📊 statistics

Public acceptance of artificial intelligence in health care: a cumulative hierarchy in a 16-item instrument, German–Italian measurement equivalence, and a five-item short form

Este estudio demuestra que la aceptación pública de la inteligencia artificial en la atención médica sigue una jerarquía acumulativa ordenada por la consecuencia clínica, permanece invariable en las poblaciones de habla alemana e italiana, y puede ser capturada eficazmente mediante una forma corta de cinco ítems a pesar de la falta de un conjunto de ítems determinado de manera única.

Autores originales: Dietmar Ausserhofer, Christian J. Wiedermann, Verena Barbieri, Nicoletta Colletti, Stefano Lombardo, Timon Gärtner, Giuliano Piccoliori, Doris Hager von Strobele-Prainsack, Wolfgang Wiedermann

Publicado 2026-09-15

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Dietmar Ausserhofer, Christian J. Wiedermann, Verena Barbieri, Nicoletta Colletti, Stefano Lombardo, Timon Gärtner, Giuliano Piccoliori, Doris Hager von Strobele-Prainsack, Wolfgang Wiedermann

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina estar de pie en la sala de espera de un hospital, observando una pantalla que muestra el diagnóstico de un médico generado por un programa informático. Para algunos, esto se siente como un asistente útil; para otros, se siente como una intrusión peligrosa. A medida que la inteligencia artificial pasa de los laboratorios de investigación a los hospitales y farmacias reales, surge una pregunta crucial: ¿la aceptan realmente las personas a las que estos sistemas pretenden servir? La respuesta rara vez es un simple "sí" o "no" para cada tarea individual. En cambio, la opinión pública suele formar un patrón. La gente puede sentirse cómoda con una máquina programando una cita, pero profundamente inquieta ante una máquina decidiendo un tratamiento de vida o muerte. Comprender este patrón es vital porque nos dice no solo lo que la gente piensa, sino cómo se construye o se rompe su confianza a través de diferentes tipos de trabajo médico.

Un equipo de investigadores en el Tirol del Sur, una región bilingüe en el norte de Italia donde conviven hablantes de alemán e italiano, se propuso mapear este panorama de la confianza. Querían saber si la aceptación pública de la inteligencia artificial en la atención médica sigue un orden predecible, si ese orden se mantiene para ambos grupos lingüísticos a pesar de las diferencias culturales, y si podían crear una forma más corta y sencilla de medirlo. Encuestaron a 901 adultos de la población general, pidiéndoles que calificaran dieciséis formas diferentes en las que la inteligencia artificial podría utilizarse en la medicina. Estos usos variaban desde tareas administrativas, como organizar expedientes de pacientes y enviar recordatorios de medicación, hasta decisiones clínicas de alto riesgo, como apoyar a un médico durante una emergencia médica o ayudar a diagnosticar una enfermedad compleja.

Los investigadores descubrieron que la aceptación del público sigue, de hecho, una clara escalera acumulativa. En la base de la escalera, donde la aceptación es mayor, se encuentran las tareas administrativas. Casi el ochenta por ciento de las personas encuestadas dijeron estar cómodas con que la IA enviara recordatorios automáticos para tomar la medicación. Un poco más bajo, pero todavía ampliamente aceptado, estaban las tareas como programar citas y gestionar registros de salud electrónicos. A medida que las tareas se volvían más clínicas e involucraban más cuidado directo al paciente, la aceptación comenzaba a caer. La gente se sentía menos cómoda con la IA ayudando a analizar datos clínicos o apoyando un diagnóstico. En la cima de la escalera, donde la aceptación es menor, están las decisiones de tiempo crítico y alta presión. Solo alrededor de un tercio de los encuestados aceptaría el apoyo de la IA durante una emergencia médica o un triaje, e incluso menos aceptaba que se utilizara para tomar decisiones urgentes. Esta jerarquía sugiere que el público no ve a la inteligencia artificial como un bloque tecnológico único; más bien, la juzga según cuánta consecuencia clínica conlleva la tarea específica. Cuanto más parece que una tarea es una decisión médica directa, más reticente es la gente a dejar que una máquina se encargue de ella.

