales sanitarios formados internacionalmente, que representan una proporción significativa de la fuerza laboral de atención primaria en toda la UE y el Reino Unido.

Cambio de código: qué sucede cuando los profesionales sanitarios y los pacientes mezclan idiomas a mitad de consulta

El cambio de código, es decir, alternar entre dos o más idiomas dentro de una misma conversación, es habitual en entornos clínicos multilingües, pero sigue siendo uno de los escenarios peor resueltos por las herramientas de documentación con IA. Un profesional sanitario en Luxemburgo puede documentar en francés mientras utiliza términos anatómicos latinos, nombres de medicamentos en inglés y frases ocasionales en alemán. Un médico de familia en una consulta de habla galesa puede alternar entre galés e inglés en una sola frase.

Los médicos en entornos de habla árabe a menudo conversan principalmente en árabe pero escriben historias clínicas en inglés, lo que añade carga cognitiva. Este flujo de trabajo bilingüe está poco soportado por las herramientas de IA existentes debido a la escasez de corpus de entrenamiento en árabe. El mismo problema estructural se aplica a cualquier par de idiomas donde uno de ellos está subrepresentado en los datos de entrenamiento.

Para la mayoría de las herramientas de documentación con IA actuales, el cambio de código entre un idioma con buenos recursos y otro con recursos limitados suele producir uno de dos fallos. La herramienta se ajusta por defecto completamente al idioma dominante y elimina el contenido hablado en el idioma minoritario, o intenta transcribir ambos idiomas pero introduce errores sistemáticos en los puntos de transición. Ninguno de los dos resultados es aceptable en un contexto de documentación clínica, donde la información perdida o distorsionada puede afectar la seguridad del paciente.

Terminología clínica entre idiomas: más que un problema de traducción

Existe la creencia de que la documentación clínica multilingüe es principalmente un reto de traducción, y que una herramienta de IA simplemente debe mapear términos hablados en un idioma a sus equivalentes en inglés antes de aplicar la codificación clínica estándar. Esta suposición es incorrecta. Actuar bajo ella conduce a errores sistemáticos en las historias clínicas estructuradas.

El vocabulario médico no está uniformemente estandarizado entre los idiomas europeos. SNOMED CT (el sistema de terminología clínica más utilizado internacionalmente) tiene traducciones oficiales en varios idiomas europeos, pero la cobertura es desigual. En la práctica, los profesionales sanitarios usan frecuentemente términos informales, abreviados o preferidos localmente que no se corresponden directamente con ningún código estandarizado.

Una herramienta de IA entrenada en corpus clínicos en inglés puede reconocer correctamente el término inglés "heart failure" y mapearlo al código SNOMED CT apropiado, pero fallar al realizar el mismo mapeo cuando el término se expresa en polaco, griego o finlandés, incluso si la herramienta nominalmente "admite" esos idiomas.

La investigación sobre codificación ICD-10 en historias clínicas bilingües en español y catalán de atención primaria encontró que los formatos de notas no estándar y la mezcla bilingüe crean desafíos específicos para la codificación automatizada que no pueden resolverse aplicando modelos entrenados en corpus monolingües estándar. Los autores concluyeron que el ajuste fino eficiente en parámetros sobre datos clínicos específicos del idioma era necesario para lograr un rendimiento aceptable, un hallazgo con implicaciones directas para las consultas que evalúan herramientas de documentación con IA en cualquier idioma europeo que no sea el inglés.

Cómo evaluar el rendimiento lingüístico de una herramienta de documentación con IA antes de implementarla en la práctica

Los profesionales sanitarios y los gestores de consultas que evalúan herramientas de documentación con IA para entornos multilingües deben ir más allá de las afirmaciones de marketing de los proveedores y hacer preguntas específicas y verificables. El siguiente marco refleja las mejores prácticas actuales en la evaluación de IA clínica.

Solicitar datos de validación específicos del idioma

• ¿En qué idiomas se validó la herramienta y sobre qué conjunto de datos?

