¿Qué precisión tiene un médico con IA? Las cifras honestas
La respuesta honesta: un médico con IA es aproximadamente tan preciso como un médico no especialista para problemas comunes, pero claramente queda por detrás de un experto. Un extenso metaanálisis de 2025 en npj Digital Medicine situó la precisión diagnóstica de la IA generativa por sí sola en torno al 52%. Un médico con IA en línea se entiende mejor como una segunda opinión bien documentada, no como un veredicto.
Un médico con IA no sustituye a un médico colegiado y no ofrece un diagnóstico. En caso de emergencia médica, llama al 911. Las cifras de precisión que siguen explican para qué sirve, y exactamente dónde sigues necesitando a un médico de verdad.
La respuesta corta: qué precisión tiene realmente un médico con IA
Deja a un lado el marketing y el panorama es sencillo: una herramienta de diagnóstico con IA generativa, usada por sí sola, acierta la respuesta correcta algo más de la mitad de las veces, y esa única cifra oculta una variación enorme según la tarea, la calidad de la información de entrada y contra quién se la compara.
Un número de referencia: ~52%
Una revisión sistemática y metaanálisis de 2025 de 83 estudios, publicado en npj Digital Medicine, halló que los modelos de IA generativa alcanzan una precisión diagnóstica global del 52,1% (IC 95% 47,0–57,1%) cuando trabajan por sí solos. Suena bajo, pero es una media entre casos fáciles y muy difíciles agrupados; el contexto en torno al número importa más que el número en sí.
Comparado con un médico de verdad
El mismo metaanálisis no encontró diferencia estadísticamente significativa entre la IA y los médicos en general (p=0,10), ni diferencia significativa frente a médicos no expertos o residentes (p=0,93). Pero la IA rindió significativamente peor que los médicos expertos, en unos 15,8 puntos porcentuales (p=0,007). En términos sencillos: un verificador de síntomas con IA es comparable a un generalista recién salido de su formación, y claramente por detrás de un especialista con años de reconocimiento de patrones, y poner un médico con IA comparado con un médico de verdad lado a lado muestra que esa brecha se amplía a medida que el caso se vuelve más difícil.
Por qué la cifra de precisión varía tanto
Cualquiera que compare titulares notará cifras muy dispares: 97% en un estudio, 40% en otro. Esa dispersión se debe en su mayoría a un puñado de variables que rara vez se mencionan en el propio titular:
- Cómo se recopiló la información de entrada: un historial clínico estructurado frente a las propias palabras del paciente
- Si “correcto” significa la única respuesta principal o cualquiera de las 3-5 primeras sugerencias
- Cuán común o rara es la condición subyacente
- Qué modelo y versión se probó, y cuándo
- Si el estudio midió el diagnóstico, el triaje, o ambos
Basura entra, basura sale: la calidad de la entrada lo es todo
En un estudio de JMIR con 100 pacientes de urgencias, ChatGPT funcionando con GPT-4 alcanzó un 97% de diagnósticos correctos o parcialmente correctos, pero solo porque se le proporcionó el mismo historial curado por médicos que usaron los facultativos tratantes, con constantes vitales, análisis y notas clínicas incluidas. Dados únicamente los síntomas brutos autoinformados de un paciente, la precisión del mismo tipo de modelo cae a aproximadamente el 50% para una coincidencia entre las 3 primeras. La herramienta de diagnóstico con IA es solo tan buena como lo que le cuentes, y comprender cómo funciona un médico con IA por dentro explica por qué el mismísimo modelo puede oscilar tanto solo por la calidad de la entrada.
Top-1 frente a top-3: ¿qué número están citando?
