Inteligencia artificial como apoyo al razonamiento clínico en Atención Primaria: a propósito de un caso

Resumen

La incorporación de inteligencia artificial clínica en Atención Primaria está transformando la detección precoz de enfermedades en contextos de alta complejidad y síntomas inespecíficos. Presentamos el caso de una mujer de 74 años con comorbilidades crónicas y un aumento progresivo de consultas por fatiga, anorexia y disnea leve, sin hallazgos relevantes en la exploración física. Un sistema de IA integrado en la historia clínica electrónica analizó texto libre, evolución longitudinal de síntomas, medicación y datos previos, generando una alerta de riesgo moderado‑alto basada en patrones constitucionales y pérdida de peso. La herramienta sugirió priorizar el estudio de anemia ferropénica y un posible síndrome constitucional de origen neoplásico. La analítica confirmó anemia microcítica severa y la radiografía de tórax reveló un nódulo pulmonar no documentado previamente. El TC torácico confirmó un adenocarcinoma en estadio IA, tratado mediante resección segmentaria con evolución favorable. Este caso muestra cómo la IA puede actuar como catalizador diagnóstico, acelerando la identificación de patologías graves en fases iniciales y complementando el razonamiento clínico mediante análisis longitudinal y detección de patrones sutiles.

Palabras clave

Inteligencia artificial; atención primaria de salud; sistemas de apoyo a decisiones clínicas; diagnóstico; seguridad del paciente

Introducción

La incorporación de la inteligencia artificial (IA) en Atención Primaria está experimentando un crecimiento acelerado, impulsado por la necesidad de mejorar la detección precoz, optimizar la toma de decisiones y aliviar la carga asistencial en un entorno caracterizado por alta complejidad clínica y limitación de recursos. En los últimos años, los sistemas basados en modelos de lenguaje, algoritmos predictivos y herramientas de apoyo a la decisión clínica han comenzado a integrarse en la práctica diaria, ofreciendo nuevas posibilidades para el análisis de síntomas, la estratificación de riesgo y la priorización de pruebas diagnósticas¹.

Sin embargo, la adopción de estas tecnologías plantea desafíos significativos. La Organización Mundial de la Salud ha advertido que los modelos generativos y multimodales pueden producir información inexacta, sesgada o incompleta, lo que podría comprometer la seguridad del paciente si no se implementan mecanismos adecuados de supervisión y transparencia². Además, la variabilidad inherente de los sistemas basados en IA —especialmente aquellos que se actualizan de forma continua— cuestiona los marcos regulatorios tradicionales, diseñados para tecnologías con comportamiento estable y predecible³.

En respuesta a estas preocupaciones, se han desarrollado marcos internacionales para promover el uso responsable y confiable de la IA en salud. El consenso FUTURE-AI, publicado en 2025, establece principios para garantizar la calidad, explicabilidad, equidad y seguridad de los sistemas de IA desplegados en entornos clínicos, subrayando la necesidad de supervisión humana significativa y evaluación continua del rendimiento⁴. Paralelamente, diversas publicaciones recientes han destacado la importancia de adaptar los modelos de seguridad específicamente al contexto de la Atención Primaria, donde la longitudinalidad, la multimorbilidad y la interpretación contextual de los síntomas exigen una integración especialmente cuidadosa de estas herramientas³.

Caso clínico

Antecedentes

Mujer de 74 años, con antecedentes de hipertensión arterial, diabetes mellitus tipo 2 bien controlada, EPOC leve y artrosis de rodilla. Vive sola, con apoyo parcial de su hija. Acude periódicamente a su centro de salud, donde se ha registrado un aumento progresivo de consultas por síntomas inespecíficos en los últimos seis meses.

En las últimas semanas refiere fatiga creciente, pérdida de apetito y ligera disnea de esfuerzo. No presenta fiebre, tos significativa, ni dolor torácico. No ha perdido peso de forma intencionada, pero comenta que “come menos porque no le apetece”.

