Resumen Técnico: El flujo de trabajo de los ensayos clínicos revela la próxima ola de la Inteligencia Artificial en la atención médica

Declaración del problema

Si bien la evaluación clínica prospectiva de la inteligencia artificial (IA) en medicina se ha expandido rápidamente, existe una falta de análisis exhaustivo y multidimensional con respecto al panorama global de los ensayos clínicos de IA. Las discusiones existentes suelen basarse en el rendimiento de referencia, la validación retrospectiva o demostraciones de alto perfil, que rara vez se traducen en cambios en la práctica clínica. A diferencia de las intervenciones farmacológicas estáticas, los sistemas de IA clínicos son entidades sociotécnicas dinámicas sujetas a actualizaciones continuas, recalibración e integración en el flujo de trabajo, lo que hace que su evaluación prospectiva sea inherentemente compleja. En consecuencia, existe una necesidad urgente de comprender qué tecnologías de IA se están probando, en qué contextos clínicos, con qué nivel de autonomía y con qué grado de madurez traslacional para identificar brechas de evidencia y dirigir la inversión futura.

Metodología

El estudio realizó un análisis sistemático de 8,532 ensayos clínicos relacionados con la IA registrados en ClinicalTrials.gov hasta abril de 2026. La metodología consistió en un proceso de filtrado y clasificación de múltiples etapas:

1. Identificación y filtrado:

   • Se aplicó una estrategia de búsqueda basada en palabras clave inclusivas en toda la base de datos de ClinicalTrials.gov, combinando términos específicos (p. ej., "red neuronal convolucional") con términos más amplios (p. ej., "modelo", "algoritmo").
   • Se empleó un enfoque de aprendizaje de pocos disparos (few-shot learning) utilizando el LLM Claude Sonnet 4.6 para clasificar los ensayos. Los ensayos con una probabilidad ≥95% se clasificaron como positivos; aquellos ≤20% como negativos. Los casos ambiguos fueron revisados por un segundo LLM (Gemini 3.1 Pro preview) y, si era necesario, mediante revisión manual.
   • Se excluyeron los ensayos que evalúan fármacos descubiertos mediante IA pero que carecían de referencias explícitas de IA en las entradas del registro, reconociendo una limitación en la identificación basada en registros.

2. Clasificación multidimensional:
   Cada ensayo identificado fue clasificado a través de siete dimensiones analíticas complementarias:

   • Función clínica: Diagnóstica, pronóstica, de apoyo a la decisión, generativa/basada en lenguaje, agéntica/semiautónoma y operativa.
   • Modalidad de datos: Imágenes, señales fisiológicas, datos de laboratorio, ómica, texto clínico/NLP, EHR estructurado, dispositivos portátiles (wearables), conductual/cognitivo, resultados reportados por el paciente, administrativos y datos quirúrgicos.
   • Especialidad clínica: Mapeada en 17 dominios (p. ej., cardiología, oncología, reumatología).
   • Nivel de integración y autonomía: Una taxonomía de cuatro niveles que va desde el Nivel 1 (silencioso/observacional) hasta el Nivel 4 (sistemas semiautónomos/de bucle cerrado capaces de modificar el tratamiento sin revisión humana obligatoria).
   • Posición en el flujo de trabajo clínico: Prevención, detección, diagnóstico, selección de tratamiento, guía procedimental, monitoreo, rehabilitación y seguimiento.
   • Etapa de madurez traslacional: Una escala de cinco etapas que va desde la validación retrospectiva hasta la operación clínica semiautónoma.
   • Rol epistémico de la IA: Distinguiendo entre IA-en-el-bucle (AI-in-the-loop, intervención activa), IA-sobre-los-datos (AI-on-the-data, análisis post-hoc) e IA-fuera-del-bucle (AI-out-of-the-loop, diseño de intervención/descubrimiento).

3. Extracción de datos:
   Los metadatos (fechas de inicio, estado de reclutamiento) se extrajeron vía API, mientras que las dimensiones complejas (especialidades, modalidades, autonomía) se infirieron de descripciones de texto libre utilizando few-shot learning guiado por una taxonomía predefinida.

Contribuciones clave

• El análisis multidimensional más grande: Este representa el análisis más extenso de ensayos clínicos relacionados con la IA hasta la fecha, abarcando 8,532 estudios a lo largo de dos décadas.
• Taxonomías novedosas: Introducción de una taxonomía de cuatro niveles de autonomía para caracterizar la supervisión humana y un marco de rol epistémico tripartito para distinguir la función de la IA en relación con la intervención del ensayo.
• Mapeo estructural: Un sistema de coordenadas integral que permite la localización precisa de cualquier ensayo de IA y la identificación de patrones agregados, modalidades dominantes y especialidades desatendidas.

