IA en el razonamiento clínico

Terminas de leer un caso difícil, abres un asistente de inteligencia artificial, pegas la historia y recibes en segundos una lista de diez diagnósticos bien explicados. Parece el fin del problema. Un ensayo clínico aleatorizado con 50 médicos mostró algo menos obvio: tener un modelo de lenguaje disponible, además de los recursos habituales, no mejoró de forma significativa el desempeño de los médicos en el razonamiento diagnóstico, aunque el modelo por sí solo puntuó más alto que los médicos (Goh et al., 2024).

NEXO es un juego diario de diagnóstico médico: un caso clínico por día, seis pistas progresivas y retroalimentación por proximidad en la CIE-10 en cinco niveles.

Este texto resume lo que los estudios muestran sobre inteligencia artificial en el razonamiento clínico, qué riesgos aparecen cuando entra en la rutina y cómo estudiar con la IA al lado sin dejar de desarrollar el propio razonamiento.

Puntos principales

• Los modelos de lenguaje ya aciertan bien en pruebas y viñetas, pero tener la herramienta disponible no garantiza que el médico razone mejor.
• En algunos estudios, médicos con apoyo de IA llegaron a listas de diagnóstico diferencial más completas.
• El sesgo de automatización, la tendencia a confiar demasiado en la máquina, es un riesgo conocido, y hay formas de reducirlo.
• Un estudio observacional sugiere que la exposición continua a la IA puede empeorar el desempeño cuando esta no está disponible.
• Para quien estudia, el orden importa: primero tu razonamiento, después la comparación con la herramienta.

Sumario

• Lo que la IA ya consigue hacer en el diagnóstico
• IA en manos del médico: lo que cambia
• Los riesgos: sesgo de automatización y pérdida de habilidad
• Cómo estudiar razonamiento clínico con la IA al lado
• Dónde el entrenamiento sin ayuda sigue siendo esencial
• Preguntas frecuentes
• Lista de verificación para usar IA en el razonamiento clínico

Lo que la IA ya consigue hacer en el diagnóstico

La idea de usar computadoras para ayudar en el diagnóstico es antigua, y la calidad de las herramientas cambió mucho en pocos años. Vale la pena mirar la evolución para entender qué significan los números actuales.

Antes de los modelos de lenguaje

En 2015, un estudio probó 23 verificadores de síntomas en línea con 45 viñetas estandarizadas (Semigran et al., 2015). Las herramientas dieron el diagnóstico correcto en primer lugar en el 34% de las evaluaciones y lo incluyeron entre los 20 primeros en el 58% (Semigran et al., 2015). En el triaje, los consejos tendían a ser demasiado cautelosos, mandando buscar atención en situaciones en que el autocuidado era razonable (Semigran et al., 2015).

Los modelos de lenguaje en exámenes

En 2023, un estudio evaluó modelos de lenguaje en un conjunto de bases de preguntas médicas, y una de las versiones llegó al 67,6% de acierto en preguntas al estilo del examen de licencia médica de Estados Unidos (Singhal et al., 2023). La evaluación humana de las respuestas, sin embargo, reveló lagunas importantes, e incluso la versión ajustada para medicina quedó por debajo de los clínicos (Singhal et al., 2023).

Los autores destacan la importancia de evaluar las respuestas en varios ejes, como factualidad, comprensión, razonamiento, posibilidad de daño y sesgo (Singhal et al., 2023). Acertar la alternativa de un examen es distinto de razonar bien sobre un paciente.

Diagnóstico diferencial en casos difíciles

En 2025, un modelo optimizado para razonamiento diagnóstico se probó en 302 relatos de caso desafiantes publicados en la literatura, evaluados por 20 clínicos (McDuff et al., 2025). Por sí solo, el modelo incluyó el diagnóstico correcto entre las diez primeras hipótesis en el 59,1% de las veces, frente al 33,6% de los clínicos sin ayuda (McDuff et al., 2025).

