Herramientas de soporte a la decisión clínica: qué muestra realmente la evidencia

Las herramientas de apoyo a la decisión clínica pueden mejorar procesos concretos en atención primaria, como la solicitud de pruebas o la prescripción de antibióticos. Sin embargo, la evidencia de que reduzcan el error diagnóstico de forma generalizada sigue siendo escasa, metodológicamente débil y, en gran medida, ajena al contexto europeo.

Qué hacen estas herramientas y por qué la distinción pasivo/activo importa

El apoyo a la decisión clínica no es una tecnología única. En atención primaria abarca sugerencias de diagnóstico diferencial, alertas de señales de alarma, comprobaciones de interacciones farmacológicas, orientación sobre antibióticos, calculadoras de riesgo cardiovascular y ayudas para derivación. Hay una distinción fundamental que determina cómo debe interpretarse la evidencia: los sistemas pasivos operan en segundo plano sin interrumpir la consulta, mientras que los sistemas activos intervienen en tiempo real durante el encuentro clínico. La metarrevisión LINNEAUS sobre sistemas informatizados de apoyo al diagnóstico en atención primaria identificó dos requisitos previos para que estas herramientas sean efectivas: integración profunda con el sistema de registro médico y activación en el momento adecuado del flujo de trabajo cognitivo del profesional. Este segundo requisito es especialmente crítico para los sistemas activos, donde una sugerencia que llega demasiado tarde en la consulta no cambia nada.

Han surgido herramientas basadas en modelos de lenguaje de gran tamaño, capaces de sintetizar la historia clínica, los síntomas y el contexto del paciente para generar listas ordenadas de diagnósticos diferenciales. Suponen un cambio cualitativo respecto a las alertas basadas en reglas, pero también plantean nuevas preguntas sobre fiabilidad, calibración y confianza del profesional sanitario.

Por qué medir la reducción del error diagnóstico es tan difícil

El error diagnóstico se identifica habitualmente de forma retrospectiva: un diagnóstico omitido solo se hace visible cuando un paciente se deteriora, vuelve con síntomas que empeoran o recibe un diagnóstico diferente de un especialista. Por ello, la mayoría de los estudios recurren a resultados indirectos, como tasas de derivación apropiadas, tiempo hasta el diagnóstico, adecuación de la prescripción de antibióticos o patrones de solicitud de pruebas. Son medidas legítimas del proceso clínico, pero no equivalen a reducciones confirmadas en el daño al paciente.

Los ensayos controlados aleatorizados son escasos y difíciles de realizar. Los profesionales sanitarios no pueden desconocer si están usando una herramienta de apoyo, y la aleatorización por grupos introduce sus propios factores de confusión. La metarrevisión LINNEAUS examinó 1.970 estudios y encontró solo 12 adecuados para su inclusión. Una revisión de alcance de 2021 publicada en el International Journal of Environmental Research and Public Health llegó a una conclusión similar: aunque el apoyo a la decisión clínica mejora la calidad de la atención en diversos entornos, su utilidad en el ámbito diagnóstico específicamente sigue sin estar clara. La base de evidencia es escasa no porque las herramientas fallen necesariamente, sino porque la infraestructura de investigación para evaluarlas con rigor en atención primaria no ha seguido el ritmo de su implantación.

Dónde la evidencia es más sólida

La adecuación en la solicitud de pruebas de laboratorio es una de las áreas mejor estudiadas. El ensayo aleatorizado por grupos ELMO, realizado en atención primaria belga, evaluó un sistema de apoyo a la decisión clínica con conjuntos de órdenes para 17 indicaciones comunes: mejoró la adecuación de las solicitudes, redujo su volumen y no fue inferior a la atención habitual en cuanto a la incidencia de error diagnóstico. Es el ensayo europeo de mayor calidad disponible en este campo. Lo que ofrece es una garantía real sobre la seguridad, sin llegar a demostrar una reducción activa del error.

La estratificación del riesgo cardiovascular y la prescripción de antibióticos también muestran mejoras medibles del proceso en múltiples estudios, en gran parte porque la tarea de decisión está bien definida y es calculable. La evaluación del ritmo cardíaco es un área emergente: una encuesta francesa a médicos de familia sobre interpretación de electrocardiogramas asistida por inteligencia artificial encontró que el 72 por ciento usaría electrocardiogramas con mayor frecuencia si la inteligencia artificial estuviera disponible para la interpretación, y que la precisión diagnóstica de la IA era equivalente a la de los cardiólogos. El 57 por ciento de los encuestados veía la IA como una ayuda diagnóstica, no como un sistema autónomo.

Quizá la evidencia del mundo real más llamativa provenga de un estudio de 2025 de Korom et al., realizado en 39.849 consultas en 15 clínicas de Nairobi. Los profesionales sanitarios que usaban una herramienta de consulta con inteligencia artificial basada en modelos de lenguaje de gran tamaño cometieron un 16 por ciento menos de errores diagnósticos y un 13 por ciento menos de errores de tratamiento. Todos los encuestados dijeron que la herramienta mejoró la calidad de la atención, y el 75 por ciento describió el efecto como sustancial. Sin embargo, el estudio es observacional, y existe un resultado directamente contradictorio procedente de un ensayo pragmático aleatorizado por grupos que probó el apoyo a la decisión asistido por ChatGPT-4o en centros de atención primaria de Kenia: ese ensayo no encontró una reducción significativa en el fracaso del tratamiento a los 14 días. Los dos estudios midieron resultados diferentes con herramientas diferentes, y el ensayo aleatorizado merece más peso metodológico.

