Attitudes and Perceptions Toward the Use of Artificial Intelligence Chatbots for Peer Review in Medical Journals: A Large-Scale, International Cross-Sectional Survey

Esta encuesta internacional a gran escala revela que, aunque la mayoría de los revisores de revistas médicas están familiarizados con los chatbots de IA, su uso en la revisión por pares sigue siendo limitado debido a preocupaciones éticas y de integridad, a pesar de existir un claro interés en recibir formación al respecto.

Lo esencial

Imagina que los journals médicos (esas revistas donde se publican los descubrimientos científicos) son como un gran torneo de ajedrez. Antes de que una partida nueva se muestre al público, necesita ser revisada por expertos (los árbitros o peer reviewers) para asegurarse de que las jugadas son legales, inteligentes y no tienen trampas.

Hasta hace poco, estos árbitros revisaban todo a mano, con lápiz y papel (o con sus computadoras tradicionales). Pero ahora, ha llegado un nuevo jugador al tablero: la Inteligencia Artificial (IA), específicamente los "chatbots" como el famoso ChatGPT. Se dice que esta IA podría ayudar a los árbitros a encontrar errores de lógica, verificar citas o mejorar la redacción, como si fuera un super-ayudante robótico que nunca se cansa.

Sin embargo, los árbitros tienen dudas. ¿Podemos confiar en este robot? ¿Se inventará datos? ¿Será justo?

¿Qué hizo este estudio?
Los investigadores decidieron hacer una encuesta gigante (como una encuesta de opinión pública, pero para científicos) para preguntarles a los árbitros de revistas médicas de todo el mundo: "¿Qué piensan de este nuevo ayudante robótico?".

Contactaron a más de 72,000 autores de artículos médicos (porque quien escribe, suele revisar también) y les enviaron un correo invitándolos a participar. Al final, 1,260 personas respondieron a la encuesta.

¿Qué descubrieron? (Los resultados en lenguaje sencillo)

1. Todos conocen al robot, pero pocos lo usan para trabajar:
   Es como si todos tuvieran un GPS en su teléfono y supieran usarlo para ir al supermercado (el 87% lo ha usado para cosas generales), pero ninguno se atreve a usarlo para conducir un camión de bomberos en una emergencia (solo el 30% lo ha usado para revisar artículos médicos). La mayoría sigue haciendo el trabajo a la antigua.

2. Falta de entrenamiento:
   La mayoría de las universidades y hospitales (los "jefes" de los árbitros) no les han dado un manual de instrucciones sobre cómo usar este robot en su trabajo. Es como darle a un mecánico un coche eléctrico nuevo sin enseñarle cómo funciona el motor. Aun así, ¡muchos están muy interesados en aprender! (El 60% quiere capacitación).

3. El miedo a los "fantasmas" y los sesgos:
   Aunque ven que el robot podría ayudar, tienen mucha preocupación.

   • El sesgo: Temen que el robot tenga "gafas de colores" y solo vea lo que quiere ver, ignorando otras perspectivas (el 80% está preocupado por esto).
   • La confianza: Se preguntan: "¿Podemos confiar ciegamente en lo que dice una máquina?" (El 73% duda de la aceptación del usuario).

En resumen:
Los expertos médicos conocen bien a la Inteligencia Artificial y saben que podría ser un gran ayudante, pero no la han dejado entrar al campo de juego todavía.

No es que no quieran; es que necesitan reglas claras, entrenamiento y garantías de que el robot no cometerá errores éticos o inventará datos. Antes de dejar que la IA revise los artículos médicos, primero hay que asegurarse de que sea un árbitro justo, transparente y honesto.

La moraleja: La tecnología está lista, pero la confianza y las reglas del juego aún necesitan ser construidas.

Resumen técnico

A continuación presento un resumen técnico detallado del estudio en español, estructurado según los componentes solicitados:

Resumen Técnico: Actitudes y Percepciones hacia el Uso de Chatbots de IA para la Revisión por Pares en Revistas Médicas

1. Planteamiento del Problema

El estudio aborda la integración emergente de los chatbots de inteligencia artificial (AIC, por sus siglas en inglés) como herramientas de inteligencia artificial generativa en el proceso de revisión por pares de revistas médicas. Si bien estas herramientas tienen el potencial de asistir en tareas críticas como la identificación de problemas metodológicos, la verificación de referencias y la mejora de la claridad lingüística, su adopción enfrenta barreras significativas. Existe una falta de evidencia empírica sobre cómo los revisores médicos perciben el papel y el impacto de los AIC. Las preocupaciones principales giran en torno a la fiabilidad de los modelos, las implicaciones éticas, la transparencia y la integridad de la investigación, creando un vacío entre el potencial técnico y la aceptación práctica en el ámbito académico.

