Revisión narrativa dirigida, publicada en 2026. Los autores seleccionan estudios para responder tres preguntas y no hacen búsqueda sistemática, cribado por duplicado ni metaanálisis. Las cifras de los estudios que repasan no son suyas y por eso esta ficha no las recoge.
Journal of Clinical Medicine · 2026 · 15:8688
IA en consulta y quirófano: qué está probado y qué no
«Implementing Artificial Intelligence in Daily Clinical Practice, from Voice Dictation to Operating Room Organization: A Targeted Narrative Review with Hysteroscopy as a Clinical Exemplar»
Las preguntas
Tres preguntas sobre la IA en el trabajo clínico diario
La revisión sigue la IA a lo largo de la jornada clínica, desde el dictado de voz hasta la organización del quirófano. Su punto de partida: lo que importa es si estos sistemas mejoran el trabajo clínico y la atención una vez integrados en la rutina, además de cómo rinden con datos de prueba.
Uso real
En las aplicaciones del día a día, de la documentación al quirófano, ¿qué pruebas hay de efecto en uso rutinario, distintas del rendimiento técnico, del beneficio simulado o del uso propuesto?
Histeroscopia
¿Hasta qué punto las métricas publicadas permiten conclusiones clínicas por paciente, según la unidad de análisis, la independencia de la validación y el registro de errores clínicamente relevantes?
Implantación
¿Qué requisitos de gobernanza, seguridad y evaluación local se derivan para los servicios que se planteen adoptarla?
Los autores la presentan como apoyo a la evaluación local, no como guía de práctica clínica ni como recomendación de productos. La búsqueda y la verificación de citas se cerraron el 6 de septiembre de 2026.
Por qué la histeroscopia
Tres razones para usarla como ejemplo
No pretende representar toda la cirugía ginecológica mínimamente invasiva. Sirve para mostrar cómo debe interpretarse el rendimiento técnico antes del uso clínico.
Texto, imagen y agenda
Es un procedimiento de vídeo digital: un mismo episodio genera texto (indicación, informe operatorio, comunicación con la paciente), imágenes y demanda de programación. Toca todas las etapas que repasa la revisión.
Diagnóstico, planificación y pronóstico
La IA publicada en histeroscopia abarca clasificación diagnóstica, planificación preoperatoria y pronóstico, lo que permite comparar pasos de traslación dentro de un mismo campo.
Una revisión sistemática previa
Existe una revisión sistemática reciente con evaluación formal del riesgo de sesgo, contra la que se pueden examinar los estudios primarios. Los autores toman de ella los juicios formales de riesgo de sesgo.
El marco de lectura
Ocho estudios de histeroscopia leídos con tres distinciones
Los autores leyeron a texto completo los ocho estudios primarios que discuten y los describieron con un marco común. Como ellos mismos aclaran, no es una evaluación formal del riesgo de sesgo.
Imagen frente a paciente
Una métrica por imagen no puede leerse como sensibilidad por paciente salvo que el paciente sea la unidad de análisis.
Interna frente a independiente
Partir al azar una misma base de datos, aunque sea multicéntrica, es validación interna. La externa exige pacientes de centros, periodos o entornos que no se usaron para desarrollar el modelo.
Discriminación frente a utilidad clínica
El AUROC no demuestra utilidad clínica. Esta depende de las tasas de error en un umbral elegido con criterio clínico, de la prevalencia en la población de uso y de las consecuencias de los falsos negativos y positivos.
Cómo se separaron los datos de entrenamiento y de prueba
Los ocho estudios primarios de histeroscopia, según la lectura de los autores
Los autores no demostraron fuga de información entre entrenamiento y prueba en ningún estudio, pero señalan que no puede descartarse donde la partición fue por imagen o no se describió. Las imágenes de un mismo procedimiento no son pacientes independientes. Solo uno de los estudios de histeroscopia presentó análisis por subgrupos clínicos en su cohorte de prueba.
El marco de madurez
Cinco categorías, de piloto local supervisado a no apto para uso autónomo
Es la Tabla 6 del artículo. Clasifica tareas en un contexto definido. Los autores la presentan como juicio cualitativo propio, no como grado de evidencia validado ni como certificación de ningún sistema comercial.
Según los autores, una versión nueva del producto, otra población, otro idioma u otra integración pueden cambiar la valoración. La categoría final depende de la versión, el propósito previsto, la población y las consecuencias del error.
Por etapas de la jornada
Qué concluyen para cada uso
Resumen de las conclusiones de los autores. Los resultados numéricos de los estudios que las sostienen están en el artículo.
Punto de partida práctico, con revisión
Para servicios seleccionados es el punto de partida más respaldado: ensayos aleatorizados y datos observacionales multicéntricos de práctica habitual. El beneficio depende del producto y del entorno, y las imprecisiones y la carga de revisión siguen siendo relevantes.
Antes de firmar, el clínico verifica medicación, dosis, alergias, negaciones, lateralidad y la valoración y el plan. El tiempo ahorrado no debería convertirse en más citas hasta conocer su efecto sobre la carga de trabajo y la seguridad.