Dónde la evidencia es débil o falta

El estudio cualitativo de 2025 sobre profesionales sanitarios de atención primaria señala que numerosos estudios han demostrado mejoras en resultados de proceso, pero que pocos han evaluado resultados en pacientes. Esta brecha entre la mejora del proceso y el beneficio demostrable para el paciente atraviesa toda la literatura y constituye su problema central.

La fatiga de alertas es un mecanismo bien documentado por el cual la eficacia demostrada en entornos controlados no se traslada a la práctica real. Cuando los sistemas generan alertas frecuentes con baja especificidad, los profesionales aprenden a ignorarlas por costumbre, y esa tasa de ignoración limita cualquier beneficio potencial. En sentido contrario actúa el sesgo de automatización: la tendencia a confiar en exceso en las sugerencias del algoritmo e infravalorar el propio juicio clínico. Ambos son fallos de implantación más que defectos inherentes de las herramientas, pero los dos se observan de forma consistente en entornos reales.

Para muchas de las presentaciones indiferenciadas que definen la medicina de familia, como la fatiga, el dolor abdominal o los síntomas musculoesqueléticos, hay poca o ninguna evidencia de que las herramientas de apoyo reduzcan las tasas de error diagnóstico. La evidencia resulta más sólida precisamente donde la tarea diagnóstica está más estructurada, mientras que las presentaciones más complejas y cognitivamente exigentes siguen estando en gran medida sin estudiar, pese a ser las que más importan en la consulta diaria.

Una revisión de alcance de 2025 sobre inteligencia artificial en atención primaria ambulatoria encontró que la mayoría de los estudios permanecen en fase de desarrollo, con una implantación mínima en el mundo real más allá de la transcripción ambiental y el apoyo a la decisión clínica. De 3.203 manuscritos examinados, solo ocho informaron resultados de ensayos clínicos.

Por qué la evidencia de otros sistemas sanitarios no se traslada directamente a Europa

Una proporción significativa de la base de evidencia proviene de sistemas de salud estadounidenses o de entornos hospitalarios, con sistemas de registro médico, estructuras de incentivos y tamaños de cupo distintos a los europeos. Los estudios hospitalarios abordan preguntas diagnósticas más agudas y mejor definidas que las presentaciones crónicas, con múltiples comorbilidades e indiferenciadas, que predominan en las consultas europeas de medicina de familia. Los estudios realizados en entornos con menos recursos, incluido el de Penda Health en Kenia, se desarrollan en contextos clínicos que difieren sustancialmente del Sistema Nacional de Salud del Reino Unido o de la atención primaria nórdica en cuanto a infraestructura diagnóstica de referencia, duración de la consulta y acceso a vías de derivación.

El ensayo ELMO de Bélgica sigue siendo uno de los pocos ensayos controlados aleatorizados europeos de alta calidad realizados específicamente en atención primaria. La metarrevisión LINNEAUS, una colaboración europea, pedía enfoques más estandarizados para la representación del conocimiento y una integración más profunda con el sistema de registro médico, y señalaba que ninguna de estas condiciones se cumplió de forma consistente en los estudios revisados. Esa observación se realizó en 2016 y no se ha abordado completamente en la década transcurrida desde entonces.

La duración de la consulta también importa. Un médico de familia con diez minutos se enfrenta a limitaciones muy distintas a las de un profesional en un entorno de estudio con más tiempo para interactuar con una interfaz de apoyo. Las herramientas que requieren introducir datos adicionales, o que presentan sugerencias cuando la decisión clínica ya se ha tomado, difícilmente cambiarán los resultados independientemente de su precisión subyacente.

Qué preguntar antes de adoptar una herramienta de apoyo a la decisión clínica

El documento marco de Frontiers in Medicine sobre la reducción del diagnóstico erróneo en diagnósticos impulsados por inteligencia artificial concluye que es esencial un enfoque coordinado y multidimensional que integre controles técnicos robustos, directrices éticas claras y estructuras de responsabilidad bien definidas. El contexto de implantación y la gobernanza son tan determinantes como la tecnología subyacente.

Los médicos de familia que estén considerando adoptar una herramienta de este tipo deberían plantear varias preguntas concretas. La primera es si la evidencia se generó en un entorno de atención primaria europea y si los resultados se midieron a nivel del paciente, no solo del proceso. Conviene también preguntar cuáles son las tasas de ignoración de alertas en el uso real y cómo se monitoriza la fatiga de alertas. La integración con el sistema de registro médico existente y el momento exacto del flujo de trabajo en que interviene la herramienta son aspectos que merecen examinarse antes de cualquier implantación. Por último, vale la pena verificar si la herramienta ha sido validada de forma independiente o si los estudios de apoyo provienen principalmente del propio desarrollador, y si está clasificada como dispositivo médico bajo el marco regulatorio correspondiente, con vigilancia poscomercialización definida.