• ¿La validación se realizó sobre habla clínica real o sobre grabaciones de estudio limpias?

• ¿Cuál fue la tasa de error de palabras (WER, métrica que mide el porcentaje de palabras transcritas incorrectamente) para ASR en el idioma objetivo, y cómo se compara esto con el rendimiento en inglés en la misma herramienta?

Sondear la cobertura de dialectos y acentos

• ¿Se ha probado la herramienta en la variedad regional específica del idioma que se utiliza en su consulta (por ejemplo, neerlandés flamenco, alemán suizo, catalán)?

• ¿Cuál es la diferencia de rendimiento documentada entre variedades estándar y regionales?

Probar la capacidad de cambio de código

• ¿La herramienta maneja consultas en las que el profesional sanitario y el paciente usan diferentes idiomas?

• ¿Cómo se comporta cuando los términos médicos se expresan en latín o inglés dentro de una consulta que no es en inglés?

Revisar la precisión de la codificación clínica por separado de la precisión de la transcripción

• Una herramienta puede lograr una precisión de transcripción aceptable y, aun así, fallar en generar códigos SNOMED CT o ICD correctos en el idioma objetivo

• Solicite a los proveedores datos de precisión de codificación específicos para su idioma y contexto clínico

El comentario de 2025 sobre escribas médicos con IA en atención sanitaria señala que la mayoría de las evaluaciones existentes provienen de estudios piloto a pequeña escala y a corto plazo con participantes sesgados hacia la tecnología, una limitación que se acentúa en las evaluaciones de idiomas que no son el inglés, donde la base de evidencia es aún más limitada.

Consideraciones de residencia de datos y regulatorias para herramientas de IA multilingües en la UE

El Reglamento General de Protección de Datos (RGPD) se aplica a todos los datos personales procesados dentro de la UE, independientemente del idioma en el que se hablaron o grabaron. Las grabaciones de audio de consultas clínicas, incluidas las realizadas en polaco, rumano, árabe o cualquier otro idioma, constituyen datos sensibles de salud según el Artículo 9 del RGPD y están sujetas a todas las obligaciones de protección de datos.

Un documento de política del BMJ sobre traducción con IA en atención sanitaria identifica la brecha entre el despliegue acelerado de IA y los marcos regulatorios como una preocupación significativa, señalando que esta brecha es especialmente pronunciada en entornos de atención sanitaria multilingües donde los flujos de datos cruzan fronteras lingüísticas y jurisdiccionales.

Las consultas deben verificar:

• Dónde se procesan los datos de audio: Algunas herramientas de documentación con IA envían el audio a infraestructuras en la nube fuera de la UE para su transcripción, lo que puede entrar en conflicto con los requisitos de residencia de datos del RGPD

• Dónde se almacenan los datos: Los requisitos de residencia de datos de la UE se aplican tanto al almacenamiento como al procesamiento

• Si la documentación de privacidad del proveedor cubre todos los idiomas admitidos: Las herramientas que procesan audio que no es en inglés a través de infraestructuras diferentes a las del audio en inglés pueden tener políticas de residencia de datos inconsistentes

• Estado del Reglamento de Dispositivos Médicos (MDR): Las herramientas de documentación con IA que generan resultados clínicos pueden considerarse dispositivos médicos según el MDR de la UE, con implicaciones para los idiomas y contextos clínicos que han sido formalmente validados

Cómo se ve realmente un buen rendimiento multilingüe: puntos de referencia y señales de alerta

No existen umbrales de precisión universalmente acordados para la documentación clínica con IA en los idiomas europeos, pero los siguientes puntos de referencia reflejan la evidencia actual y las consideraciones de riesgo clínico.

