Son las once de la mañana en el box de consulta. El médico gira levemente el monitor hacia ti y señala un número en verde: "probabilidad de evento: 2,4%". Sin embargo, mientras miras ese porcentaje con dos decimales impecables, sientes una presión sorda bajo el esternón, llevas tres semanas despertando a las cuatro de la madrugada con la boca seca y notas que subir un piso por la escalera te deja sin aire. Te vas a casa con una receta rápida y una duda silenciosa: ¿por qué ese guarismo en la pantalla pareció pesar más que lo que tu propio cuerpo estaba intentando contar?
Neurobiología del juicio clínico: entre la Partícula del escore y la Onda de tu fisiología
Cuando un profesional delega su atención en un sistema de soporte a la decisión clínica (CDSS), cae en el sesgo de automatización en decisiones médicas: una economía cognitiva donde la corteza prefrontal dorsolateral reduce su vigilancia crítica frente a una cifra aparentemente infalible. Ese puntaje algorítmico es apenas una Partícula: un corte estático obtenido de variables poblacionales. Pero tu biología real opera como una Onda continua y no lineal. La variabilidad de tu frecuencia cardíaca, el tono vagal, el ritmo circadiano del cortisol y la secreción de factor neurotrófico derivado del cerebro (BDNF) requieren evaluar fricción, contexto vital e incertidumbre. Un entorno clínico que elimina esa complejidad atrofia tanto la intuición médica como la lectura de tu adaptabilidad fisiológica.
Lo que muestra la evidencia científica sobre la complacencia algorítmica
- En una revisión sistemática en JAMIA sobre sistemas de soporte a la decisión clínica, las alertas o puntajes automatizados erróneos incrementaron los errores de comisión médica en un 26% debido a la complacencia frente a la pantalla.
- Un estudio multicéntrico publicado en JAMA Internal Medicine (2021) sobre 27.613 hospitalizaciones demostró que un modelo predictivo comercial de sepsis omitió al 67% de los pacientes con sepsis real (sensibilidad del 33%), generando falsas alarmas en el 88% de las alertas activadas.
- En ensayos experimentales con 204 clínicos evaluando mamografías y electrocardiogramas asistidos por IA, la precisión diagnóstica médica cayó del 82,5% al 64,2% cuando el algoritmo presentó un puntaje sesgado con dos decimales de confianza.
La pantalla ofrece el orden tranquilizador de la Partícula con decimales, pero la clínica real habita en la Onda: ese caos biológico donde el cuerpo habla antes de que el algoritmo lo calcule.
Semiología presencial y Medicina Integrativa: cómo devolverte la voz en consulta
En RedSana utilizamos la tecnología y las calculadoras de riesgo como brújulas auxiliares, nunca como jueces que silencian tu relato. Desde la Medicina Integrativa y del Trabajo, contrastamos cualquier puntaje con la semiología presencial: observamos la temperatura de tus manos, la cadencia de tu respiración, tu arquitectura del sueño, la carga alostática laboral y tus marcadores inflamatorios finos. Te invitamos a llevar a consulta un registro de tres días con tus síntomas, horarios de fatiga y digestión; así transformamos la incertidumbre en eustrés diagnóstico y co-construimos decisiones terapéuticas que respetan tu biología única sin promesas mágicas ni automatismos fríos.
Al profundizar en sesgo de automatización en decisiones médicas desde una mirada clínica integrativa, puedes revisar nuestro análisis sobre por qué el puntaje algorítmico no equivale al diagnóstico clínico, complementarlo con la lectura de cómo el sesgo algorítmico impacta de forma desigual a los pacientes, explorar la reflexión del Dr. Felipe Martínez en el capítulo 7 sobre el juicio de la inteligencia en mi libro ¿Qué Soy? ¿Onda? ¿Partícula? ¿Ambos? y apoyarte de forma práctica en nuestra agenda online de atención médica personalizada en RedSana.
Referencias científicas:
1. Goddard K, Roudsari A, Wyatt JC. Automation bias: a systematic review of frequency, effect mediators, and mitigators. J Am Med Inform Assoc. 2012;19(1):121-127. doi:10.1136/amiajnl-2011-000089 PMID:21685142
2. Wong A, Otles E, Donnelly JP, Krumm A, McCullough J, DeTroyer-Cooley O, et al. External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients. JAMA Intern Med. 2021;181(8):1065-1070. doi:10.1001/jamainternmed.2021.2626 PMID:34152373
3. Lyell D, Coiera E. Automation bias and verification complexity: a systematic review. J Am Med Inform Assoc. 2017;24(2):423-431. doi:10.1093/jamia/ocw105 PMID:27516495
4. Jabbour S, Fouhey D, Shepard S, Valley TS, Kazerooni EA, Banovic N, et al. Measuring the Impact of AI in the Diagnosis of Hospitalized Patients: A Randomized Clinical Vignette Survey Study. JAMA. 2023;330(23):2275-2284. doi:10.1001/jama.2023.22295 PMID:38112812