Crucialmente, esta escalera de aceptación fue idéntica tanto para la población de habla alemana como para la de habla italiana en el estudio. Aunque las preguntas de la encuesta fueron traducidas y adaptadas para ajustarse a los matices culturales de cada grupo lingüístico, el orden en el que la gente clasificó las tareas se mantuvo exactamente igual. Este hallazgo es significativo porque demuestra que la forma en que las personas evalúan estas tecnologías no es solo una cuestión de idioma o cultura local, sino una respuesta humana compartida ante la naturaleza de la tarea médica en sí. Significa que los sistemas de salud que sirven a múltiples idiomas pueden usar la misma herramienta para medir la confianza sin necesidad de tratar a los grupos como fundamentalmente diferentes.

Los investigadores también descubrieron que podían reducir la encuesta de dieciséis preguntas a solo cinco sin perder la capacidad de ver este patrón. Al seleccionar cuidadosamente cinco preguntas específicas que cubrieran todo el rango, desde las tareas administrativas fáciles hasta las decisiones de emergencia difíciles, crearon un formulario corto que era tan preciso como el largo. Esta versión más corta es particularmente útil para encuestas donde el tiempo es limitado, permitiendo a los investigadores evaluar rápidamente el sentimiento público sin abrumar a los encuestados. Sin embargo, señalaron que, si bien las dos preguntas más extremas —una sobre recordatorios de medicación y otra sobre decisiones urgentes— eran anclajes esenciales, las tres preguntas intermedias podían variar ligeramente dependiendo del contexto específico, siempre que se preservara el rango general de dificultad.

El estudio también analizó más profundamente los tipos de personas que sostenían estas opiniones. Aunque la mayoría de las opiniones seguían la escalera general, aproximadamente el treinta por ciento de los encuestados formaron un grupo distinto. Estas personas se sentían cómodas con la IA gestionando el trabajo administrativo, pero trazaban una línea dura y categórica contra permitir que tocara cualquier decisión clínica. Para ellos, la diferencia entre una máquina organizando un archivo y una máquina ayudando a un médico no era una cuestión de grado, sino de tipo. Veían los dos ámbitos como separados, aceptando uno mientras rechazaban el otro por completo. Esto sugiere que, para una parte significativa de la población, la frontera entre el apoyo administrativo y la atención clínica es una línea brillante que la tecnología no puede cruzar.

Finalmente, los investigadores examinaron cómo la edad y la experiencia digital influían en estas visiones. En un recuento simple de los datos, los adultos mayores parecían tener más probabilidades de encontrarse en ambos extremos: estaban sobrerrepresentados tanto entre quienes rechazaban toda la IA como entre quienes la aceptaban ampliamente. Sin embargo, cuando los investigadores ajustaron los datos según cuánto utilizaban la tecnología en su vida diaria, este patrón cambió. El aparente polo de división entre los adultos mayores se explicaba en gran medida por sus distintos niveles de experiencia digital. Aquellos que utilizaban la tecnología con frecuencia eran menos propensos a rechazar la IA, independientemente de su edad. Esto indica que la familiaridad con la tecnología, más que la edad en sí misma, es un motor de aceptación más fuerte.

El estudio concluye que la confianza pública en la inteligencia artificial de la atención médica no es una mezcla caótica de opiniones aleatorias, sino una jerarquía estructurada basada en el peso clínico de la tarea. Esta estructura es robusta, manteniéndose constante a través de diferentes idiomas y culturas, y puede medirse eficazmente con un conjunto muy corto de preguntas. Si bien los hallazgos ofrecen un mapa claro de dónde se encuentra el público hoy en día, los investigadores advierten que este mapa se aplica a la población general. Si los médicos y enfermeros, que trabajan con estos sistemas a diario, siguen la misma escalera de confianza, sigue siendo una pregunta para estudios futuros. Por ahora, los datos proporcionan una base sólida para comprender cómo introducir la inteligencia artificial en la atención médica de una manera que respete los límites del público.