Umbrales mínimos razonables para uso clínico

• Tasa de error de palabras ASR inferior al 10-15 por ciento para el idioma y dialecto específico en uso (se aplican umbrales más estrictos en contextos clínicos de alto riesgo)

• Precisión en el reconocimiento de terminología clínica superior al 80 por ciento para los términos diagnósticos más comunes en el idioma objetivo

• Precisión de codificación ICD o SNOMED comparable a la lograda por la misma herramienta en inglés

Señales de alerta que sugieren validación multilingüe inadecuada

• El proveedor cita solo estudios de validación en inglés y describe el soporte de otros idiomas como "próximamente" o "en beta"

• Las cifras de precisión se presentan como un solo valor para todos los idiomas admitidos, sin desglose específico por idioma

• La validación se realizó en grabaciones limpias en lugar de habla clínica real

• La herramienta no dispone de datos de rendimiento documentados para dialectos regionales o habla con acento

• La capacidad de cambio de código se describe de forma cualitativa en lugar de estar respaldada por datos de precisión

El benchmark EuropeMedQA es un punto de referencia útil: se trata de un conjunto de datos de examen médico multilingüe procedente de exámenes regulatorios oficiales en países europeos, y proporciona un marco estructurado para comparar el rendimiento de los LLM en idiomas clínicos europeos. Sin embargo, los profesionales sanitarios deben tener en cuenta que el rendimiento en preguntas de examen estandarizadas no predice necesariamente el rendimiento en el habla clínica real. Las dos tareas implican registros lingüísticos y tipos de error diferentes.

Qué necesita cambiar en la documentación clínica con IA para la Europa multilingüe

La brecha de rendimiento multilingüe en la documentación clínica con IA no es un problema insalvable, pero la comunidad investigadora y los proveedores comerciales actualmente lo descuidan. Son necesarios varios cambios antes de que las herramientas de documentación con IA puedan considerarse realmente seguras para su implementación en toda la diversidad lingüística de la atención primaria europea.

Conjuntos de datos de entrenamiento más diversos

El predominio de datos en inglés en los corpus de entrenamiento de IA responde a prioridades históricas de investigación y comerciales, no a la distribución real de la actividad clínica en Europa. Construir conjuntos de datos clínicamente validados en polaco, rumano, griego, neerlandés y otros idiomas subrepresentados requiere inversión de los sistemas de salud, financiadores de investigación y proveedores de IA.

La revisión del Centro ADAPT de 2026 sostiene que esto requiere no solo mejores modelos, sino un diseño sociotécnico responsable y una colaboración más estrecha entre el procesamiento del lenguaje natural, la práctica clínica y la política.

Desarrollo de modelos conscientes de los dialectos

Las variedades estándar de los idiomas son insuficientes como base para la validación de IA clínica. Los modelos deben ser probados y, cuando sea necesario, ajustados específicamente en las variedades regionales realmente utilizadas en la práctica clínica, incluidos el neerlandés flamenco, el alemán suizo, el catalán, los acentos regionales del francés y las muchas otras variedades que conforman el panorama lingüístico real de la atención primaria europea.

Validación clínica como requisito regulatorio

El documento de política del BMJ aboga por marcos normativos basados en la evidencia que exijan que las herramientas de lenguaje con IA en atención sanitaria demuestren seguridad clínica en los idiomas y contextos en los que se implementan. Sin presión regulatoria, los proveedores tienen un incentivo comercial limitado para invertir en validación para mercados de idiomas más pequeños.

Representación honesta de las limitaciones actuales

La evidencia de la investigación sobre fiabilidad de LLM multilingües es clara: los modelos actuales no son uniformemente fiables en los idiomas europeos en entornos clínicos. Los profesionales sanitarios merecen información precisa sobre dónde estas herramientas funcionan bien y dónde no, para poder aplicar la supervisión humana adecuada y evitar la dependencia excesiva de la documentación generada por IA en idiomas donde la validación es inexistente o insuficiente.