2. Metodología

El estudio se diseñó como una encuesta transversal en línea de gran escala y alcance internacional.

• Población y Muestreo: Se extrajo información de autores correspondientes de artículos indexados en MEDLINE (vía PubMed) añadidos en un periodo de dos meses, utilizando un enfoque basado en R. Se invitó a un total de 72,851 autores por correo electrónico. La elegibilidad se limitó a aquellos que se autoidentificaron como revisores por pares.
• Instrumento: Se utilizó un cuestionario de 29 ítems alojado en SurveyMonkey, diseñado para evaluar la familiaridad con los AIC, las percepciones sobre sus beneficios y limitaciones, las preocupaciones éticas y el papel futuro anticipado.
• Periodo de Recolección de Datos: La encuesta se administró entre el 28 de abril y el 16 de junio de 2025, incluyendo dos correos de recordatorio para maximizar la tasa de respuesta.
• Muestra Final: De los invitados, 1,260 revisores completaron la encuesta, constituyendo la base de datos para el análisis.

3. Contribuciones Clave

• Evidencia Empírica Global: Proporciona uno de los conjuntos de datos más grandes y diversos hasta la fecha sobre las actitudes de los revisores médicos hacia la IA generativa, llenando un vacío en la literatura actual.
• Análisis de la Brecha de Adopción: Identifica y cuantifica la discrepancia entre la alta familiaridad con las herramientas de IA y su baja utilización en el contexto específico de la revisión por pares.
• Mapa de Necesidades de Formación: Destaca la falta de capacitación institucional actual frente a un alto interés de los revisores en recibir guía formal, estableciendo una hoja de ruta para el desarrollo de políticas editoriales.
• Evaluación de Riesgos Éticos: Sistematiza las preocupaciones específicas de la comunidad médica, priorizando el sesgo algorítmico y la confianza del usuario sobre otros factores.

4. Resultados Principales

• Familiaridad vs. Uso: La familiaridad con los AIC es alta (86.2%), y la mayoría ha utilizado herramientas como ChatGPT para propósitos generales (87.7%). Sin embargo, la adopción en la revisión por pares es baja, con un 70.3% de los encuestados indicando que no han utilizado AICs para este fin.
• Capacitación Institucional: Existe una carencia significativa de apoyo estructural; el 69.5% de los participantes reportó que sus instituciones no ofrecen formación sobre el uso de AICs en la revisión.
• Interés en Formación: A pesar de la falta de recursos actuales, hay un interés sustancial en la capacitación, con un 60.7% de los encuestados expresando deseo de recibir dicha formación.
• Percepciones y Preocupaciones: Las percepciones sobre los beneficios son mixtas. Por el contrario, las preocupaciones son generalizadas y críticas:
  • Sesgo Algorítmico: Preocupado por el 80.3% de los encuestados.
  • Confianza y Aceptación del Usuario: Preocupado por el 73.3%.
  • También se destacaron inquietudes sobre privacidad de datos e integridad de la investigación.

5. Significancia e Implicaciones

El estudio concluye que, aunque la comunidad de revisores médicos está tecnológicamente alfabetizada en cuanto a la IA, la implementación de chatbots en la revisión por pares sigue siendo limitada debido a barreras de confianza y ética. La investigación subraya que la adopción futura no dependerá únicamente de la capacidad técnica de las herramientas, sino de la resolución de problemas fundamentales relacionados con la ética, la privacidad de los datos y la integridad científica.

La implicación más directa es la necesidad urgente de que las editoriales médicas y las instituciones de investigación desarrollen marcos de capacitación y guías éticas claras. Sin abordar estas preocupaciones y sin proporcionar una estructura de apoyo adecuada, es improbable que se logre una implementación más amplia y efectiva de la IA en el proceso de revisión por pares, a pesar del alto interés potencial de los revisores.