La IA de diagnóstico conversacional de Google, AMIE, ya tiene los primeros resultados de un estudio prospectivo en un consultorio real. El artículo se publicó el 8 de octubre en la edición principal de The Lancet; según Google, es la primera vez que la compañía publica en esa revista principal. El CEO de DeepMind, Demis Hassabis, lo celebró públicamente en redes sociales poco después.
El estudio se llevó a cabo en la consulta de atención primaria urgente del Beth Israel Deaconess Medical Center (BIDMC), en Boston, Estados Unidos. La inscripción se realizó entre abril y noviembre de 2025, con registro previo en ClinicalTrials.gov y siguiendo un protocolo aprobado por el comité de ética. A los pacientes se les informó de que participar o no participar no afectaría a su atención posterior.
Cómo se hizo
El proceso fue el siguiente: antes de ver al médico, el paciente conversaba por escrito con AMIE, que recogía la historia clínica y la resumía. En cada conversación había un médico supervisando en tiempo real, y el estudio había definido de antemano los criterios de seguridad que obligaban a interrumpirla. Ocho semanas después, los investigadores revisaron las historias clínicas para confirmar el diagnóstico final de cada paciente y lo compararon con la valoración que AMIE había dado en su momento.
Las cifras principales son estas:
- 114 personas inscritas, 98 completaron la conversación;
- Ninguna conversación activó una interrupción por seguridad;
- Los médicos supervisores registraron 1 alucinación y, en otras 5 conversaciones, añadieron información clínica;
- En el 90 % de los casos el diagnóstico final aparecía en la lista de diagnósticos diferenciales de AMIE y en el 75 % estaba entre los tres primeros.
También hubo comentarios del lado médico. De los 98 casos, los médicos de atención primaria rellenaron el cuestionario en 60; en 44 de ellos habían leído la transcripción de AMIE antes de la consulta y en 33 consideraron que les ayudó a preparar la visita.
Mirar el denominador
Con una muestra pequeña, estas cifras hay que leerlas de otra manera. Los denominadores del 90 % y del 75 % son de menos de 100 pacientes; en el apartado en que los médicos juzgaron la herramienta “útil”, a grosso modo el denominador es de solo 44 casos, 33 entre 44 es exactamente el 75 %, y un caso más o menos mueve la proporción más de dos puntos porcentuales.
Con las cero interrupciones ocurre lo mismo. En 98 conversaciones sin incidentes, si se estima con la “regla del tres” (rule of three, 3 dividido entre el tamaño de la muestra), habitual en estadística, solo puede decirse a grandes rasgos que la tasa de eventos de seguridad graves se sitúa por debajo del 3 % aproximadamente; con esta muestra no se pueden descartar niveles de riesgo más bajos. Los propios autores califican el trabajo de estudio de viabilidad y no hay grupo de control.
Otro conjunto de cifras favorece menos a AMIE. El estudio comparó a ciegas los planes de manejo propuestos por AMIE con los de los médicos de atención primaria; en los dos criterios, si el plan es práctico y si resulta rentable, AMIE perdió frente a los médicos. Enumerar las posibles enfermedades y decidir el siguiente paso del tratamiento no son tareas del mismo nivel de dificultad.
Limitaciones y próximos pasos
Entre las limitaciones que enumera el artículo están: un solo centro, interacción únicamente por texto, unos cien pacientes y ausencia de grupo de control. La postura de Google es que la IA orientada al paciente requiere evaluaciones a gran escala, y para ello hacen falta ensayos clínicos más grandes.
El preprint del estudio ya estaba en arXiv desde el 9 de marzo de este año, y Google también publicó una explicación detallada el 11 de marzo; el nuevo hito es que ahora ha pasado la revisión por pares y se ha publicado formalmente. Desde 2024, cuando AMIE se comparó con médicos en consultas simuladas, hasta ahora, con su entrada en un consultorio real, Google sigue el orden de primero simulación, después un estudio pequeño con personas reales y por último un gran ensayo. Cuándo y dónde empezará el tercer paso, la compañía aún no lo ha anunciado.
Fuentes: The Lancet, blog de investigación de Google, CocoLoop, Beth Israel Deaconess Medical Center; el resumen del artículo y el comunicado del hospital sirvieron para verificar el número de inscritos, de conversaciones completadas, de eventos de seguridad y el criterio de acierto diagnóstico.