Resumen Técnico: Beneficios de la IA y Errores de Aprendizaje Automático en Neurología, Psiquiatría y Neurocirugía

Planteamiento del Problema

Si bien la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML) ofrecen un potencial transformador para analizar datos complejos de neurología, psiquiatría y neurocirugía, su despliegue clínico se ve obstaculizado por una falta de comprensión integral respecto a las fallas del sistema. La literatura actual suele destacar métricas de rendimiento (p. ej., precisión, AUC), mientras que subreporta tipos de errores específicos, sesgos y los daños clínicos resultantes. Esta brecha crea un riesgo de diagnóstico erróneo, retraso en el tratamiento, intervenciones innecesarias y lesiones al paciente, particularmente cuando los modelos encuentran poblaciones subrepresentadas, casos límite o datos fuera de distribución. El problema central abordado es la necesidad de catalogar sistemáticamente tanto los beneficios probados como las fallas documentadas de la IA en estas tres especialidades para garantizar una integración clínica segura.

Metodología

Este estudio es una Revisión Sistemática realizada por Saif M. Hassan (Universidad de Hillah).

• Fuentes de Datos: PubMed, Scлоpus, Web of Science e IEEE Xplore.
• Periodo de Búsqueda: Enero de 2018 a mayo de 2026 (búsqueda realizada el 1 de junio de 2026).
• Estrategia de Búsqueda: Términos combinados para especialidades (neurología, psiquiatría, neurocirugía, condiciones específicas como epilepsia, esquizofrenia, accidente cerebrovascular) con términos de IA/ML y términos relacionados con errores (sesgo, falso negativo, fuera de distribución, calibración).
• Criterios de Inclusión: Estudios originales, revisiones sistemáticas o metaanálisis en inglés que:
  • Utilizaron IA/ML para enfermedades neurológicas, psiquiátricas o neuroquirúrgicas.
  • Compararon el rendimiento de la IA contra expertos médicos, reglas tradicionales o estándares de oro.
  • Reportaron beneficios cuantitativos (precisión, tiempo ahorrado) o desventajas (variaciones de subgrupos, tasas de error, daño clínico).
• Criterios de Exclusión: Editoriales, reportes de casos, estudios en animales/fantasmas, imágenes únicamente simuladas y artículos que no estuvieran en inglés.
• Síntesis de Datos: Dos revisores extrajeron independientemente los datos sobre diseño, tamaño de la muestra, arquitectura de IA, tarea, comparador y métricas de error. Los estudios se categorizaron en Neurología, Psiquiatría y Neurocirugía. Se calcularon métricas agrupadas solo donde la heterogeneidad fue baja ($I^2 < 50\%$).

Contribuciones Clave y Resultados

La revisión incluyó 79 estudios (32 Neurología, 28 Psiquiatría, 19 Neurocirugía). Un hallazgo crítico es que el 44% de los estudios incluidos reportaron errores o limitaciones específicos, desafiando la narrativa de éxito uniforme de la IA.

1. Neurología

• Beneficios:
  • Accidente Cerebrovascular (Ictus): La IA redujo el tiempo de puerta-trombectomía en un 33% y alcanzó una sensibilidad de 0.94 para la oclusión de gran vaso (frente a 0.85 para radiólogos).
  • Epilepsia: La IA detectó descargas epileptiformes interictales con un 91% de sensibilidad, igualando a los epileptólogos pero reduciendo el tiempo de análisis en un 70%.
  • Esclerosis Múltiple (EM): La segmentación de lesiones logró un coeficiente de Dice de 0.86 con una reducción del 90% en el tiempo de procesamiento.
  • Parkinson: La interpretación de DaTscan alcanzó un 94% de precisión.
• Errores y Daños:
  • Epilepsia Pediátrica: La IA omitió el 22% de las lesiones de displasia cortical focal (frente al 8% de los expertos), lo que provocó retrasos en la cirugía en tres casos documentados.
    el Generalización de Escáneres: Los modelos entrenados en resonancias magnéticas (RM) de 1.5T fallaron en escáneres de 3T, con coeficientes de Dice que cayeron de 0.85 a 0.67.
  • Sesgo Racial: Los modelos de DaTscan para Parkinson mostraron una especificidad de 0.92 para donantes blancos, pero un rendimiento significativamente menor para pacientes negros.
  • Interferencia de Artefactos: Los estimuladores del nervio vago causaron una tasa de falsos positivos del 19% en la detección de convulsiones.