Otro estudio del mismo grupo comparó un sistema de conversación diagnóstica con médicos de atención primaria en consultas por texto con actores entrenados (Tu et al., 2025). El sistema tuvo mayor exactitud diagnóstica y fue mejor en la mayoría de los ejes evaluados, pero los autores piden cautela: la consulta por chat de texto no es la forma habitual de atender, y se necesita más investigación antes de llevar el sistema a la práctica (Tu et al., 2025).

Dónde aparece la IA en la salud

El diagnóstico es solo uno de los frentes. La orientación de la Organización Mundial de la Salud sobre grandes modelos multimodales describe cinco grandes aplicaciones en la salud (OMS, 2024):

• diagnóstico y cuidado clínico, como responder a preguntas escritas de pacientes;
• uso guiado por el propio paciente, como investigar síntomas y tratamientos;
• tareas administrativas, como documentar y resumir consultas en la historia clínica electrónica;
• educación médica y de enfermería, incluidos encuentros simulados con pacientes;
• investigación científica y desarrollo de medicamentos.

Para el estudiante, esto significa que la IA va a aparecer en varios puntos de la formación, desde el resumen de un artículo hasta la simulación de una consulta. En cada uno de ellos, la pregunta es la misma: ¿la herramienta está haciendo el trabajo por mí o me está ayudando a hacerlo mejor?

Cómo leer estos resultados

Tipo de estudio	Qué mide	Qué no mide
Pruebas de opción múltiple	Conocimiento y reconocimiento de patrones en preguntas cerradas	Recolección de datos, examen físico, contexto del paciente
Viñetas y relatos de caso	Capacidad de armar un diferencial a partir de un texto ya listo	La tarea de decidir qué datos buscar
Consultas simuladas por texto	Conversación y razonamiento en un formato controlado	La atención presencial, con tiempo y recursos limitados
Ensayos con médicos	El efecto de dar la herramienta a quien atiende	El efecto en pacientes, salvo cuando el desenlace es clínico

Fuente de la tabla: síntesis del Editorial a partir de los diseños de Singhal et al., 2023, McDuff et al., 2025, Tu et al., 2025 y Goh et al., 2024.

La lectura conjunta es que la IA va bien en tareas en las que los datos ya llegan organizados. El trabajo de decidir qué preguntar, qué examinar y qué pedir sigue en manos de quien atiende.

IA en manos del médico: qué cambia

Saber que la herramienta acierta sola es una cosa. Saber si el médico con la herramienta decide mejor es otra, y es la pregunta que importa para la práctica.

El ensayo aleatorizado con médicos

En el ensayo de 2024, médicos de medicina de familia, clínica médica y emergencia fueron sorteados para usar un modelo de lenguaje junto con los recursos habituales o solo los recursos habituales, con hasta seis viñetas en una hora (Goh et al., 2024). El desenlace principal evaluaba la exactitud del diferencial, la elección de los factores a favor y en contra de cada hipótesis y los próximos pasos de la investigación (Goh et al., 2024).

La mediana de la puntuación fue de 76% en el grupo con el modelo y de 74% en el grupo sin él, una diferencia sin significancia estadística (Goh et al., 2024). El modelo solo puntuó 16 puntos porcentuales por encima del grupo de los recursos habituales, y los autores concluyen que es necesario desarrollar tanto la tecnología como la forma en que los profesionales trabajan con ella (Goh et al., 2024).

Cuando la ayuda amplió el diferencial

En el estudio de los relatos de caso, los clínicos con apoyo del modelo llegaron a listas de diagnóstico diferencial más completas y acertaron más entre las diez primeras hipótesis (51,7%) que los clínicos sin ayuda (36,1%) y los que usaron búsqueda en internet (44,4%) (McDuff et al., 2025). En ese estudio, todos los clínicos hicieron primero un diferencial sin ayuda y solo después usaron la herramienta (McDuff et al., 2025).