El balance honesto de la evidencia actual es que estas herramientas funcionan mejor como ayudas dirigidas para tareas bien definidas, como la solicitud de laboratorio, la prescripción de antibióticos o el riesgo cardiovascular, que como soluciones generales a la incertidumbre diagnóstica. La afirmación de que reducen el error diagnóstico de forma amplia en toda la gama de presentaciones que atiende un médico de familia todavía carece de respaldo en la evidencia disponible.

Preguntas frecuentes

▶ ¿Las herramientas de apoyo a la decisión clínica realmente reducen los errores diagnósticos en medicina de familia?

Para tareas bien delimitadas como la solicitud de laboratorio o la prescripción de antibióticos, sí hay mejoras documentadas en el proceso clínico. Para la gama amplia de presentaciones indiferenciadas que definen la consulta diaria, ningún ensayo europeo de alta calidad ha demostrado una reducción en el daño al paciente. La brecha entre mejora del proceso y beneficio clínico confirmado es el problema central de toda esta literatura.

▶ ¿Cuál es la diferencia entre apoyo a la decisión clínica pasivo y activo?

Los sistemas pasivos revisan prescripciones o resultados sin interrumpir la consulta. Los sistemas activos ofrecen sugerencias en tiempo real y, por eso, el momento exacto en que intervienen dentro del flujo de trabajo importa más: una sugerencia que llega cuando la decisión ya está tomada no cambia nada, independientemente de su precisión.

▶ ¿Qué áreas clínicas tienen la evidencia más sólida para las herramientas de apoyo a la decisión en atención primaria?

La solicitud de pruebas de laboratorio, la prescripción de antibióticos y la estratificación del riesgo cardiovascular concentran la mayor parte de la evidencia favorable. La razón común es que la tarea diagnóstica está bien definida y es calculable. Las presentaciones indiferenciadas, que son las más frecuentes en la consulta, siguen estando en gran medida sin estudiar.

▶ ¿Por qué es tan difícil medir si el apoyo a la decisión clínica reduce el error diagnóstico?

Además de los problemas metodológicos conocidos, hay un problema estructural: la infraestructura de investigación para evaluar estas herramientas con rigor en atención primaria no ha seguido el ritmo de su implantación. La metarrevisión LINNEAUS examinó 1.970 estudios y encontró solo 12 adecuados para su inclusión, y esa proporción refleja décadas de desarrollo tecnológico sin evaluación paralela.

▶ ¿Qué es la fatiga de alertas y cómo afecta la efectividad en el mundo real de estas herramientas?

Cuando un sistema genera alertas frecuentes con baja especificidad, los profesionales aprenden a ignorarlas por costumbre. La tasa de ignoración se convierte en un techo para cualquier beneficio potencial. Monitorizar esa tasa en el uso real es, por tanto, un indicador más útil de la efectividad de una herramienta que los resultados obtenidos en condiciones de estudio controladas.

▶ ¿La evidencia de sistemas de salud estadounidenses o africanos se aplica a la medicina de familia europea?

La transferibilidad es limitada. Los estudios hospitalarios abordan preguntas diagnósticas más agudas que las presentaciones crónicas y con múltiples comorbilidades que predominan en las consultas europeas. El ensayo ELMO de Bélgica sigue siendo uno de los pocos ensayos controlados aleatorizados europeos de alta calidad en atención primaria, y sus conclusiones sobre seguridad no se han replicado ampliamente en otros contextos europeos.

▶ ¿Qué preguntas debería hacer un médico de familia antes de adoptar una herramienta de apoyo a la decisión clínica?

Dos preguntas que suelen pasarse por alto: si la herramienta está clasificada como dispositivo médico bajo el marco regulatorio correspondiente, con vigilancia poscomercialización definida, y si los estudios de respaldo provienen de validación independiente o principalmente del propio desarrollador. Ambas condicionan el nivel de confianza que merece cualquier dato de eficacia publicado.

▶ ¿Cómo sería realmente una buena evidencia para la reducción del error diagnóstico en atención primaria?

Requeriría aleatorización a nivel de práctica o conglomerado en poblaciones europeas de atención primaria, con precisión diagnóstica verificada contra datos de seguimiento a semanas o meses vista. También sería necesario reportar las tasas de ignoración de alertas, para confirmar que la herramienta se usó realmente como se asumió en el diseño del estudio.

▶ ¿Qué encontró el estudio Penda Health y cómo deberían interpretarse sus resultados?

El estudio de Korom et al. (2025), realizado en 39.849 consultas en 15 clínicas de Nairobi, encontró un 16% menos de errores diagnósticos y un 13% menos de errores de tratamiento con una herramienta basada en modelos de lenguaje de gran tamaño. Es observacional y su contexto clínico difiere sustancialmente del europeo. Un ensayo aleatorizado en un entorno comparable en Kenia no encontró reducción significativa en resultados clínicos duros, y ese diseño merece más peso metodológico.