El centro de salud ha incorporado recientemente un sistema de inteligencia artificial (IA) integrado en la historia clínica electrónica, capaz de analizar texto libre, antecedentes, medicación y patrones longitudinales de consulta.

Exploración física

La paciente se encuentra consciente y orientada, con aspecto ligeramente asténico. TA 128/72 mmHg, FC 84 lpm, SatO₂ 96% basal. La auscultación cardiopulmonar es normal, sin soplos ni ruidos añadidos. No se observan edemas ni signos de insuficiencia cardíaca. El abdomen es blando y depresible, sin masas ni visceromegalias. No hay adenopatías palpables.

La exploración no aporta hallazgos concluyentes que orienten hacia una causa clara de la sintomatología.

Diagnóstico / intervención de la IA

Durante la consulta, el profesional introduce en la historia clínica un resumen de la anamnesis. El sistema de IA analiza automáticamente:

• Texto libre de la consulta actual.
• Evolución de síntomas en los últimos meses.
• Historia clínica previa.
• Medicación crónica.
• Resultados analíticos de los últimos años.

El sistema genera una alerta de riesgo moderado-alto basada en patrones de:

• Aumento de consultas por síntomas constitucionales.
• Disminución del peso registrado en los últimos controles.
• Fatiga persistente sin causa aparente.
• Edad avanzada y comorbilidad.

La IA sugiere dos posibles líneas diagnósticas prioritarias:

1. Anemia ferropénica o enfermedad hematológica.
2. Síndrome constitucional con posible origen neoplásico, recomendando pruebas iniciales según guías:
   • Analítica completa con ferritina, VSG y proteína C reactiva.
   • Radiografía de tórax.
   • Revisión de medicación y cribado de efectos adversos.

El profesional revisa las recomendaciones, las considera razonables y las integra en su juicio clínico.

La analítica muestra:

• Hb: 9,2 g/dL
• VCM: 72 fL
• Ferritina: 8 ng/mL
• VSG: 48 mm/h

La radiografía de tórax revela un nódulo pulmonar de 1,8 cm en lóbulo superior derecho, no presente en estudios previos.

Se solicita TC torácico, que confirma un nódulo sólido sugestivo de malignidad en estadio inicial. La paciente es derivada a Neumología y posteriormente a Cirugía Torácica.

Tratamiento

La paciente es intervenida mediante resección segmentaria, confirmándose un adenocarcinoma pulmonar en estadio IA. No se identifican metástasis. La recuperación es favorable y se establece seguimiento oncológico.

Evolución

En la revisión posterior en Atención Primaria, la paciente se encuentra asintomática, con recuperación progresiva de la energía y del apetito. La Hb asciende a 11,8 g/dL tras suplementación con hierro.

El profesional reflexiona sobre el papel de la IA: la alerta generada permitió acelerar el proceso diagnóstico, evitando un retraso potencialmente significativo en un cuadro clínico inicialmente inespecífico.

Discusión

La integración de sistemas de inteligencia artificial (IA) en Atención Primaria representa una oportunidad para mejorar la detección precoz de enfermedades, especialmente en cuadros clínicos inespecíficos como el presentado. La literatura reciente destaca que los modelos de IA pueden analizar grandes volúmenes de información clínica, identificar patrones sutiles y generar alertas que complementan el juicio del profesional, contribuyendo a reducir retrasos diagnósticos y a mejorar la seguridad del paciente¹. En este caso, la IA permitió priorizar una analítica y una radiografía que condujeron al hallazgo de un cáncer pulmonar en estadio inicial, un escenario donde la detección temprana es determinante para el pronóstico.

No obstante, la adopción de IA en entornos clínicos exige un enfoque crítico. La confianza del profesional es un factor clave para su uso efectivo. Una revisión sistemática reciente señala que la aceptación de los sistemas de apoyo a la decisión basados en IA depende de su transparencia, rendimiento consistente, explicabilidad y alineación con el flujo de trabajo clínico⁵. La IA debe ser percibida como una herramienta de apoyo, no como un sustituto del razonamiento clínico, y su implementación debe acompañarse de formación específica para los profesionales.

