La inteligencia artificial aprende a preguntar antes de diagnosticar: Aplicaciones y límites en genética clínica y genómica

César Paz y Miño 

Investigador en Genética y Genómica Médica. Universidad UTE.

Una buena pregunta puede cambiar un diagnóstico. En genética clínica, precisar la edad de inicio, reconstruir el árbol familiar o reconocer una exposición puede orientar mejor que otra batería de exámenes. La inteligencia artificial empieza a evaluarse en esa búsqueda. Su utilidad dependerá de que ayude a obtener información relevante y a interpretar sus límites, sin convertir una respuesta convincente en una certeza clínica.

Nori y colaboradores desarrollaron SD Bench con 304 casos clínico patológicos del New England Journal of Medicine y 325 episodios de urgencias con ingreso hospitalario. Su sistema DxO, evaluado con GPT-5, decide qué preguntar, qué pruebas solicitar y cuándo concluir. Reportó exactitudes del 83,2 % y del 80,3 %, frente al 36,1 % y al 46,8 % de los médicos generalistas participantes con acceso a recursos de consulta.^¹ La comparación corresponde a una simulación textual y a profesionales individuales, sin demostrar superioridad sobre equipos especializados atendiendo pacientes.

El ahorro tampoco fue uniforme. La configuración sin restricción presupuestaria, es decir, a la IA se le asigna un presupuesto para las pruebas diagnósticas que puede solicitar. Debe elegir cuáles aportan más información y decidir cuándo tiene evidencia suficiente para emitir un diagnóstico, costó más que la evaluación médica en ambos escenarios. Otras configuraciones conservaron buena parte de la exactitud y redujeron el gasto estimado. Los precios en dólares estadounidenses empleados, no incluyen toda la implementación, ni permiten extrapolar presupuestos a Ecuador.

Tabla 1 Exactitud y coste medio estimado de las pruebas

Escenario	Evaluador o configuración	Exactitud	Coste USD
Clinicopatológico	Médicos con recursos de consulta	36,1 %	4.725
Clinicopatológico	DxO sin presupuesto limitado	83,2 %	5.431
Clinicopatológico	DxO con presupuesto limitado	80,9 %	2.241
Urgencias con ingreso	Médicos con recursos de consulta	46,8 %	3.400
Urgencias con ingreso	DxO sin presupuesto limitado	80,3 %	4.979
Urgencias con ingreso	DxO con presupuesto limitado	73,2 %	2.634

Fuente: Nori et al.^¹ Configuraciones seleccionadas; costes calculados en una simulación, no gasto observado en pacientes

El simulador IA, genera resultados cuando faltan datos y utiliza un juez algorítmico. En el análisis, faltan consultas sanas o benignas para valorar falsas alarmas, y no se midieron desenlaces terapéuticos. Además, los roles clínicos simulados pueden compartir errores. Estos límites exigen evaluación independiente, antes de atribuir seguridad clínica al rendimiento del modelo.^¹ 

Los ensayos de colaboración médico–IA ofrecen resultados dispares.^²’ ³ AMIE (Articulate Medical Intelligence Explorer) evaluó prospectivamente 98 personas que completaron la interacción y la consulta bajo supervisión. Sin grupo control, el estudio apoya factibilidad, no eficacia definitiva ni autonomía.⁴

Utilidad real en genética clínica y genómica

El diagnóstico secuencial por IA, puede conectar fenotipo, árbol familiar, selección tecnológica e interpretación molecular. La utilidad esperable consiste en señalar qué información falta y qué resultado cambiaría la decisión. Por lo que, debemos evaluar cada etapa, comparando lo que hace un genetista entrenado: proponer un síndrome, priorizar una variante y demostrar causalidad, que son tareas distintas.

El modelo de IA GEM, ofrece evidencia concreta. En 119 personas con diagnóstico conocido, con replicación en otras 60, situó más del 90 % de los genes causales entre los dos primeros candidatos y, priorizó una mediana de tres genes para revisión. Esto respalda concentrar el trabajo experto, pero no significa diagnosticar a más del 90 % de pacientes consecutivos sin diagnóstico. En catorce casos antes no resueltos, el modelo IA produjo un hallazgo nuevo en uno.⁵

AI-MARRVEL combina aprendizaje automático supervisado y conocimiento experto, para priorizar causas mendelianas; se evaluó en tres cohortes independientes.⁶  DeepRare IA, integra más de cuarenta herramientas y fuentes, procesa fenotipos y resultados genéticos y devuelve hipótesis con evidencia rastreable.⁷  Estos sistemas especializados ayudan a concretar la utilidad prevista. La trazabilidad permite revisar una sugerencia; pero todavía debe comprobarse cuánto mejora en los desenlaces de los pacientes.