Problema y motivación
Las encuestas públicas sobre la inteligencia artificial (IA) en la atención sanitaria suelen informar sobre las tasas de aceptación de aplicaciones específicas de forma aislada. Este enfoque descriptivo no logra determinar si la aceptación constituye una estructura acumulativa sistemática y ordenada, si tal estructura se mantiene en diferentes grupos lingüísticos dentro de un mismo sistema de salud, o si el constructo puede capturarse eficientemente mediante una versión breve. Además, los instrumentos existentes suelen carecer de validación en contextos multilingües donde las traducciones son adaptaciones culturales en lugar de literales, lo que plantea interrogantes sobre la equivalencia de la medición. Este estudio aborda estas brechas analizando la estructura interna de un instrumento de 16 ítems que mide la aceptación pública de la IA en la atención sanitaria, administrado a la población bilingüe (de habla alemana e italiana) de Tirol del Sur, Italia.

Metodología
El estudio utilizó datos de un panel poblacional probabilístico en el Tirol del Sur encuestado en febrero–marzo de 2026 (N = 901). Los encuestados calificaron la aceptabilidad de 16 aplicaciones de IA distintas, que van desde funciones administrativas hasta decisiones clínicas de tiempo crítico. Las respuestas de incertidumbre se calificaron como no aceptación.

El análisis empleó la teoría de respuesta al ítem no paramétrica, específicamente el análisis de escala de Mokken, para evaluar:

Escalabilidad y dimensionalidad: Utilizando coeficientes de Loevinger ( $H$ , $H_i$ , $H_{ij}$ ) para determinar si los ítems forman una escala unidimensional.
Monotonicidad y ordenamiento de ítems invariante (IIO): Comprobando si la probabilidad de una respuesta positiva aumenta monótonamente con el rasgo latente y si el orden de las dificultades de los ítems es consistente entre los encuestados (coeficiente $H_T$ ).
Independencia local: Evaluada mediante asociación condicional y correlaciones de residuos de $Q_3$ de Yen.
Equivalencia de la medición: El Funcionamiento Diferencial de los Ítems (DIF) se evaluó mediante regresión logística sobre la puntuación total, comparando las versiones alemana e italiana. Se priorizaron los tamaños del efecto (incremento en el pseudo- $R^2$ de McFadden) sobre las pruebas de significancia, con un umbral de relevancia de 0.035.
Derivación de la versión breve: Se realizó una búsqueda exhaustiva de todos los subconjuntos de 5 y 6 ítems. Los criterios de selección incluyeron escalabilidad, ordenamiento de personas ( $H_T$ ), independencia local, correlación con la puntuación completa de 16 ítems y cobertura del rango de dificultad. La regla de selección fue validada de forma cruzada sobre 200 mitades aleatorias de la muestra (400 pares de selección-evaluación).
Análisis de clases latentes (LCA): Se ajustaron modelos de 2 a 6 clases para explorar si los encuestados se agrupan en distintos tipos de aceptación. Las asociaciones con covariables se estimaron mediante un procedimiento de tres pasos con corrección BCH y errores estándar de sándwich, complementado con un bootstrapping no paramétrico para tener en cuenta la incertidumbre del modelo de medición.