Qué explica la diferencia entre los estudios

Los diseños son diferentes, y no se pueden comparar los números directamente. Pero un punto llama la atención: tener la herramienta no es lo mismo que saber usarla. El ensayo de 2024 sugiere que, sin entrenamiento y sin una forma definida de trabajar con la IA, el médico puede no aprovechar lo que ella ofrece. El estudio de 2025 sugiere que pensar primero y consultar después es una forma de uso que amplía la lista de hipótesis.

Los riesgos: sesgo de automatización y pérdida de habilidad

Toda herramienta que ayuda a decidir trae un riesgo junto: el de decidir por ti. Ese riesgo tiene nombre y fue estudiado mucho antes de los modelos de lenguaje.

Sesgo de automatización

Una revisión sistemática definió sesgo de automatización como la tendencia a confiar demasiado en sistemas automatizados y reunió 74 estudios sobre el tema (Goddard et al., 2012). Los autores recuerdan que, aunque los sistemas de apoyo a la decisión mejoran el desempeño general en la mayoría de las investigaciones, muchas veces no se reconocen los errores nuevos que pueden introducir (Goddard et al., 2012).

Factores que influyen en el sesgo	Qué ayuda a reducir
Confianza en la herramienta	Entrenamiento
Estilo cognitivo y experiencia con la tarea	Reforzar que la responsabilidad es de quien decide
Carga de trabajo	Mostrar niveles de confianza actualizados junto con la respuesta
Tarea compleja y poco tiempo	Ofrecer información en vez de una recomendación lista

Fuente de la tabla: mediadores y formas de mitigación descritos por Goddard et al., 2012.

La Organización Mundial de la Salud también cita el sesgo de automatización entre los riesgos de los grandes modelos multimodales, junto a respuestas falsas, imprecisas, sesgadas o incompletas (OMS, 2024). La misma orientación incluye la educación médica, con encuentros simulados con pacientes, entre las aplicaciones posibles de esos modelos (OMS, 2024).

Pérdida de habilidad

Un estudio observacional en cuatro centros de endoscopia de Polonia comparó colonoscopias hechas sin IA antes y después de la introducción de una herramienta de detección de pólipos (Budzyń et al., 2025). La tasa de detección de adenomas en los exámenes sin IA cayó de 28,4% a 22,4% tras la exposición a la herramienta (Budzyń et al., 2025).

Los autores interpretan que la exposición continua a la IA puede tener un efecto negativo en el desempeño cuando ella no está disponible (Budzyń et al., 2025). Es un estudio observacional, en una tarea visual y en una especialidad, y no prueba el mismo efecto en el razonamiento diagnóstico. Pero la alerta vale para quien está formando su propia base: la habilidad que no practicas tiende a debilitarse.

El riesgo para quien todavía está aprendiendo

Para el estudiante, el riesgo mayor es saltarse la etapa que forma el razonamiento. Cuando la lista de hipótesis llega lista, dejas de entrenar justamente lo que un texto sobre razonamiento clínico en el ciclo clínico describe como el centro de la habilidad: reunir datos, generar hipótesis y ponerlas a prueba. Y sin una base propia es difícil notar cuándo la herramienta se equivoca.

Cómo estudiar razonamiento clínico con la IA al lado

La pregunta útil no es si debes usar IA, sino en qué momento y para qué. El orden en que usas la herramienta cambia lo que aprendes.

Primero tú, después la herramienta

El diseño del estudio de los relatos de caso, en el que cada clínico hacía un diferencial solo antes de consultar la herramienta, es un buen modelo para estudiar (McDuff et al., 2025). En la práctica:

1. Lee el caso y escribe tu resumen en una frase.
2. Arma tu diferencial con tres a cinco hipótesis, en orden.
3. Escribe un dato a favor y uno en contra de cada hipótesis.
4. Solo entonces consulta la herramienta.
5. Compara: ¿qué hipótesis trajo ella que tú no tenías? ¿Ignoró algún dato que tú consideraste importante?

Con este guion, la IA se vuelve una retroalimentación sobre tu razonamiento, y no un sustituto de él. Es la misma lógica de ponerse a prueba antes de mirar la respuesta, explicada en el texto sobre revisar jugando.

