Mejora de la equidad y la estandarización en las comparaciones diagnósticas entre IA y médicos: una revisión de...

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en Medicina
• Metodología de Investigación Clínica

Sus antecedentes:

• Las comparaciones directas entre la inteligencia artificial (IA) y los médicos en tareas de diagnóstico a menudo pasan por alto el rigor metodológico, centrándose en cambio en los resultados de rendimiento.
• Existe una cantidad significativa de literatura que compara las capacidades de diagnóstico de la IA con las de los médicos.
• Evaluar la calidad metodológica de estas comparaciones es crucial para comprender la verdadera utilidad clínica de la IA.

Objetivo del estudio:

• Evaluar críticamente la calidad metodológica de los estudios que comparan directamente la IA y los médicos en tareas de diagnóstico.
• Identificar los desafíos y limitaciones clave en el panorama de la investigación actual.
• Proponer un marco para mejorar la equidad, la estandarización y la relevancia clínica de las futuras comparaciones entre IA y médicos.

Principales métodos:

• Se realizó una búsqueda sistemática de literatura en PubMed, Scopus y Web of Science de estudios publicados entre el 1 de enero de 2020 y el 31 de octubre de 2025.
• La búsqueda se adhirió a las directrices PRISMA-ScR, cribando 8.851 registros para identificar 120 estudios que cumplieran los criterios de inclusión para la comparación directa entre IA y médicos.
• La extracción de datos y la síntesis narrativa se centraron en las características del estudio, la calidad de los datos, el diseño de la tarea, la configuración del médico y la transparencia de la información.

Principales resultados:

• Se observó una heterogeneidad metodológica significativa en los 120 estudios revisados.
• Los problemas comunes incluyen un predominio de diseños retrospectivos (75,8%), asimetría de información (20,8%), relevancia clínica limitada en el diseño de la tarea y tamaños de muestra pequeños de médicos (60,8% con ≤10 lectores).
• También se identificó una omisión generalizada de las restricciones de tiempo (50,8% de los estudios) y una falta de transparencia en la disponibilidad de código y datos.

Conclusiones:

• Las debilidades metodológicas en los estudios actuales de comparación diagnóstica entre IA y médicos socavan la validez y la generalización de los hallazgos.
• La investigación futura debe priorizar los diseños prospectivos, las condiciones experimentales equitativas y una mayor transparencia para la generación de pruebas fiables.
• El AI vs. Physician Study Checklist (AIPSC) propuesto tiene como objetivo guiar el diseño y la presentación de informes de evaluaciones más sólidas, apoyando la integración responsable de la IA.