Actualidades Médicas

La transformación digital en atención primaria está en fase de desarrollo temprano, con aplicaciones de IA principalmente limitadas a documentación asistida por voz (ambient scribing), apoyo a decisiones clínicas y automatización de flujos de trabajo, mientras que la atención virtual se ha consolidado como modalidad complementaria efectiva.[1][2]

Estado Actual de la IA en Atención Primaria

Aplicaciones principales y evidencia

Las revisiones sistemáticas más recientes identifican cuatro áreas principales de aplicación de IA en atención primaria: intervención temprana y apoyo a decisiones (29% de estudios), manejo de enfermedades crónicas (22%), operaciones y gestión de pacientes (16%), y experiencias de aceptación e implementación (33%).[1] Las herramientas de IA demuestran alta precisión técnica, particularmente en apoyo diagnóstico, pero su implementación en la práctica rutinaria está limitada por barreras de usabilidad, desalineación con flujos de trabajo, preocupaciones de confianza, brechas de equidad y restricciones financieras.[1][3]

Un hallazgo crítico es que la IA en atención primaria permanece en etapa de desarrollo, con uso real mínimo más allá de la documentación asistida, apoyo a decisiones clínicas y automatización de flujos de trabajo.[2] De 61 estudios analizados en una revisión de 2025, la mayoría (43%) se enfocó en desarrollo de modelos, solo ocho reportaron resultados de ensayos clínicos, y únicamente 11 estudios documentaron implementaciones en el mundo real.[2]

Prioridades identificadas por stakeholders

Los pacientes y proveedores coinciden en que la IA debería aplicarse primero a documentación, operaciones de práctica y tareas de triaje, con el objetivo de mejorar la eficiencia mientras se mantiene la atención centrada en la persona, las relaciones y el acceso.[4] Consideran las herramientas complejas de apoyo a decisiones clínicas y cuidado proactivo como impactantes pero reconocen riesgos potenciales. El entrenamiento apropiado y el soporte de implementación son los facilitadores externos más importantes para el uso seguro, efectivo y centrado en el paciente de IA en atención primaria.[4]

Beneficios y Desafíos de Implementación

Oportunidades principales

Las mayores oportunidades para integración de IA se centran en mejorar la prestación integral de servicios, particularmente mejorando la precisión diagnóstica, optimizando programas de detección y avanzando en predicción temprana de enfermedades.[3] La IA puede mejorar la toma de decisiones clínicas al proporcionar información específica del paciente y recomendaciones basadas en evidencia, potencialmente reduciendo errores médicos y optimizando la selección de tratamientos.[5][6]

Barreras críticas

Los desafíos más significativos emergen en las funciones de gobernanza y generación de recursos, con preocupaciones clave relacionadas con seguridad y privacidad de datos, problemas de rendimiento técnico y limitaciones en accesibilidad de datos.[3] Los médicos generales expresan preocupaciones específicas sobre:

- Precisión diagnóstica y errores de IA

- Falta de base de evidencia para programas de IA

- Ausencia de rendición de cuentas de sistemas de IA

- Apropiación de algoritmos para diferentes grupos poblacionales

- Aumento de carga de trabajo, particularmente pruebas innecesarias adicionales

- Influencia de la industria[7]

Una revisión sistemática de 2025 identificó que el cambio en la relación médico-paciente es una preocupación principal, destacando inquietudes sobre pérdida de empatía, conexión y confianza.[8] Los participantes enfatizaron la importancia de transparencia, construcción de confianza y rigor en investigación para evaluar la efectividad y seguridad de sistemas de IA.[7]

Atención Virtual: Evidencia y Aplicaciones

Efectividad clínica

La atención virtual puede ser segura y apropiada para triaje y parece equivalente a la atención presencial para consejería y algunos servicios de rehabilitación.[9] Las consultas virtuales son igualmente efectivas o más efectivas que la atención presencial para el manejo de ciertas condiciones, incluyendo enfermedad mental, tabaquismo excesivo y consumo de alcohol.[10] La atención virtual puede reducir tiempos de espera, disminuir costos para pacientes y reducir tasas de seguimiento en entornos de atención secundaria y terciaria.[10]

Limitaciones y consideraciones de equidad

La evidencia sobre el impacto en seguridad clínica es extremadamente limitada.[10] La evidencia sobre equidad es considerablemente mixta: la atención virtual es más probable que sea utilizada por pacientes más jóvenes y mujeres, con disparidades entre otros subgrupos dependiendo de factores contextuales.[10] Los médicos familiares reportan que la atención virtual creó desafíos de acceso para algunos pacientes (personas sin vivienda estable o viviendo en áreas sin buen acceso telefónico o internet) y para algunos tipos de atención (cuidado que requiere acceso a dispositivos médicos).[11]