Una afirmación de “70-80% de precisión” suele significar que la respuesta correcta aparece en algún lugar entre las tres primeras sugerencias de la herramienta de triaje con IA, no que nombrara la condición correcta en primer lugar. Pídele al mismo sistema una única respuesta y la precisión puede caer al 34-40%. Cuando veas una afirmación de precisión de cualquier asistente de salud con IA, comprueba si es top-1 o top-3: son promesas muy distintas, y los proveedores tienden a encabezar con la más halagadora.
| Medición | Precisión típica | Qué significa |
|---|---|---|
| Top-1 (única mejor respuesta) | 34-40% | Diagnóstico correcto nombrado en primer lugar, sin alternativas ofrecidas |
| Top-3 (respuesta correcta en la lista corta) | 70-80% | La condición correcta aparece entre 3 sugerencias |
| Entrada curada por médicos (historial completo) | Hasta 97% | Alimentado con los mismos datos estructurados que usa un médico |
| Solo autoinforme del paciente | ~50% (top-3) | Alimentado con descripciones de síntomas brutas y no estructuradas |
Dónde acierta un médico con IA, y dónde falla
La precisión diagnóstica no es una sola habilidad; son varias, y un médico con IA es mucho mejor en unas que en otras. Saber cuál es cuál cambia cómo deberías usar realmente la herramienta.
Fuerte en triaje. Un médico con IA es más fiable cuando la pregunta es “cuán urgente es esto”, no “qué es exactamente esto”. Clasificar un síntoma en emergencia, urgente o rutinario es una tarea más acotada y mejor definida que llegar a un diagnóstico final, y los modelos tienden a hacerlo de forma más consistente.
Fuerte en dolencias comunes y bien documentadas. Los problemas sencillos y vistos con frecuencia —del tipo con datos de entrenamiento abundantes y patrones de síntomas claros— juegan a favor de las fortalezas de una herramienta de diagnóstico con IA generativa.
Fuerte en especialidades acotadas y muy visuales. En tareas de reconocimiento de patrones como la dermatología, un análisis conjunto de estudios prospectivos de detección de melanoma halló que la IA por sí sola alcanza cerca de un 80,9% de sensibilidad y un 75,6% de especificidad —comparable a dermatólogos sin ayuda— y sube a aproximadamente un 91,9% de sensibilidad y un 83,7% de especificidad cuando la IA asiste a un dermatólogo en lugar de reemplazarlo. Los problemas de patrones visuales bien definidos están cerca del terreno propio de la herramienta.
Débil en casos complejos, raros o multisistémicos. La precisión cae bruscamente cuando los síntomas se solapan entre sistemas del cuerpo o apuntan a una condición poco común, precisamente donde más importa el criterio de un médico experto.
Débil de un modo fácil de pasar por alto: equivocarse con seguridad. Un médico con IA puede enunciar un diagnóstico incorrecto en un lenguaje fluido y tranquilizador, sin ninguna reserva visible que señale la duda. Un resultado que suena plausible no es lo mismo que uno correcto, y por eso exactamente sigue importando una verificación humana.
¿Puedes fiarte de los estudios? Lee la letra pequeña
Incluso las cifras alentadoras de arriba vienen con matices que conviene conocer antes de sopesarlas.
En el metaanálisis de 83 estudios, 63 de 83 estudios —el 76%— fueron calificados con alto riesgo de sesgo, y los autores señalaron un sesgo de publicación estadísticamente significativo (p=0,045), lo que significa que es probable que los resultados halagadores estén sobrerrepresentados en la literatura publicada. El impactante resultado del 97% en urgencias provino de un único estudio de apenas 100 pacientes, sin un cálculo del tamaño muestral planificado de antemano que confirmara que el hallazgo se mantendría a escala.
