{"id":68928,"date":"2026-04-22T12:55:00","date_gmt":"2026-04-22T18:55:00","guid":{"rendered":"https:\/\/saluddigital.com\/?p=68928"},"modified":"2026-04-22T12:58:43","modified_gmt":"2026-04-22T18:58:43","slug":"modelo-de-ia-supera-a-medicos-de-urgencias-en-el-diagnostico-de-enfermedades-neurologicas","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-ia-supera-a-medicos-de-urgencias-en-el-diagnostico-de-enfermedades-neurologicas\/","title":{"rendered":"Modelo de IA supera a m\u00e9dicos de urgencias en el diagn\u00f3stico de enfermedades neurol\u00f3gicas"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Investigadores chinos desarrollaron Xuanwu-NeuroAid, un modelo de lenguaje especializado en neurolog\u00eda de emergencia que alcanz\u00f3 una precisi\u00f3n diagn\u00f3stica de 79.4%, frente al 65.4% de los m\u00e9dicos evaluados en el mismo escenario.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Las salas de urgencias requieren tomar decisiones m\u00e9dicas en tiempo limitado, con informaci\u00f3n incompleta y a pacientes cuyo pron\u00f3stico depende de un diagn\u00f3stico acertado en los primeros minutos. En ese entorno, los errores m\u00e9dicos no son excepciones; estudios previos los ubican como la tercera causa de muerte en Estados Unidos. Un art\u00edculo publicado en la revista npj Digital Medicine journal<\/em><\/a>, a\u00fan en proceso de edici\u00f3n final, plantea que un modelo de lenguaje de gran escala especializado en neurolog\u00eda puede funcionar como un asistente diagn\u00f3stico capaz de mejorar el desempe\u00f1o de los m\u00e9dicos de urgencias en ese contexto de alta presi\u00f3n.<\/p>

El modelo, denominado Xuanwu-NeuroAid<\/strong>, fue desarrollado por investigadores del Hospital Xuanwu de la Universidad M\u00e9dica Capital de Beijing, en colaboraci\u00f3n con el Laboratorio Pengcheng de Shenzhen y el Instituto de Inteligencia Artificial de la Universidad de Pek\u00edn. Su arquitectura parte de DeepSeek-R1-Distill-Llama-70B, un modelo de 70 mil millones de par\u00e1metros, optimizado mediante t\u00e9cnicas de poda estructurada y adaptaci\u00f3n de par\u00e1metros para reducir los costos computacionales sin sacrificar rendimiento. El entrenamiento se realiz\u00f3 con m\u00e1s de 310 mil di\u00e1logos cl\u00ednicos de m\u00faltiples especialidades, de los cuales se seleccionaron 90 mil pares de preguntas y respuestas de alta calidad, un corpus aproximadamente tres veces mayor que los conjuntos de datos neurol\u00f3gicos convencionales.<\/p>

Para evaluar su desempe\u00f1o en condiciones cl\u00ednicas reales, el equipo dise\u00f1\u00f3 un estudio prospectivo en modalidad de sombra, es decir, el modelo proces\u00f3 los mismos casos que atend\u00edan los m\u00e9dicos de urgencias, pero sin intervenir en las decisiones reales. Entre el 1 y el 14 de febrero de 2025, se reclutaron 650 pacientes atendidos en el Departamento de Neurolog\u00eda de Urgencias del Hospital Xuanwu. Tras excluir casos con registros incompletos, signos vitales inestables o visitas repetidas, el an\u00e1lisis final incluy\u00f3 433 pacientes con una edad media de 61.3 a\u00f1os. Las enfermedades cerebrovasculares constituyeron la mayor\u00eda de los casos, con el 62.4% del total, seguidas por trastornos vestibulares, neuropat\u00edas perif\u00e9ricas, cefaleas y otras condiciones neurol\u00f3gicas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El proceso de evaluaci\u00f3n fue estructurado en cuatro etapas. Primero, el m\u00e9dico de urgencias emit\u00eda un diagn\u00f3stico preliminar basado en la historia cl\u00ednica, la exploraci\u00f3n f\u00edsica y los resultados iniciales de laboratorio. Segundo, el modelo generaba de forma independiente su propio diagn\u00f3stico a partir de la transcripci\u00f3n de la consulta y los datos cl\u00ednicos disponibles. Tercero, el m\u00e9dico revisaba el razonamiento del modelo y ajustaba su diagn\u00f3stico asistido por la IA. Por \u00faltimo, un panel de cuatro neur\u00f3logos con m\u00e1s de diez a\u00f1os de experiencia establec\u00eda el diagn\u00f3stico confirmado como referencia, un mes despu\u00e9s de la consulta inicial. La evaluaci\u00f3n de las recomendaciones de estudios y tratamientos fue calificada de forma ciega por el mismo panel, usando una escala de cinco puntos en tres dimensiones: integridad, precisi\u00f3n y aplicabilidad cl\u00ednica.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los resultados mostraron que Xuanwu-NeuroAid alcanz\u00f3 una precisi\u00f3n diagn\u00f3stica independiente de 79.4%, frente al 65.4% de los m\u00e9dicos evaluados en las mismas condiciones<\/strong>, una diferencia estad\u00edsticamente significativa. Cuando los m\u00e9dicos contaron con el apoyo del modelo, su precisi\u00f3n mejor\u00f3 hasta el 75.1%, aunque se mantuvo por debajo del rendimiento aut\u00f3nomo de la herramienta. En el an\u00e1lisis por categor\u00edas diagn\u00f3sticas, el modelo fue superior en enfermedades cerebrovasculares, con un 85.2% frente al 71.5% de los m\u00e9dicos, y en trastornos vestibulares, con un 76.7% frente al 53.5%. La excepci\u00f3n fue la neuropat\u00eda perif\u00e9rica, donde los m\u00e9dicos superaron al modelo, probablemente porque ese tipo de diagn\u00f3stico requiere informaci\u00f3n que con frecuencia no est\u00e1 disponible en el momento de la consulta de urgencias, como ex\u00e1menes electrofisiol\u00f3gicos o la evoluci\u00f3n longitudinal de los s\u00edntomas.<\/p>