Usa la IA para preguntar, no solo para responder

Algunas formas de uso tienden a entrenar más el razonamiento:

• Pedir el argumento contrario. "¿Qué dato de este caso debilita mi hipótesis principal?"
• Pedir el diagnóstico que no puede pasar. "¿Qué causa grave encaja con estos hallazgos y dejé fuera?"
• Pedir la pregunta siguiente. "¿Qué pregunta de la historia separaría las dos primeras hipótesis?"
• Pedir explicación del mecanismo. "¿Por qué esta enfermedad causa este hallazgo?"

En todos los casos, verifica la respuesta en una fuente confiable. Los modelos pueden producir afirmaciones falsas o incompletas (OMS, 2024), y la fluidez del texto no garantiza que esté en lo correcto.

Retroalimentación sobre lo que escribes

La IA también se está estudiando como forma de dar retroalimentación sobre el razonamiento escrito. Un estudio en dos instituciones estadounidenses desarrolló modelos para evaluar la documentación del razonamiento clínico en notas de ingreso de residentes, y los autores concluyen que este tipo de herramienta puede ampliar la retroalimentación sobre el razonamiento (Schaye et al., 2025). El desempeño varió entre los modelos, y algunos tuvieron un desempeño insuficiente para su implementación (Schaye et al., 2025).

Un ejemplo comentado

Mira cómo funciona el guion en un caso de estudio. El caso es una viñeta didáctica del Editorial, y el objetivo es mostrar el método, y no enseñar la conducta.

El caso. Mujer de 34 años con cansancio desde hace dos meses, aumento de peso e intestino perezoso. Cuenta que siente más frío que sus colegas de trabajo.

Paso 1, tu resumen. "Mujer joven con fatiga, aumento de peso, estreñimiento e intolerancia al frío desde hace dos meses."

Paso 2, tu diferencial. Listas hipotiroidismo en primer lugar, después depresión, anemia y efecto de medicamento, y marcas lo que favorece a cada una. Nota que la intolerancia al frío pesa a favor de la primera hipótesis.

Paso 3, la consulta. Le pides a la herramienta un diferencial para el mismo resumen. Trae una lista parecida y añade apnea del sueño y embarazo, que no habías considerado.

Paso 4, la comparación. La pregunta no es quién acertó, sino por qué su lista tenía ítems que la tuya no tenía. El embarazo, por ejemplo, es una hipótesis que se pregunta en toda mujer en edad fértil, y olvidarla es un error de hábito, y no de conocimiento.

Paso 5, la fuente. Verificas en una referencia confiable qué exámenes ayudarían a separar las hipótesis y anotas lo que aprendiste. El registro va a tu cuaderno de errores, junto con el hábito que faltó.

Al final, la herramienta sirvió para mostrar una laguna de tu razonamiento, y no para pensar en tu lugar. Es esa diferencia la que protege el método.

Errores comunes al estudiar con IA

• Consultar antes de pensar. La lista lista te quita la parte del ejercicio que forma el razonamiento.
• Aceptar la primera respuesta. Una explicación fluida parece correcta incluso cuando no lo es.
• Confundir conocimiento con razonamiento. Saber la lista de causas de un síntoma es distinto de elegir la más probable para un paciente.
• Estudiar solo con preguntas cerradas. Los modelos van bien en opción múltiple; la atención empieza con una queja abierta.
• Olvidar el contexto local. La epidemiología, los protocolos y los recursos de tu servicio cambian la decisión, y la herramienta no siempre tiene eso en cuenta.

Cuidados prácticos

• Protege los datos. Nunca pegues nombre, documento o cualquier información que identifique a una persona en una herramienta pública.
• Verifica la fuente. Pide referencias y abre cada una; los modelos pueden citar artículos que no existen.
• Sigue las reglas de tu servicio. Facultades y hospitales pueden tener normas propias sobre el uso de IA.
• Registra tu decisión. Si la IA ayudó a recordar una hipótesis, la decisión y la justificación siguen siendo tuyas.