Evaluado solo fuera del flujo clínico
La evidencia sale de valoraciones de profesionales sobre respuestas a preguntas públicas, sin historia clínica completa ni portal real. Justifica solo un estudio de viabilidad acotado en el que un clínico revisa y edita cada borrador.
Verificación contra la fuente
Un resumen puede ser fluido y omitir una alergia o un tratamiento previo fallido. En el informe operatorio, la IA debería señalar la información que falta, sin inferir un hallazgo no documentado ni inventar un déficit de líquido. El cirujano firma el informe final.
Buena discriminación en tareas concretas
La mayoría de los estudios son retrospectivos, por imagen o con validación interna, y los errores por paciente en las categorías de alto riesgo rara vez se publican. Una salida de IA no debe usarse para prescindir de una biopsia indicada.
Faltan validación multicéntrica independiente, reclutamiento consecutivo y estudiar el recién nacido vivo además de la concepción.
Ganancias sobre todo en simulación
La evidencia examinada son revisiones sistemáticas de modelos predictivos y una simulación; no se incluyó ningún despliegue prospectivo. Proponen empezar en modo sombra, sin cambiar la atención real, y mantener la autoridad humana sobre la programación.
La hoja de ruta
Implantación en seis etapas, con decisión explícita de ampliar, revisar o parar
Definir
Tarea, usuarios, población, responsable clínico y usos prohibidos. Requisitos de privacidad, compra y regulación antes del piloto.
Medir la línea basal
Fijar antes los criterios de éxito, suspensión y parada: errores clínicamente relevantes, carga de revisión, experiencia de la paciente y costes, además del tiempo ahorrado.
Probar en local
Con datos representativos, condiciones reales y los subgrupos que importan para esa modalidad. Modo sombra si puede alterar diagnóstico, tratamiento o programación.
Piloto prospectivo
En un entorno limitado, con revisión humana. Comparar con la práctica habitual y documentar uso, anulaciones, incidentes y efectos no previstos.
Decidir
Ampliar, revisar o parar. Ampliar exige seguridad aceptable, beneficio útil y personal y costes sostenibles; una demostración favorable no basta.
Vigilar
Versión desplegada, rendimiento por subgrupos, incidentes y deriva. Revalidar los cambios relevantes y mantener una vía de vuelta atrás.
Cinco medidas para cuando la IA se equivoque
Verificar los elementos críticos: en el informe operatorio, histología, completitud de la resección, balance de líquidos y complicaciones. Límites de uso: fuera lo que no se pueda rastrear hasta el dato fuente o quede fuera del alcance validado. Escalado: una vía para notificar errores y acceso a una persona en situaciones urgentes. Registro de incidentes con versión del producto y consecuencia. Criterios de suspensión fijados antes, con un flujo alternativo.
Los autores aclaran que son medidas propuestas y que su eficacia para reducir daños no se ha evaluado en la evidencia examinada. Según el artículo, la revisión humana es necesaria, aunque por sí sola no hace segura la salida de la IA.
La letra pequeña
Las limitaciones que reconocen los autores
Selección de la literatura
Su selección dirigida puede introducir sesgo de selección y de publicación, no es una evaluación sistemática exhaustiva, y no hay registro de cribado ni recuento de registros de las búsquedas originales.
Origen de los datos
Algunos valores se tomaron de la revisión secundaria y no del informe primario.
Los juicios formales de riesgo de sesgo se tomaron de una revisión de la especialidad ya existente, sin repetirlos de forma independiente.
Comparabilidad
Los estudios varían en diseño, versión del producto, definición de desenlaces y estrategia de validación, lo que impide estimaciones agrupadas con sentido o una clasificación directa entre aplicaciones.
Vigencia
El desarrollo técnico y los requisitos regulatorios evolucionan rápido; el marco debe guiar la reevaluación en lugar de fijar una jerarquía permanente de tecnologías.
Las categorías de madurez son, en sus palabras, juicios cualitativos de los autores que no deben interpretarse como grados de evidencia validados.
«Los modelos de histeroscopia muestran una discriminación prometedora en tareas concretas, pero la evidencia actual, en gran parte retrospectiva, por imagen o con validación interna, no respalda el diagnóstico autónomo, la sustitución de la histopatología indicada ni decisiones de tratamiento basadas en predicciones no validadas.»
«Hysteroscopic models show promising discrimination for specific tasks, but current evidence, which is largely retrospective, image-level, or internally validated, does not support autonomous diagnosis, replacement of indicated histopathology, or treatment decisions based on unvalidated predictions.»
Haimovich S, Fazel A. Journal of Clinical Medicine, 2026. Conclusions.De la misma serie
Fichas relacionadas
Para citarlo
La referencia
Leer el artículo original · Acceso abierto (licencia CC BY) · Sin financiación externa.
Conflictos de interés declarados: S. Haimovich preside la AAGL Artificial Intelligence Task Force y A. Fazel es responsable de la ética del uso de IA en esa misma task force. Uso de IA declarado por los autores: Claude Opus 5.5 (Anthropic) y GPT-5.6 Sol (OpenAI) para revisión editorial, verificación y localización de referencias, extracción de características de los estudios y corrección de lenguaje; los autores declaran haber verificado la salida contra las publicaciones y fuentes oficiales.
Código AdrIA · serie «papers legibles»