La selección de pruebas es una aplicación proyectada. La guía de ACMG (American College of Medical Genetics and Genomics) de 2021 recomienda considerar exoma o genoma como primera o segunda línea diagnóstica en determinados pacientes pediátricos con anomalías congénitas, retraso del desarrollo o discapacidad intelectual.⁸ La IA podría ayudar al genetista a elegir qué prueba solicitar según los síntomas y los antecedentes familiares. Sin embargo, la elección debe considerar qué alteraciones detecta cada técnica. Aún falta demostrar si incorporar IA mejora estas decisiones en la práctica clínica genética. La recomendación de la ACMG, no constituye una ruta universal, ante sospecha de alteraciones de genes, y variantes más complejas como la impronta genética o mosaicismo, hay que verificar que el método, la cobertura y la muestra permitan detectarlos. Estas son las variantes que más desafíos tenemos actualmente los genetistas, al memento de evaluar pacientes y pedir una prueba.

Tabla 2: Aplicaciones y condiciones para un uso clínico

Tarea	Utilidad posible	Comprobación necesaria
Fenotipo	Ordenar síntomas y señalar preguntas pendientes.	Confirmar los hallazgos con el paciente y la familia.7
Pruebas	Relacionar la sospecha con la técnica apropiada.	Revisar indicación, cobertura y limitaciones.8
Variantes	Priorizar candidatos y reunir publicaciones.	Evaluar herencia, mecanismo y evidencia primaria.5,6,9
Reanálisis	Detectar información nueva en casos no resueltos.	Confirmar el hallazgo y su relevancia clínica.5,6.
Asesoramiento	Preparar explicaciones comprensibles.	Revisar exactitud y comprensión de la familia.

Las aplicaciones propuestas necesitan validación propia. Priorizar una variante no confirma su causalidad.

Un ejemplo hipotético muestra el proceso: una niña con retraso del desarrollo y episodios de descompensación, llega con un exoma no concluyente. Un asistente de IA, podría señalar preguntas sobre desencadenantes, ordenar los hallazgos bioquímicos y comprobar qué variantes cubrió el estudio previo. La nueva información podría justificar reinterpretación, segregación familiar o una técnica complementaria. Es una proyección de uso; no un resultado clínico demostrado de la plataforma DxO.

Una variante genética candidata a patológica o posiblemente patológica, exige contrastar herencia, mecanismo de enfermedad, frecuencia poblacional, segregación y concordancia fenotípica. La IA podría reunir esa evidencia conservando fuentes y fechas; el genetista debe resolver su clasificación final. Una variante de significado incierto no se convierte en fundamento de decisiones clínicas por la fluidez o aparente profesionalismo de un informe. Así como, tampoco su rareza en una base demuestra causalidad absoluta.⁹

La supervisión humana también debe ponerse a prueba

La revisión de un profesional no garantiza que se detecte un error automatizado. Una revisión sistemática y metaanálisis de Zeng y colaboradores reunió 46 informes correspondientes a 41 grupos independientes. En cuatro estudios de interpretación automatizada de electrocardiogramas realizados en condiciones reales, el 26,6 % de los errores no fue reconocido o corregido. El intervalo de confianza del 95 % fue muy amplio, del 6,4 % al 65,6 %, y la heterogeneidad extrema, I² del 95,8 %. Ese promedio no debe tomarse como una tasa universal. Solo un estudio notificó eventos adversos en pacientes, por lo que la evidencia sobre daño clínico sigue siendo escasa.^¹⁰

Otro trabajo analizó 1.750 interpretaciones de radiografías para detectar neumoperitoneo neonatal. Los médicos en formación aceptaron el 52 % de las sugerencias equivocadas de una IA habitualmente fiable.

Ante un modelo con errores introducidos deliberadamente, tres neonatólogos corrigieron el 91,7 % de los errores del modelo. El resultado sugiere que la experiencia puede ayudar, pero tres especialistas son insuficientes para generalizarlo.^¹¹ La supervisión necesita evaluarse por su capacidad de interceptar fallos, además de comprobar que alguien revisa la respuesta.

En genética clínica, estos porcentajes no pueden trasladarse directamente a la interpretación de variantes. Sí justifican estudiar un riesgo concreto: que un gen bien presentado, pero mal priorizado, condicione toda la revisión posterior. Propongo contrastar las sugerencias con publicaciones originales, comprobar la segregación familiar cuando corresponda y registrar las discrepancias. Una explicación generada por el propio modelo no sustituye esa verificación. La formación debería incluir casos con errores simulados y criterios para solicitar una segunda revisión especializada.

En 2023 en Metrociencia, examiné el potencial de integrar información para apoyar la medicina y la genómica.^¹² En BioNatura Journal, en 2026, comparé cuatro modelos mediante 42 preguntas sobre medicina, genómica y gobernanza.^¹³ Este segundo trabajo aporta una perspectiva sobre sesgos y control de los datos; no fue una validación diagnóstica con pacientes, pero es un alerta de las posibles fallas, y lo peor, que no tenemos claros la responsabilidad de error.

Las autodescripciones de los modelos, así como la autodescripción del paciente, tampoco revelan experimentalmente su arquitectura interna. En la consulta médica no cabe en un prompt de IA, insistí en obtener e interpretar la información del paciente.^¹⁴, y lo ratifico. El diagnóstico secuencial apoyado con IA, permite ahora evaluar también esa búsqueda de una explicación de enfermedades raras y su origen (25 al 30% de las 8 mil aún no sabemos su origen), aunque sigue pendiente verificar su beneficio en familias reales.

