Un sistema probado en el Instituto del Cáncer de los Países Bajos prepara resúmenes de primeras consultas a partir de documentos clínicos y ahorró en promedio 3 minutos por caso, aunque 36.4% de los resúmenes no estuvo completo.
Un equipo del Instituto del Cáncer de los Países Bajos en Ámsterdam, evaluó un sistema de inteligencia artificial que prepara resúmenes de pacientes antes de su primera consulta en oncología de cabeza y cuello. Los profesionales que lo usaron reportaron una carga de trabajo 28.9% menor que la de su preparación habitual, además de un ahorro promedio de 3.26 minutos por caso. Los resultados, publicados en npj Digital Medicine, son exploratorios y los propios autores advierten que se requieren estudios más grandes antes de generalizarlos.
Antes de que un paciente llegue por primera vez a un centro oncológico, el especialista debe revisar cartas de referencia, reportes de patología, estudios de imagen, resultados de laboratorio y otros documentos. Los autores señalan que, por cada hora de contacto directo con el paciente, los médicos dedican casi dos horas más a trabajo administrativo, y que el volumen global de datos de salud crece alrededor de 36% al año. Esa carga se ha vinculado con errores de documentación, retrasos y agotamiento profesional. Los grandes modelos de lenguaje, que pueden resumir y organizar texto, se han propuesto como una posible ayuda, aunque la mayoría de las evaluaciones se centra en su desempeño técnico y pocas miden cómo se usan en el trabajo clínico real.
El sistema, llamado Artificial Intelligence-based First Consultation Preparation o AI-FCP, fue desarrollado por el instituto junto con la empresa kaiko.ai y con la participación de los futuros usuarios. Se basa en el modelo Llama 3.1 de Meta, ajustado con datos clínicos en neerlandés. Toma los documentos disponibles en el expediente electrónico y genera un resumen estructurado en cuatro áreas: información de la referencia, perfil de riesgo del paciente, resultados diagnósticos y perfil clínico. Cada dato se vincula con el documento y la página de origen para que el médico pueda verificarlo, y los campos sin sustento en los documentos se devuelven vacíos en lugar de inferirse. El sistema solo resume documentos existentes y no emite diagnósticos.
El estudio, de diseño piloto y sin grupo de comparación, incluyó a nueve profesionales del departamento: seis clínicos no senior, entre ellos médicos y enfermeros especialistas, y tres supervisores. Primero respondieron un cuestionario sobre su preparación habitual y después usaron el sistema en 33 consultas reales, entre abril y junio de 2025. La carga de trabajo percibida se midió con el índice NASA-TLX, una escala validada. Pasó de un promedio de 42.1 puntos a 29.9, una diferencia de 12.3 puntos. Las mayores reducciones se observaron en frustración (50.7%), demanda mental (40.7%) y demanda física (39.6%), aunque después de corregir por comparaciones múltiples solo la frustración se mantuvo como estadísticamente significativa.
En 75.8% de las consultas los participantes reportaron ahorro de tiempo. El promedio general fue de 3.26 minutos por caso y, entre quienes ahorraron, de 4.39 minutos. La preparación se consideró exitosa en 84.9% de las consultas. En las cinco restantes, el resumen aún no estaba disponible cuando el clínico lo necesitaba o se habían agregado documentos al expediente poco antes de la cita. El resumen se juzgó suficientemente completo para preparar la consulta en 63.6% de los casos, es decir, en 21 de 33. En 93.9% de las consultas, los clínicos calificaron su confianza en el sistema con una puntuación de 6 o más, y el índice de recomendación (Net Promoter Score), calculado con solo seis clínicos, fue de 16.7. Entre los comentarios, los participantes valoraron la información correcta y completa, pero también señalaron datos incorrectos u omitidos, y varios pidieron que no hiciera falta volver a los documentos originales.
El estudio incluyó una revisión de seguridad. Los participantes identificaron cuatro casos con discrepancias de posible relevancia clínica. En dos, el expediente electrónico mostró “sin alergias conocidas” aunque los documentos no incluían información sobre alergias. El resumen generado por el modelo decía “sin información disponible”, y el cambio ocurrió en un paso posterior, durante el procesamiento y la integración al expediente, donde la falta de datos se interpretó como ausencia. En otro caso, una insuficiencia cardiaca se clasificó en una categoría equivocada, y en el cuarto el sistema extrajo correctamente un dato, un aneurisma aórtico de 4 a 4.4 cm, que estaba poco visible en el informe operatorio. Los autores también observaron casos en los que la información se vinculó con un documento de origen incorrecto. Tras el estudio, el equipo modificó el sistema para que la información faltante se muestre como “desconocido” o “sin información disponible”, y aclara que esa versión no formó parte de la evaluación.
Los autores reconocen varias limitaciones, por ejemplo, que el diseño no incluyó aleatorización ni un grupo de control, por lo que no se puede descartar que la familiaridad o el efecto de práctica influyeran en los resultados. La medición de referencia se basó en la memoria de los participantes sobre su trabajo habitual, mientras que la del sistema se tomó después de cada consulta. Solo 33 de las 72 consultas elegibles se incluyeron en el análisis, lo que puede reflejar sobre todo los usos exitosos, y los datos de tiempo ahorrado son autorreportados. El estudio se realizó en un solo departamento y su poder estadístico se estimó en cerca de 36% para detectar una reducción de 10 puntos.