Para los profesionales sanitarios que ejercen en entornos europeos multilingües hoy, la implicación práctica es directa: el soporte de idioma que figura en el sitio web de un proveedor no equivale al rendimiento clínico validado. Las preguntas que hacer, los puntos de referencia que solicitar y las señales de alerta que vigilar están bien definidos. Aplicarlos rigurosamente antes de la implementación es la protección más fiable contra los errores acumulativos que las herramientas de documentación con IA multilingües pueden introducir en las historias clínicas.

Preguntas frecuentes

▶ ¿Por qué las herramientas de documentación con IA funcionan de manera diferente en los idiomas europeos?

La razón principal es el desequilibrio en los datos de entrenamiento. Los modelos de lenguaje grandes y los sistemas de reconocimiento automático del habla se entrenan mayoritariamente con conjuntos de datos en inglés. Un modelo entrenado con miles de millones de documentos clínicos en inglés pero solo cientos de miles de textos equivalentes en rumano o griego será estructuralmente más débil en esos idiomas. Esto afecta tanto a la capa de transcripción como a la que convierte el texto transcrito en historias clínicas estructuradas.

▶ ¿Qué idiomas europeos tienen mejor y peor soporte por parte de las herramientas de documentación clínica con IA?

El inglés es el idioma mejor soportado por un amplio margen. El español, el francés y el alemán tienen una representación razonable, aunque con lagunas en el vocabulario clínico. El neerlandés, el portugués y el italiano cuentan con un soporte moderado. Los idiomas que suelen estar subrepresentados incluyen polaco, rumano, griego, checo, húngaro, finlandés, catalán, galés y maltés. Los profesionales sanitarios que ejercen en estos idiomas deben verificar de forma independiente la precisión de referencia y no darla por supuesta.

▶ ¿Qué errores de documentación específicos deben esperar los profesionales sanitarios con las lenguas germánicas y eslavas?

En alemán y neerlandés, las herramientas de IA suelen reconocer incorrectamente los sustantivos compuestos como Herzinsuffizienz (insuficiencia cardíaca), ya sea segmentándolos u omitiéndolos por completo. En polaco y checo, los sistemas flexivos extensos hacen que el mismo término clínico pueda aparecer en seis o más formas dentro de una sola consulta. Las herramientas sin suficiente exposición a esta variación no lograrán reconocer de manera consistente el mismo concepto clínico en sus diferentes formas, lo que las evaluaciones multilingües de fiabilidad de modelos de lenguaje grandes en atención sanitaria han identificado como una barrera crítica para la adopción real.

▶ ¿El dialecto y el habla con acento afectan la precisión de la documentación con IA?

Sí, de forma significativa. Una herramienta validada para neerlandés estándar puede tener un rendimiento inferior en una consulta flamenca. El alemán suizo es lo suficientemente distinto del alemán estándar como para que muchos sistemas de reconocimiento de voz entrenados en Hochdeutsch no logren transcribirlo de manera fiable. El habla con acento de hablantes no nativos supone un reto similar: un médico de familia nacido en Rumanía que documenta en inglés puede encontrar que la precisión de la transcripción es notablemente menor que la de un hablante nativo de inglés que usa la misma herramienta. La investigación del Centro ADAPT de la Universidad de la Ciudad de Dublín identifica la variación dialectal como uno de los principales desafíos no resueltos en la tecnología del lenguaje con IA para la atención sanitaria.

▶ ¿Cómo manejan las herramientas de documentación con IA el cambio de código, cuando los profesionales sanitarios mezclan idiomas a mitad de consulta?

La mayoría de las herramientas actuales gestionan mal el cambio de código. Cuando un profesional sanitario alterna entre un idioma con buenos recursos y otro con recursos limitados, las herramientas suelen ajustarse por defecto completamente al idioma dominante y eliminar el contenido hablado en el idioma minoritario, o intentan transcribir ambos pero introducen errores sistemáticos en los puntos de transición. Ninguno de los dos resultados es aceptable en la documentación clínica, donde la información perdida o distorsionada puede afectar la seguridad del paciente.

▶ ¿Es la documentación clínica multilingüe solo un problema de traducción?

