Investigadores de la Universidad Ben-Gurión del Néguev, Clalit y el Centro Médico Rabin evaluaron seis modelos de inteligencia artificial de Google, OpenAI y Anthropic en 225 casos clínicos. Los sistemas evitaron intervenciones innecesarias en el 94,6% de las respuestas, según un trabajo publicado en Annals of Internal Medicine.
Un equipo israelí puso a prueba una habilidad poco estudiada de los chatbots médicos: saber cuándo no pedir un análisis o un tratamiento. El estudio, firmado por el doctor Dean Ariel (Servicios de Salud Clalit y Universidad de Tel Aviv), la doctora Stav Endelman (Centro Médico Rabin-Hospital Beilinson, Petaj Tikva) y el profesor Guy Laban (Universidad Ben-Gurión del Néguev), apareció en octubre de 2026 en Annals of Internal Medicine, la revista insignia del Colegio Estadounidense de Médicos. The Jerusalem Post lo difundió el 31 de octubre.
La relevancia es directa: millones de pacientes ya consultan a estos asistentes antes de ir al médico, y una recomendación de más puede traducirse en ansiedad, gastos y nuevas pruebas en cadena. El trabajo ofrece una de las primeras mediciones sistemáticas de ese riesgo.
Los autores partieron de 15 recomendaciones de Choosing Wisely, la campaña contra la atención de bajo valor que lanzó en 2012 la Fundación de la Junta Estadounidense de Medicina Interna y que hoy funciona en más de 30 países. Para cada una redactaron 15 casos: diez en los que lo correcto era abstenerse y cinco, muy parecidos, en los que la intervención sí estaba indicada.
El resultado fue un banco de 225 escenarios clínicos, 150 de abstención y 75 de acción. Seis modelos de lenguaje de Google, OpenAI y Anthropic respondieron cada caso y el equipo analizó 4.050 respuestas. Los artículos consultados no detallan qué versiones concretas se probaron.
Qué encontraron
El balance general fue favorable. Cuando una prueba o un tratamiento eran necesarios, los modelos los desaconsejaron por error solo en el 0,6% de las respuestas. Cuando lo indicado era no intervenir, recomendaron igual hacerlo en el 5,4% de los casos.
En ocho de las 15 recomendaciones, ningún modelo sugirió jamás un procedimiento innecesario. Los fallos se concentraron en dos terrenos:
- Ecografía de tiroides ante un nódulo pequeño hallado por casualidad: se recomendó sin necesidad en el 42,8% de las respuestas. Es un punto donde la Asociación Estadounidense de Tiroides y el Colegio Estadounidense de Radiología no coinciden.
- Electrocardiograma de rutina en personas de bajo riesgo: se indicó en el 28,3% de las respuestas, sobre todo cuando el paciente refería palpitaciones, un síntoma que puede justificar el estudio.
Las diferencias entre sistemas fueron notables en esas zonas grises. Ante los mismos casos, un modelo pidió una prueba innecesaria menos de una vez de cada diez y otro lo hizo ocho de cada diez veces.
La voz de los investigadores
Ariel, médico de familia, subrayó que uno de los desafíos más difíciles de la práctica clínica es saber cuándo contenerse. Puso como ejemplo una resonancia sin indicación: puede revelar hallazgos frecuentes en personas sanas y desencadenar angustia, más estudios y hasta tratamientos superfluos.
Laban, del Departamento de Ingeniería Industrial y Gestión de la Universidad Ben-Gurión, advirtió que decirle a un paciente que no necesita una prueba es un acto social delicado. Según explicó, los modelos de lenguaje tienden a alinearse con su interlocutor, y sus respuestas suelen percibirse como autorizadas incluso donde los expertos discrepan.
Lo que el estudio no demuestra
Se trata de una evaluación con casos estandarizados, no de una validación clínica con pacientes reales. Los modelos respondieron desde la perspectiva de un médico y solo en inglés; no se analizó su conducta en conversaciones directas con pacientes que insisten en hacerse estudios. Los autores remarcan que la responsabilidad sigue siendo del profesional y que el sistema solo recomienda.
Impacto para Israel
El trabajo reúne a tres pilares del ecosistema sanitario israelí: una universidad del Néguev con fuerte perfil en ingeniería, Clalit —la mayor caja de salud del país— y uno de sus principales hospitales.
Publicar en Annals of Internal Medicine coloca a estos investigadores en el centro de un debate global: cómo auditar a la IA antes de que influya en decisiones médicas. El banco de escenarios basado en Choosing Wisely ofrece, además, una herramienta replicable para comparar futuros modelos con un criterio clínico común.
Israel Ahora
Israel Ahora publica noticias y contenidos en español sobre Israel, su actualidad y sus vínculos con América Latina y el mundo. Esta firma identifica las publicaciones institucionales del medio.