Ética y transparencia

Usar IA en el estudio también implica honestidad. Si un trabajo de la facultad o una discusión de caso tuvo ayuda de una herramienta, dilo, del mismo modo que citarías un libro. En la atención, la responsabilidad por la decisión es de quien atiende, y es por eso que la revisión sobre sesgo de automatización señala el refuerzo de la responsabilidad individual como una de las formas de reducir la confianza excesiva (Goddard et al., 2012).

Dónde el entrenamiento sin ayuda sigue siendo esencial

Aunque la IA se vuelva común en la atención, el médico necesita razonamiento propio para saber cuándo confiar y cuándo dudar. Ese razonamiento se forma con práctica sin ayuda.

Lo que solo la práctica forma

Saber qué datos buscar, notar cuándo un hallazgo no encaja, sentir que un caso es más grave de lo que parece: esas habilidades se forman con muchos casos y retroalimentación. El texto sobre diagnóstico diferencial con pistas muestra cómo entrenar la generación y la prueba de hipótesis, y el de juegos de razonamiento clínico compara formatos de entrenamiento.

Calibrar la confianza en la herramienta

Confiar en la IA en la medida justa exige saber, por experiencia propia, cómo es un buen razonamiento. Quien ya resolvió muchos casos sin ayuda nota cuándo la respuesta de la herramienta ignora un dato importante, cuándo la hipótesis principal no explica un hallazgo o cuándo la lista parece demasiado genérica. Quien se saltó esa etapa tiende a aceptar la primera respuesta bien escrita. Por eso, el entrenamiento sin ayuda y el uso de la IA no compiten: el primero es lo que hace seguro al segundo.

Entrenar en NEXO

En NEXO, el caso llega en hasta seis pistas, una a la vez, y das tu hipótesis por el nombre del diagnóstico o por el código de la CIE-10, sin que nadie sugiera la respuesta. Con cada hipótesis errada, el juego muestra la proximidad en cinco niveles, del capítulo diferente al CIE exacto, y abre la siguiente pista. Es un entrenamiento del razonamiento propio: decidir con información incompleta y ajustar la hipótesis con la retroalimentación.

El Diario trae un caso por día, igual para todos, y el Archivo reúne los casos diarios anteriores. El Multimedia añade imagen, audio y otros exámenes, y el Continentes cambia la epidemiología de fondo. El Adrenalina pone el tiempo en la cuenta. Cómo se libera cada modo está en la página de economía de NEXO. Después del caso, si quieres, compara tu razonamiento con el de una herramienta de IA siguiendo el guion anterior.

Guardar, discutir e investigar

El botón de Anki crea la tarjeta directamente desde NEXO y la abre en la app de Anki, útil para guardar el dato que no valoraste. La pestaña Grupo del ranking, que reúne colegas invitados, permite discutir con el grupo en qué pista acertó cada uno. Si coordinas una facultad, una liga o una residencia y quieres usar casos así en la enseñanza, conoce el NEXO Closer. Investigadores que estudian IA y razonamiento clínico pueden proponer estudios a través del NEXO Researcher, y médicos que quieran revisar casos de su especialidad pueden participar a través del NEXO Curator. Quien produce contenido de medicina puede conocer el NEXO Creators.

Preguntas frecuentes

¿La inteligencia artificial diagnostica mejor que el médico?

En algunos estudios con viñetas y relatos de caso, el modelo por sí solo puntuó más alto que los médicos (Goh et al., 2024; McDuff et al., 2025). Esos estudios usan datos ya organizados en texto y no miden la recolección de datos ni la atención presencial.

¿Usar IA mejora el razonamiento del médico?

Depende de cómo se use. En un ensayo aleatorizado, la disponibilidad de la herramienta no mejoró de forma significativa el razonamiento de los médicos (Goh et al., 2024). En otro estudio, en el que los clínicos pensaban primero y consultaban después, los diferenciales quedaron más completos (McDuff et al., 2025).

¿Qué es el sesgo de automatización?