No. El vocabulario médico no está uniformemente estandarizado entre los idiomas europeos. SNOMED CT, el sistema de terminología clínica más utilizado, tiene traducciones oficiales en varios idiomas europeos, pero la cobertura es desigual. Los profesionales sanitarios usan con frecuencia términos informales o preferidos localmente que no se corresponden directamente con ningún código estandarizado. La investigación sobre codificación ICD-10 en historias clínicas bilingües en español y catalán de atención primaria halló que los formatos de notas no estándar y la mezcla bilingüe crean desafíos específicos que no pueden resolverse aplicando modelos entrenados en corpus monolingües estándar.

▶ ¿Qué preguntas deben hacer los profesionales sanitarios a los proveedores al evaluar una herramienta de documentación con IA para una consulta multilingüe?

Los profesionales sanitarios deben solicitar datos de validación específicos del idioma, incluida la tasa de error de palabras para el reconocimiento automático del habla en el idioma objetivo en comparación con el inglés. Deben preguntar si la herramienta se ha probado en la variedad regional específica utilizada en su consulta, como el neerlandés flamenco o el alemán suizo. También deben indagar cómo maneja la herramienta el cambio de código, y solicitar datos de precisión de codificación clínica específicos para su idioma y contexto, ya que una herramienta puede lograr una precisión de transcripción aceptable y, sin embargo, fallar en generar códigos SNOMED CT o ICD correctos en el idioma objetivo.

▶ ¿Cuáles son las implicaciones del RGPD de usar herramientas de documentación con IA que procesan audio que no es en inglés?

Las grabaciones de audio de consultas clínicas en cualquier idioma constituyen datos sensibles de salud según el Artículo 9 del Reglamento General de Protección de Datos y están sujetas a todas las obligaciones de protección de datos. Las consultas deben verificar dónde se procesan y almacenan los datos de audio, ya que algunas herramientas envían el audio a infraestructuras en la nube fuera de la UE para su transcripción. Las herramientas que procesan audio que no es en inglés a través de infraestructuras diferentes a las del audio en inglés pueden tener políticas de residencia de datos inconsistentes. El estado del Reglamento de Dispositivos Médicos también es relevante, ya que las herramientas de documentación con IA que generan resultados clínicos pueden considerarse dispositivos médicos, con implicaciones para los idiomas y contextos clínicos que han sido formalmente validados.

▶ ¿Qué puntos de referencia de precisión indican que una herramienta de documentación con IA es adecuada para uso clínico en un idioma que no es inglés?

El artículo establece los siguientes umbrales mínimos basados en la evidencia actual: una tasa de error de palabras de reconocimiento automático del habla inferior al 10-15 por ciento para el idioma y dialecto específico en uso, precisión en el reconocimiento de terminología clínica superior al 80 por ciento para los términos diagnósticos más comunes en el idioma objetivo, y precisión de codificación ICD o SNOMED comparable a la lograda por la misma herramienta en inglés. Las señales de alerta incluyen proveedores que citan solo estudios de validación en inglés, presentan la precisión como una sola cifra para todos los idiomas admitidos y describen el rendimiento en dialectos o cambio de código de forma cualitativa en lugar de con datos de precisión.

▶ ¿Qué cambios se necesitan antes de que las herramientas de documentación con IA puedan considerarse realmente seguras en la atención primaria europea multilingüe?

El artículo identifica tres requisitos principales. Primero, conjuntos de datos de entrenamiento más diversos en idiomas subrepresentados como polaco, rumano y griego. Segundo, desarrollo de modelos conscientes de los dialectos que vayan más allá de las variedades estándar para cubrir las variedades regionales realmente utilizadas en la práctica clínica. Tercero, validación clínica como requisito regulatorio, para que los proveedores deban demostrar seguridad en los idiomas y contextos en los que se implementan sus herramientas. Sin presión regulatoria, los proveedores tienen un incentivo comercial limitado para invertir en validación para mercados de idiomas más pequeños.