Resultos clave

Jerarquía acumulativa: Las 16 aplicaciones formaron una escala única moderadamente fuerte ( $H = 0.491$ ). La jerarquía está ordenada por la consecuencia clínica: las aplicaciones administrativas (p. ej., recordatorios de medicación, programación de citas) son las más aceptadas, mientras que las decisiones clínicas de tiempo crítico (p. ej., triaje de emergencia, decisiones urgentes) son las menos aceptadas.
Ordenamiento de ítems invariante: Aunque la escala permite comparaciones entre grupos, no se respaldó el ordenamiento de ítems invariante entre los encuestados individuales ( $H_T = 0.267$ ). Esto indica que, si bien la escala ordena los grupos de manera fiable, no puede localizar con precisión a los individuos basándose únicamente en la jerarquía de los ítems.
Equivalencia de la medición: El orden de las dificultades de los ítems fue casi idéntico entre los grupos lingüísticos (Spearman $\rho \ge 0.962$ ). Ningún ítem exhibió un DIF relevante entre las versiones alemana e italiana (el mayor incremento de pseudo- $R^2$ fue de 0.0070), incluso en los ítems donde la versión italiana implicó cambios culturales en el alcance o la omisión de calificadores.
Versión breve: Se derivó una versión breve de cinco ítems, que alcanzó un $H = 0.597$ y un ordenamiento de personas significativamente mejor ( $H_T = 0.507$ , percentil 97.7) en comparación con el instrumento completo. Correlacionó 0.903 con la puntuación completa. Sin embargo, la composición específica de la versión breve no fue determinada de forma única; la regla de selección produjo 34 formas diferentes a través de las divisiones de validación cruzada. La forma adoptada incluye "recordatorios de medicación automatizados" y "apoyo en decisiones urgentes" como anclajes, con ítems intermedios seleccionados según la cobertura de contenido en lugar de una superioridad psicométrica única.
Tipología de aceptación: El análisis de clases latentes identificó cuatro clases. Se encontró una clase distinta "orientada administrativamente" (29.7% de los encuestados), que acepta las aplicaciones administrativas en niveles altos pero rechaza las aplicaciones clínicas con consecuencias en niveles similares a la clase "rechazante". Esto sugiere un límite categórico entre la IA administrativa y la clínica para una minoría significativa, en lugar de una diferencia puramente gradual en la intensidad.
Covariables: El grupo lingüístico y el área de residencia no estuvieron asociados con la pertenencia a la clase. La edad mostró una relación compleja: aunque los encuestados de mayor edad estaban descriptivamente sobrerrepresentados en los extremos de la tipología, esta asociación se revirtió tras ajustar por experiencia digital (uso de IA y afinidad tecnológica), lo que sugiere que el patrón descriptivo era un efecto composicional.

Significación y afirmaciones
El artículo afirma que la aceptación pública de la IA en la atención sanitaria no es una colección de juicios no relacionados, sino que sigue una jerarquía acumulativa ordenada por la consecuencia clínica de la aplicación. Esta jerarquía es invariante entre las poblaciones de habla alemana e italiana, lo que respalda el uso de versiones paralelas del instrumento culturalmente adaptadas sin necesidad de puntuaciones estratificadas.

El estudio demuestra que una versión breve de cinco ítems puede reproducir esta jerarquía con un mejor ordenamiento de personas, lo que la hace adecuada para entornos donde el instrumento completo resulta impráctico. Sin embargo, los autores señalan modestamente que la composición de los ítems en la versión breve no está determinada de forma única por los datos; los anclajes son fijos, pero los ítems intermedios son intercambiables según las necesidades de contenido.

Los hallazgos también desafían la suposición de que la aceptación es puramente una cuestión de grado; para aproximadamente el 30% de la población, la distinción entre la IA administrativa y la clínica es categórica. Finalmente, el estudio destaca que las diferencias de edad descriptivas en la aceptación pueden estar confundidas por la experiencia digital, la cual revierte la dirección al ser ajustada.

Los autores declaran explícitamente las limitaciones: la generalizabilidad de la jerarquía a profesionales de la salud u otros sistemas de salud aún no ha sido probada; la composición de la versión breve requiere validación externa; y la solución de clases latentes es exploratoria, ya que los criterios formales de selección de modelos no convergieron en un número específico de clases.

Más como este