Es la tendencia a confiar demasiado en sistemas automatizados. Una revisión sistemática identificó factores que lo influyen, como carga de trabajo y poco tiempo, y formas de reducirlo, como entrenamiento y refuerzo de la responsabilidad de quien decide (Goddard et al., 2012).

¿Usar IA puede hacer que el médico pierda habilidad?

Un estudio observacional en colonoscopia encontró una caída en la tasa de detección de adenomas en los exámenes sin IA después de que los médicos empezaran a usar la herramienta (Budzyń et al., 2025). El resultado vale para esa tarea, pero refuerza la importancia de mantener la práctica sin ayuda.

Como estudiante, ¿puedo usar IA para estudiar casos?

Puedes, con método: haz tu diferencial antes, consulta después y compara. Verifica cada información en una fuente confiable y nunca pegues datos que identifiquen personas. La OMS alerta que esos modelos pueden producir respuestas falsas o incompletas (OMS, 2024).

¿Para qué más se usa la IA en la salud?

La OMS describe aplicaciones en diagnóstico y cuidado clínico, uso por el propio paciente, tareas administrativas como documentar consultas, educación médica e investigación científica (OMS, 2024).

¿Cómo ayuda NEXO en ese entrenamiento?

En NEXO, resuelves el caso con hasta seis pistas y recibes la proximidad de tu hipótesis en la CIE-10, entrenando el razonamiento propio con retroalimentación en cada intento. Para conocer el juego, lee qué es NEXO.

Lista de verificación para usar IA en el razonamiento clínico

1. Haz tu diferencial antes de abrir cualquier herramienta.
2. Escribe datos a favor y en contra de cada hipótesis.
3. Consulta la IA como segunda opinión, y no como primera respuesta.
4. Pide el argumento contrario y la causa grave que puede haber quedado fuera.
5. Verifica cada información en una fuente confiable.
6. Abre las referencias que cite la herramienta.
7. Protege los datos: nada que identifique a una persona va a la herramienta.
8. Desconfía más cuando estés cansado o con prisa.
9. Mantén entrenamiento sin ayuda para no perder la base.
10. Asume la decisión: la justificación es tuya.

¿Quieres entrenar tu razonamiento sin ayuda hoy? Juega el caso del día en NEXO.

Referencias

1. Goh E, Gallo R, Hom J, et al. Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Netw Open. 2024. https://pubmed.ncbi.nlm.nih.gov/39466245/
2. McDuff D, Schaekermann M, Tu T, et al. Towards accurate differential diagnosis with large language models. Nature. 2025. https://pubmed.ncbi.nlm.nih.gov/40205049/
3. Tu T, Schaekermann M, Palepu A, et al. Towards conversational diagnostic artificial intelligence. Nature. 2025. https://pubmed.ncbi.nlm.nih.gov/40205050/
4. Singhal K, Azizi S, Tu T, et al. Large language models encode clinical knowledge. Nature. 2023. https://pubmed.ncbi.nlm.nih.gov/37438534/
5. Semigran HL, Linder JA, Gidengil C, Mehrotra A. Evaluation of symptom checkers for self diagnosis and triage: audit study. BMJ. 2015. https://pubmed.ncbi.nlm.nih.gov/26157077/
6. Goddard K, Roudsari A, Wyatt JC. Automation bias: a systematic review of frequency, effect mediators, and mitigators. J Am Med Inform Assoc. 2012. https://pubmed.ncbi.nlm.nih.gov/21685142/
7. Budzyń K, Romańczyk M, Kitala D, et al. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. 2025. https://pubmed.ncbi.nlm.nih.gov/40816301/
8. Organización Mundial de la Salud. WHO releases AI ethics and governance guidance for large multi-modal models. 2024. https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models
9. Schaye V, DiTullio D, Guzman BV, et al. Large Language Model-Based Assessment of Clinical Reasoning Documentation in the Electronic Health Record Across Two Institutions: Development and Validation Study. J Med Internet Res. 2025. https://pubmed.ncbi.nlm.nih.gov/40117575/