Una evaluación útil para Ecuador

Lo más objetivo en genética y genómica sería, comenzar con asistentes de IA para fenotipado, priorización de variantes y selección de casos para reanálisis, conectados al laboratorio a una referencia y a periódicamente evaluados. Esta evaluación, debe comparar atención habitual y atención apoyada por IA en que benefició, incluyendo pacientes consecutivos sin diagnóstico. En la práctica médica, importan los diagnósticos moleculares confirmados, el tiempo hasta una decisión útil, los cambios de manejo y el gasto familiar; también las omisiones peligrosas y las variantes inciertas mal interpretadas. Esta es responsabilidad del médico genetista.

La validación necesita costes locales y análisis de diferencias por idioma, territorio y ascendencia cuando los datos lo permitan. Deben registrarse las versiones del modelo IA y de las bases consultadas, conservarse la evidencia y definirse la responsabilidad de revisión. El uso de fotografías y genomas, exige consentimiento y protección de los datos, que podrían estar comprometidos al subir información a las plataformas.

El ahorro debe seguir las necesidades clínicas. Minimizar pruebas sin considerar el daño de omitirlas, puede convertir el apoyo diagnóstico en racionamiento, discriminación e inequidad genómica. La utilidad real de las plataformas IA, se demostrará cuando más personas reciban respuestas confirmadas, oportunas y accesibles, con menos errores evitables. Necesitamos, por tanto, generar más datos.

Referencias

1. Nori H, Daswani M, Kelly C, et al. Sequential diagnosis with language models. Science. 2026;394(6822):423–428. doi:10.1126/science. aeh7930.

2. Goh E, Gallo R, Hom J, et al. Large language model influence on diagnostic reasoning: a randomized clinical trial. JAMA Netw Open. 2024;7(10): e2440969. doi:10.1001/jamanetworkopen.2024.40969.

3. Qazi IA, Ali A, Khawaja AU, et al. Large language model diagnostic assistance for physicians in a lower-middle-income country: a randomized controlled trial. Nat Health. 2026;1(2):198–205. doi:10.1038/s44360-025-00007-8.

4. Brodeur PG, Koshy JM, Palepu A, et al. Conversational diagnostic artificial intelligence in ambulatory primary care: a prospective feasibility study. Lancet. 2026;408(10565):1732–1744. doi:10.1016/S0140-6736(26)01535-7.

5. De La Vega FM, Chowdhury S, Moore B, et al. Artificial intelligence enables comprehensive genome interpretation and nomination of candidate diagnoses for rare genetic diseases. Genome Med. 2021;13(1):153. doi:10.1186/s13073-021-00965-0.

6. Mao D, Liu C, Wang L, et al. AI-MARRVEL—A knowledge-driven AI system for diagnosing Mendelian disorders. NEJM AI. 2024;1(5). doi:10.1056/AIoa2300009.

7. Zhao W, Wu C, Fan Y, et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature. 2026;651(8106):775–784. doi:10.1038/s41586-025-10097-9.

8. Manickam K, McClain MR, Demmer LA, et al. Exome and genome sequencing for pediatric patients with congenital anomalies or intellectual disability: an evidence-based clinical guideline of the American College of Medical Genetics and Genomics (ACMG). Genet Med. 2021;23(11):2029–2037. doi:10.1038/s41436-021-01242-6.

9. Richards S, Aziz N, Bale S, et al. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genet Med. 2015;17(5):405–424. doi:10.1038/gim.2015.30.

10. Zeng D, Lei J, Li Z. Human oversight of erroneous clinical AI and decision support a systematic review and meta-analysis. npj Digit Med. 2026 Oct 23. Publicación anticipada. doi:10.1038/s41746-026-03408-5.

11. Lee J, Kim Y, Kim V, et al. Expertise modulates automation bias and sentinel behavior in human–AI collaborative diagnosis of neonatal pneumoperitoneum. npj Digit Med. 2026 Oct 20. Publicación anticipada. doi:10.1038/s41746-026-03399-3.

12. Paz-y-Miño C. La inteligencia artificial en medicina general y en genómica. Metro Ciencia. 2023;31(2):81–86. Carta al editor. doi:10.47464/MetroCiencia/vol31/2/2023/81-86.

13. Paz-y-Miño C. Evaluación comparativa de sesgos algorítmicos y alucinaciones en cuatro LLMs (ChatGPT, Claude, DeepSeek, Gemini) aplicados a preguntas biomédicas, genómicas y de gobernanza de datos. BioNatura Journal. 2026;3(2):9. Perspectiva. doi:10.70099/BJ/2026.03.02.9.

14. Paz-y-Miño C. La consulta médica no cabe en un prompt de IA. Edición Médica Ecuador [Internet]. 2026 oct 5 [citado 2026 Oct 28]. Artículo de opinión. Disponible en: https://www.edicionmedica.ec/opinion/la-consulta-medica-no-cabe-en-un-prompt-de-ia-2409.