Además, la seguridad y la gobernanza de la IA son elementos esenciales. Las recomendaciones internacionales subrayan la necesidad de marcos que garanticen supervisión humana significativa, monitorización continua del rendimiento, mecanismos de reporte de incidentes y evaluación del sesgo algorítmico⁶. El consenso FUTURE-AI propone principios para asegurar que los sistemas sean fiables, explicables, justos y auditables, destacando que la IA clínica debe someterse a procesos de validación rigurosos antes y después de su despliegue⁴. Estos elementos son especialmente relevantes en Atención Primaria, donde la multimorbilidad y la variabilidad clínica pueden amplificar los riesgos de errores algorítmicos.

Por otra parte, la evidencia muestra que los sistemas de IA en Atención Primaria aún se encuentran en fases iniciales de implementación real. Una revisión de 2024 identificó pocos estudios en entornos clínicos reales, señalando que, aunque los resultados preliminares son prometedores —mejora en la gestión, satisfacción del paciente y reducción de carga asistencial—, persisten barreras relacionadas con la interoperabilidad, la cultura organizativa y la adaptación a distintos contextos asistenciales⁷. Esto refuerza la necesidad de evaluar cuidadosamente cada despliegue y de contextualizar los resultados.

En conjunto, este caso ilustra tanto el potencial como las limitaciones de la IA en Atención Primaria. La herramienta actuó como un catalizador diagnóstico, pero su utilidad dependió de la interpretación crítica del profesional y de la integración adecuada en el proceso clínico. La IA puede mejorar la calidad asistencial, pero solo si se implementa bajo principios de seguridad, transparencia y supervisión humana.

Conclusiones

• La inteligencia artificial puede mejorar la detección precoz en Atención Primaria, especialmente en cuadros clínicos inespecíficos, al identificar patrones longitudinales y sugerir pruebas diagnósticas basadas en evidencia.
• El valor clínico de la IA depende de la supervisión humana significativa, ya que su utilidad se maximiza cuando complementa —y no sustituye— el razonamiento clínico del profesional.
• La implementación segura de IA en Atención Primaria requiere marcos sólidos de gobernanza, que incluyan transparencia, explicabilidad, monitorización continua del rendimiento y evaluación del sesgo algorítmico.
• El caso presentado ilustra que la IA puede actuar como catalizador diagnóstico, pero su impacto positivo depende de su integración adecuada en el flujo de trabajo y de la capacidad del profesional para interpretar críticamente sus recomendaciones.

 

Referencias

1. Zhang N, Mohindroo R, Mundlur P, Mittal R. Artificial intelligence in primary care: opportunities, risks, and the road ahead. BJGP Open. 2025;9(4):BJGPO.2025.0233.
2. World Health Organization. WHO releases AI ethics and governance guidance for large multi-modal models. 2024.
3. Biro J, Jabbarpour Y, Ratwani R. A new approach to artificial intelligence safety in primary care. Lancet Prim Care. 2026;2(3):100115.
4. Lekadir K, Frangi AF, Porras AR, et al. FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare. BMJ. 2025;388:e081554.
5. Tun HM, Rahman HA, Naing L, Malik OA. Trust in Artificial Intelligence–Based Clinical Decision Support Systems Among Health Care Workers: Systematic Review. J Med Internet Res. 2025;27:e69678.
6. Labkoff S, Oladimeji B, Kannry J, et al. Toward a responsible future: recommendations for AI-enabled clinical decision support. J Am Med Inform Assoc. 2024;31(11):2730–2739.
7. Gomez-Cabello CA, Borna S, Pressman S, et al. Artificial-Intelligence-Based Clinical Decision Support Systems in Primary Care: A Scoping Review of Current Clinical Implementations. Eur J Investig Health Psychol Educ. 2024;14(3):685–698

 

 

El doctor Miguel Ángel Acosta Benito declara no tener conflictos de interés.

The post Inteligencia artificial como apoyo al razonamiento clínico en Atención Primaria: a propósito de un caso appeared first on El médico interactivo.

from El médico interactivo https://ift.tt/ARF3eas