| Limitación | Qué muestran los datos | Por qué importa |
|---|---|---|
| Riesgo de sesgo | 63 de 83 estudios (76%) calificados de alto riesgo | Muchos resultados pueden ser más favorables de lo que produciría el uso en el mundo real |
| Sesgo de publicación | Estadísticamente significativo (p=0,045) | Los estudios con resultados decepcionantes tienen menos probabilidad de publicarse |
| Muestras pequeñas | Estudio de urgencias basado en 100 pacientes | Sin un tamaño muestral planificado de antemano para confirmar que la cifra del 97% se generaliza |
| Entrada curada frente a bruta | 97% (historial curado) frente a ~50% (autoinforme) | La precisión del mismo modelo oscila unos 47 puntos según la calidad de la entrada |
Aparecen algunas lagunas recurrentes a lo largo de este cuerpo de investigación:
- La mayoría de los estudios prueban la IA contra viñetas basadas en texto, no contra conversaciones desordenadas del mundo real
- Pocos ensayos miden qué ocurre tras una respuesta errónea de la IA, es decir, el daño derivado
- Los tamaños muestrales suelen ser demasiado pequeños para respaldar la confianza que implica la cifra del titular
- La replicación independiente fuera del equipo de investigación original sigue siendo rara
Los autores de ese metaanálisis fueron francos sobre lo que significan sus propias cifras:
Los modelos de IA generativa todavía no son sustitutos fiables de los médicos expertos, pero pueden servir como ayudas valiosas en escenarios no expertos y como herramientas educativas para los médicos en formación. — Metaanálisis de npj Digital Medicine, 2025
Trata las cifras de precisión de los titulares como techos optimistas, no como garantías. Un número extraído de un estudio pequeño y con alto riesgo de sesgo no es lo mismo que un número que se sostendrá para tus síntomas concretos.
Cómo usar un médico con IA de forma segura dada su precisión
Dadas las cifras anteriores, la jugada inteligente es ajustar la herramienta a aquello en lo que realmente es buena y no a lo que parece capaz de hacer.
- Describe los síntomas con detalle, no en abreviatura. La precisión depende mucho de la calidad de la entrada, así que incluye la duración, la gravedad y cualquier cambio a lo largo del tiempo.
- Lee primero la orientación de triaje. La evaluación de urgencia es donde un verificador de síntomas con IA rinde de forma más fiable; presta atención si marca algo como urgente.
- Pide las 3 primeras, no solo la primera. Una lista corta de posibilidades es más honesta que una única respuesta que suena segura.
- Úsalo para preparar preguntas para una cita real. Convertir una preocupación vaga en una lista específica de preguntas es uno de los usos más fiables de la herramienta.
- Verifica cualquier cosa que importe con un profesional clínico colegiado, especialmente ante síntomas nuevos, graves o persistentes.
- Escala de inmediato si los síntomas empeoran; no esperes a que la IA se ponga al día.
- Nunca trates una única respuesta de la IA como definitiva. Contrástala con cómo te sientes realmente y con el consejo profesional.
Una herramienta de diagnóstico con IA tiende a ser más útil para un conjunto específico de tareas y menos útil para otras. Antes de apoyarte en una, ayuda saber de qué lado de esa línea cae tu situación:
- Entender términos médicos poco familiares de un resultado de laboratorio o una carta de derivación
- Calibrar cuán urgente podría ser un síntoma nuevo
- Preparar una lista clara de preguntas antes de una visita al médico
- Obtener educación sanitaria general sobre una condición que ya padeces
- Decidir entre una visita el mismo día, una cita programada o la espera vigilante
El consenso revisado por pares es tajante: la IA generativa es una ayuda valiosa en escenarios no expertos, no un sustituto fiable de un médico experto. La Administración de Alimentos y Medicamentos de EE. UU. hace seguimiento de los dispositivos médicos habilitados con IA que están autorizados para su comercialización precisamente porque los resultados de IA no verificados conllevan un riesgo clínico real, un recordatorio de que los reguladores, y no solo los investigadores, tratan esta brecha de precisión como algo material.
Cuándo saltarse la IA y acudir a un médico de verdad
Un médico con IA no sustituye a un médico colegiado y no ofrece un diagnóstico. En caso de emergencia médica, llama al 911.
Ningún porcentaje de precisión —ni el 52%, ni el 97% en condiciones ideales— hace que sea seguro confiar en una herramienta de diagnóstico con IA ante un síntoma grave, súbito o que empeora. Sáltate la IA y ve directamente a un médico de verdad o a urgencias ante síntomas como:
- Dolor o presión en el pecho, o dificultad para respirar
- Un dolor de cabeza súbito e intenso distinto a cualquier otro anterior
- Sangrado incontrolado o una lesión que empeora rápidamente
- Signos de ictus: caída facial, debilidad en un brazo, habla arrastrada
- Cualquier síntoma que sencillamente se sienta como una emergencia
Usa un asistente de salud con IA para informarte y organizar tus ideas, y luego deja que un profesional clínico colegiado tome la decisión real.
