Harvard: la IA supera a los médicos en el triaje de urgencias

Un equipo de Harvard Medical School y Beth Israel Deaconess Medical Center informó de que el modelo de razonamiento o1 de OpenAI mostró mayor precisión que los médicos en varias tareas de diagnóstico de urgencia. El resultado más llamativo llegó en el triaje inicial en urgencias, cuando hay pocos datos y la decisión debe tomarse rápido.

Cómo se hizo la comparación

El estudio se publicó el 30 de abril de 2026 en la revista Science y es uno de los mayores intentos de comparar la IA no con exámenes tipo test, sino con el trabajo clínico real. Los autores sometieron el modelo a seis experimentos, desde casos diagnósticos complejos y razonamiento probabilístico hasta tareas de elección de la conducta posterior.

La parte central del trabajo fueron 76 casos reales del servicio de urgencias de un hospital de Boston. El modelo y los médicos recibieron las mismas anotaciones de la historia clínica electrónica y debían proponer los diagnósticos más probables y los siguientes pasos.

Lo importante es que los datos apenas se «pulieron» antes de la prueba. Los investigadores usaron el mismo texto ruidoso e incompleto que ve un médico en los primeros minutos: constantes vitales, edad, una breve descripción de las dolencias por parte de la enfermera y notas sueltas del historial. La evaluación se hizo en tres etapas: en el triaje, en el primer contacto con el médico y en la decisión de ingresar al paciente en planta o en cuidados intensivos. Los evaluadores no sabían quién había dado cada respuesta, si una persona o el modelo.

Dónde fue mejor la IA

La mayor ventaja del modelo apareció justo donde el médico tiene menos información. En el triaje temprano, OpenAI o1 dio un diagnóstico exacto o muy cercano en el 67 % de los casos. Los médicos, con el mismo conjunto de pacientes, se movieron entre el 50 y el 55 %. Cuando hubo más datos, la precisión de la IA subió al 82 % y la de las personas, al 70–79 %; aquí la diferencia ya no era estadísticamente significativa, pero la tendencia se mantuvo.

En las tareas de plan de manejo del caso, que incluían elegir pruebas y antibióticos y debatir los objetivos del tratamiento, el modelo también rindió claramente mejor.

• 67 %: diagnóstico exacto o cercano de la IA en el triaje inicial
• 50–55 %: resultado de los médicos en la misma etapa
• 82 %: precisión de la IA tras recibir datos adicionales
• 89 %: puntuación del modelo en tareas de conducta clínica, frente al 34 % de los médicos

Los autores citaron además un ejemplo ilustrativo. En un caso, un paciente ingresó con un trombo en el pulmón y empeoramiento de su estado. Los médicos supusieron que el tratamiento anticoagulante estándar no había funcionado. El modelo, en cambio, relacionó el cuadro con un antecedente de lupus y planteó que el origen del problema era una inflamación pulmonar derivada de él. Más tarde se confirmó precisamente esa versión. Los investigadores señalan por separado que el modelo trabajó con especial seguridad en casos raros y enrevesados.

Por qué esto no sustituye a los médicos

De estos resultados no se desprende que urgencias pueda ponerse en piloto automático. El estudio comprobó sobre todo la parte textual del razonamiento clínico: leer la historia, elaborar un diagnóstico diferencial y proponer el siguiente paso. La IA no exploró al paciente, no vio la expresión de dolor, no auscultó la respiración, no valoró la marcha y no trabajó con radiografías ni electrocardiogramas como lo hace un médico a pie de cama. Expertos externos ya han recordado que se trata más bien de una «segunda opinión a ciegas» sobre un texto que del manejo completo de un paciente en tiempo real.

«Estamos viendo un cambio tecnológico realmente profundo que transformará la medicina», dijo el coautor del estudio

Arjun Manrai.

Pero los propios autores subrayan a la vez las limitaciones. Aunque el modelo acierte más a menudo el diagnóstico principal, puede proponer pruebas o intervenciones innecesarias que perjudiquen al paciente. Además, aún no existe un sistema claro de responsabilidad: ¿quién responde por un error si el médico confió en la sugerencia del algoritmo?

Por eso los investigadores no hablan de sustituir al médico, sino de un nuevo formato de trabajo conjunto, en el que la IA actúa como analista rápido y fuente de segunda opinión, y la decisión final queda en manos de una persona.

Qué significa

Para la medicina, es una señal de que los grandes modelos de lenguaje salen del modo demostración y se acercan a una validación clínica real. El escenario más cercano no es un «médico IA» autónomo y sin humanos, sino sistemas que revisan discretamente las historias electrónicas, sugieren diagnósticos omitidos y ayudan a priorizar más rápido en urgencias.

El siguiente paso es ahora evidente: no más pruebas de referencia, sino ensayos clínicos prospectivos que no miren solo la precisión de la respuesta, sino también la seguridad, el coste y el efecto en el desenlace del tratamiento.