Resultados clave

Tendencias temporales y escala

• Aceleración: Ha habido una aceleración de 3.6 veces en los registros desde 2019 en adelante, con el 80% de todos los ensayos registrados en este periodo. La tasa de crecimiento anual compuesta de 2015 a 2025 supera el 20%.
• Diseño del estudio: El 30.5% de los ensayos emplean un diseño controlado aleatorizado. Si bien los estudios observacionales superaron a los intervencionales después de 2020 (probablemente debido a la pandemia e integración de EHR), 2025 muestra una reversión, con los ensayos intervencionales acercándose a la paridad con los observacionales.
• Estado del flujo de trabajo (pipeline): El 40.4% de los ensayos identificados constituyen una cartera activa de generación de evidencia, con una exposición agregada proyectada de pacientes cercana a los 5.3 millones de individuos.

Función clínica y cambio de tarea

• Cambio pronóstico: La IA pronóstica (4,324 ensayos) ha superado por poco a la IA diagnóstica (3,828 ensayos), indicando un cambio en todo el campo desde la detección de enfermedades hacia la estratificación de riesgos y la predicción de trayectorias.
• Brecha de tratamiento: La IA de recomendación de tratamiento sigue siendo la categoría menos desarrollada (768 ensayos, 9%), lo que resalta una brecha en la IA prescriptiva.
• IA Generativa: Los ensayos basados en texto clínico y NLP crecieron 7 veces entre 2018 y 2025, coincidiendo con la disponibilidad pública de los modelos de lenguaje de gran tamaño.

Modalidades de datos y multimodalidad

• Dominio de las imágenes: La IA basada en imágenes constituye la modalidad individual más grande (29%).
• Integración multimodal: El 33.6% de los ensayos integran dos o más flujos de datos. La proporción de ensayos multimodales aumentó del 27.8% en 2020 al 36.4% en 2025. Las arquitecturas de fusión dominantes incluyen imagen-señales fisiológicas e imagen-ómica.

Madurez traslacional y autonomía

• Concentración pre-despliegue: La mayoría del flujo de trabajo (38% retrospectivo, 21% prospectivo silencioso) todavía está generando evidencia algorítmica en lugar de clínica.
• Autonomía de Nivel 4: Solo 184 ensayos están clasificados como Nivel 4 (semiautónomo/bucle cerrado). El 68% de estos se concentran en el manejo de la glucosa de bucle cerrado (páncreas artificial). Otros grupos incluyen el control de anestesia de bucle cerrado, manejo respiratorio, control de vasopresores y neuroestimulación.
• Excepción notable: El ensayo NCT07132151 emplea aprendizaje por refuerzo para el control totalmente autónomo de la dosificación de fármacos anestésicos, representando una frontera más allá del control tradicional de modelo predictivo.

Distribución geográfica y de especialidad

• Desequilibrio geográfico: Europa Occidental, América del Norte y Asia Oriental representan el 86% de los ensayos geolocalizados. África, América del Sur y el sur de Asia combinados contribuyen con menos del 5%.
• Subrepresentación de especialidades: Existe una subrepresentación severa en reumatología (1.2%), hematología (1.7%), enfermedades infecciosas (1.5%) y genética médica (0.4%) en relación con la carga mundial de enfermedades.
• Patrocinio: El 83% de los ensayos son patrocinados por instituciones académicas o sin fines de lucro. La mediana de inscripción es de 193 participantes, con un 35% inscribiendo menos de 100.

Significación y afirmaciones

El artículo afirma que la IA clínica ha completado su primera gran transición del desarrollo algorítmico retrospectivo a la evaluación prospectiva a gran escala. Sin embargo, aún no ha completado la transición más trascendental hacia ensayos de resultados a largo plazo, con potencia suficiente y representatividad geográfica, capaces de respaldar recomendaciones de nivel de guía clínica.

Los autores afirman que las transiciones definitorias visibles en el flujo de trabajo son:

1. La concentración casi exclusiva de la IA de bucle cerrado semiautónoma en el manejo de la glucosa.
2. El rápido surgimiento de sistemas multimodales basados en el lenguaje.
3. La creciente separación entre la IA como agente clínico y la IA como instrumento analítico.

El estudio concluye que abordar los desequilibrios estructurales en la cobertura de especialidades, la representación geográfica, la escala de los ensayos y la madurez traslacional es crítico para determinar si la amplitud de la investigación clínica de IA en curso se traduce en un beneficio equitativo y demostrable para los pacientes. El panorama actual se caracteriza por la naturaleza de "objetivo móvil" de las intervenciones de IA, lo que requiere una evaluación prospectiva para capturar la robustez, la compatibilidad con el flujo de trabajo y la seguridad que los estudios retrospectivos no pueden proporcionar.