2. Psiquiatría

• Beneficios:
  • Esquizofrenia: La clasificación de la psicosis de primer episodio mediante fMRI logró un AUC de 0.89, superando la entrevista clínica (0.76).
  • Depresión: La IA predijo la falta de respuesta a antidepresivos (AUC 0.85) mejor que la predicción clínica (0.68).
  • Riesgo de Suicidio: La predicción a partir de datos de atención médica logró un AUC de 0.89, superando la evaluación médica (0.72).
• Errores y Daños:
  • Cambio de Población: Un modelo de depresión entrenado en ascendencia europea vio caer el AUC de 0.88 a 0.69 al aplicarse a una cohorte del sur de Asia, lo que provocó que el 14% de los pacientes de bajo riesgo fueran marcados como de alto riesgo. Esto resultó en que siete pacientes recibieran antidepresivos innecesarios con efectos secundarios (náuseas, somnolencia, hiponatremia).
  • Generalización de Proveedores: Los modelos de esquizofrenia entrenados en un proveedor de RM perdieron precisión de 0.89 a 0.71 en otro; el 12% de los controles sanos fueron clasificados erróneamente cuando hubo presencia de artefactos de movimiento.
  • Sesgo de Edad: Los modelos de predicción de suicidio funcionaron significativamente peor en adolescentes (AUC 0.77) en comparación con adultos (0.91), con una tasa de falsas alarmas del 23% en niñas adolescentes.

3. Neurocirugía

• Beneficios:
  • Resección de Tumores: La guía intraoperatoria por IA aumentó las tasas de resección total macroscópica del 62% al 79%.
  • Cirugía de Columna: La colocación de tornillos pediculares guiada por IA redujo las tasas de malposición del 9% al 4%.
  • Estimulación Cerebral Profunda (DBS): Los errores de puntería se redujeron de 2.1 mm a 1.2 mm, correlacionándose con mejores resultados motores.
• Errores y Daños:
  • Osteoporosis: En pacientes con vértebras osteoporóticas (T-score < -2.5), la IA identificó incorrectamente las trayectorias de los tornillos en el 9% de los casos (frente al 2% en hueso normal), lo que llevó a cirugías de revisión en dos casos.
  • Márgenes Tumorales: La IA intraoperatoria tuvo una tasa de falsos negativos del 11% para márgenes de glioma de bajo grado, resultando en tumor residual y recurrencia temprana que requirió una segunda cirugía.
  • Interferencia de Cirugía Previa: Los modelos de puntería de DBS fallaron en pacientes con cirugías estereotácticas previas, con errores medios que aumentaron a 2.8 mm.
  • Obesidad: Los modelos de predicción de complicaciones funcionaron por debajo del nivel esperado para pacientes con IMC > 35 (AUC 0.68 frente a 0.84 para IMC normal).

Significancia y Reivindicaciones

El artículo afirma que, si bien la IA ofrece "beneficios reales" en velocidad, precisión y precisión quirúrgica, estos se ven actualmente contrarrestados por errores significativos y no aleatorios que afectan desproporcionadamente a subgrupos específicos (niños, minorías raciales, pacientes con comorbilidades como osteoporosis u obesidad).

Reivindicaciones Clave:

1. Prevalencia de Errores: Los errores no son anomalías raras, sino que ocurren en casi la mitad de los estudios revisados, manifestándose a menudo como fallas de "casos límite" o sesgos demográficos.
2. Consecuencia Clínica: Estos no son errores teóricos; la revisión documenta casos específicos de cirugías retrasadas, intervenciones farmacológicas innecesarias y cirugías repetidas causadas por fallas de la IA.
3. Causas Raíz: Las fallas provienen de entrenamientos en conjuntos de datos estrechos y homogéneos, la falta de análisis de subgrupos en los reportes y la falta de consideración de los datos fuera de distribución (p. ej., diferentes escáneres de RM, patologías raras).
4. Recomendaciones para la Seguridad: El artículo argumenta que la IA solo puede integrarse de forma segura si:
   • Se realiza una Validación Externa a través de diversos grupos demográficos y equipos.
   • Se implementa el Monitoreo de Errores en Tiempo Real y la cuantificación de la incertidumbre.
   • Se mantiene la supervisión de Humano en el Bucle (Human-in-the-loop) para decisiones de alto riesgo.
   • Los investigadores y las revistas deben priorizar el reporte de fallas y métricas de rendimiento de subgrupos con el mismo rigor que las métricas de éxito.

La revisión concluye que los beneficios de la IA solo superarán los riesgos si el campo se mueve más allá del reporte de "solo éxitos" hacia una cultura de seguimiento riguroso de errores, auditoría de equidad y supervisión humana continua.