En cuanto a las recomendaciones cl\u00ednicas, el panel experto calific\u00f3 las sugerencias del modelo con una puntuaci\u00f3n total media de 11.1 sobre 15, frente a 9.4 para los m\u00e9dicos. La diferencia fue estad\u00edsticamente significativa en las tres dimensiones evaluadas. Los autores se\u00f1alaron, sin embargo, que una peque\u00f1a proporci\u00f3n de las recomendaciones del modelo, menos del 10%, recibi\u00f3 puntuaciones bajas, principalmente porque suger\u00eda un n\u00famero excesivo de estudios o porque los planes de tratamiento carec\u00edan de suficiente individualizaci\u00f3n para pacientes con comorbilidades complejas.<\/p>

Un hallazgo adicional, con implicaciones que los propios investigadores consideran dignas de seguimiento, es que cuando se incorpor\u00f3 informaci\u00f3n sociodemogr\u00e1fica de los pacientes, como el nivel educativo y el tipo de cobertura m\u00e9dica, las recomendaciones del modelo en materia de educaci\u00f3n para la salud cambiaron de forma estad\u00edsticamente significativa. Aunque ninguna variable sociodemogr\u00e1fica individual explic\u00f3 ese cambio de manera independiente, el patr\u00f3n sugiere que el modelo podr\u00eda estar reproduciendo sesgos presentes en su corpus de entrenamiento, como asociaciones impl\u00edcitas entre el nivel educativo o el tipo de seguro m\u00e9dico y las necesidades percibidas de orientaci\u00f3n al paciente. Los autores advierten que los m\u00e9dicos deben mantenerse vigilantes ante esa posibilidad, ya que amplificar factores de identidad social sin justificaci\u00f3n cl\u00ednica podr\u00eda derivar en intervenciones innecesarias o inequitativas para determinados grupos.<\/p>

El estudio reconoce limitaciones relevantes. Al haberse realizado en modalidad de sombra, los resultados del modelo no influyeron en las decisiones cl\u00ednicas reales, por lo que su impacto en los desenlaces de los pacientes sigue sin cuantificarse. Adem\u00e1s, la informaci\u00f3n de imagen se incorpor\u00f3 mediante textos de reportes radiol\u00f3gicos y no mediante el procesamiento directo de estudios de tomograf\u00eda o resonancia magn\u00e9tica. El seguimiento fue relativamente corto y el estudio se llev\u00f3 a cabo en un solo centro. Los autores concluyen que la validaci\u00f3n en entornos reales, multic\u00e9ntricos y mediante ensayos controlados aleatorizados con desenlaces centrados en los pacientes ser\u00e1 indispensable para determinar la seguridad y la efectividad cl\u00ednica del sistema.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41746-026-02644-z<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Xuanwu-NeuroAid, el modelo de IA desarrollado en China, que supera a m\u00e9dicos de urgencias en el diagn\u00f3stico de enfermedades neurol\u00f3gicas.<\/p>","protected":false},"author":1,"featured_media":68930,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-68928","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/68928","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=68928"}],"version-history":[{"count":5,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/68928\/revisions"}],"predecessor-version":[{"id":68934,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/68928\/revisions\/68934"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/68930"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=68928"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=68928"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=68928"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}