Práctica familiar. 21 de octubre de 2025; 42 (6): cmaf087. doi: 10.1093/fampra/cmaf087.
ANTECEDENTES: La derivación eficaz y oportuna a atención especializada es una responsabilidad fundamental de los proveedores de atención primaria, incluidos los médicos de familia, los médicos generales y los trabajadores de salud comunitarios. Sin embargo, los desafíos en la clasificación pueden provocar retrasos, derivaciones innecesarias y una mayor presión sobre los sistemas de salud. Los avances en inteligencia artificial (IA) ofrecen ahora nuevas oportunidades para apoyar la toma de decisiones de derivación en el nivel de atención primaria.
OBJETIVO: Este estudio evalúa el rendimiento y la confiabilidad de dos modelos de IA como herramientas de apoyo a las decisiones de derivación, utilizando escenarios simulados que se encuentran comúnmente en entornos de atención primaria que involucran afecciones de oído, nariz y garganta.
MÉTODOS: Se presentaron a cada modelo dieciséis viñetas clínicas que representan presentaciones de atención primaria comunes o de alto riesgo que requieren aportes de especialistas, tanto en formato clínico estructurado como en formato informal de lenguaje del paciente. Las respuestas fueron evaluadas de forma independiente por cinco otorrinolaringólogos y 10 revisores no profesionales utilizando una rúbrica estandarizada centrada en la idoneidad, la claridad, la seguridad y la utilidad. El análisis cuantitativo incluyó comparaciones del rendimiento del modelo, el acuerdo de los revisores y el impacto de la estructura rápida en la calidad del resultado.
RESULTADOS: Ambos modelos de IA generaron recomendaciones de derivación seguras y clínicamente apropiadas cuando se les proporcionó información clínica estructurada. No se observaron diferencias estadísticamente significativas entre los dos modelos en los dominios evaluados. El rendimiento disminuyó en un modelo cuando las indicaciones se presentaron en un lenguaje informal, lo que subraya la importancia de una estructura de entrada clara. El acuerdo de los revisores fue alto, lo que confirma la confiabilidad de los hallazgos.
CONCLUSIÓN: Las herramientas de apoyo a la toma de decisiones de IA muestran potencial para ayudar en la clasificación de derivaciones a especialistas en atención primaria. La información clara y estructurada es esencial para maximizar la seguridad y la confiabilidad.
PubMed:41309370 | DOI:10.1093/fampra/cmaf087