Durante la pandemia COVID-19, los médicos que ofrecieron visitas virtuales condujeron un promedio de 66.4% de sus visitas virtualmente, comparado con 6.5% pre-pandemia, y anticipan continuar con un promedio de 43.9% post-pandemia.[12] El 74.5% de participantes estaban satisfechos con su experiencia usando visitas virtuales, y 88% creían que podían incorporar visitas virtuales bien dentro del flujo de trabajo habitual.[12]

Monitoreo Remoto de Pacientes

Evidencia de efectividad

El monitoreo remoto de pacientes (RPM) probablemente hace poca o ninguna diferencia en los niveles de HbA1c y probablemente conduce a una ligera reducción en la presión arterial sistólica, con significancia clínica cuestionable.[13] Los beneficios clínicos y riesgos del RPM están pobremente estudiados para la mayoría de los grupos de pacientes basándose en revisiones sistemáticas de calidad aceptable.[14]

Barreras de implementación

Aunque los médicos de atención primaria generalmente coinciden en que el RPM mejoró la calidad de atención para sus pacientes, muchos identificaron barreras para adopción y mantenimiento de programas de RPM, incluyendo dificultades manejando el flujo de datos y estableciendo un flujo de trabajo manejable, junto con barreras de alfabetización digital y de salud.[15] Muchos médicos no creían que el RPM fuera rentable.[15] La mayor dificultad fue la integración de información en sistemas ya existentes en la infraestructura de atención primaria y en cambiar procesos de trabajo de profesionales de atención primaria (83%).[16]

Requisitos para Implementación Exitosa

La integración exitosa de IA en atención primaria requiere un enfoque coordinado y multidimensional, con gobernanza, generación de recursos y financiamiento jugando roles clave en habilitar la prestación de servicios.[3] Los elementos esenciales incluyen:

- Co-diseño con profesionales de atención primaria desde la concepción

- Desarrollo de herramientas que respondan a prioridades compartidas

- Entrenamiento apropiado y soporte de implementación

- Sistemas explicables y éticamente alineados

- Mejor interoperabilidad

- Enfoques que preserven la privacidad como aprendizaje federado

- Evaluación continua y colaboración entre profesionales de salud, formuladores de políticas y organizaciones tecnológicas[1][4][3][17]

References

1. AI and Primary Care: Scoping Review. Katonai G, Arvai N, Mesko B. Journal of Medical Internet Research. 2025;27:e65950. doi:10.2196/65950.
2. Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions. Iannone S, Kaur A, Johnson KB. Journal of General Internal Medicine. 2025;:10.1007/s11606-025-09938-0. doi:10.1007/s11606-025-09938-0.
3. Opportunities, Challenges, and Requirements for Artificial Intelligence (AI) Implementation in Primary Health Care (PHC): A Systematic Review. Yousefi F, Dehnavieh R, Laberge M, et al. BMC Primary Care. 2025;26(1):196. doi:10.1186/s12875-025-02785-2.
4. Priorities for Artificial Intelligence Applications in Primary Care: A Canadian Deliberative Dialogue With Patients, Providers, and Health System Leaders. Upshaw TL, Craig-Neil A, Macklin J, et al. Journal of the American Board of Family Medicine : JABFM. 2023;36(2):210-220. doi:10.3122/jabfm.2022.220171R1.
5. Revolutionizing Healthcare: The Role of Artificial Intelligence in Clinical Practice. Alowais SA, Alghamdi SS, Alsuhebany N, et al. BMC Medical Education. 2023;23(1):689. doi:10.1186/s12909-023-04698-z.
6. Effectiveness of Artificial Intelligence (AI) in Clinical Decision Support Systems and Care Delivery. Ouanes K, Farhah N. Journal of Medical Systems. 2024;48(1):74. doi:10.1007/s10916-024-02098-4.
7. Implementation Challenges of Artificial Intelligence (AI) in Primary Care: Perspectives of General Practitioners in London UK. Razai MS, Al-Bedaery R, Bowen L, et al. PloS One. 2024;19(11):e0314196. doi:10.1371/journal.pone.0314196.
8. Perceptions Of, Barriers To, and Facilitators of the Use of AI in Primary Care: Systematic Review of Qualitative Studies. Martínez-Martínez H, Martínez-Alfonso J, Sánchez-Rojo-Huertas B, et al. Journal of Medical Internet Research. 2025;27:e71186. doi:10.2196/71186.
9. Uses of Virtual Care in Primary Care: Scoping Review. Agarwal P, Fletcher GG, Ramamoorthi K, Yao X, Bhattacharyya O. Journal of Medical Internet Research. 2025;27:e55007. doi:10.2196/55007.
10. The Impact of Virtual Consultations on the Quality of Primary Care: Systematic Review. Campbell K, Greenfield G, Li E, et al. Journal of Medical Internet Research. 2023;25:e48920. doi:10.2196/48920.
11. "Technology Has Allowed Us to Do a Lot More but It's Not Necessarily the Panacea for Everybody": Family Physician Perspectives on Virtual Care During the COVID-19 Pandemic and Beyond. Hedden L, Spencer S, Mathews M, et al. PloS One. 2024;19(2):e0296768. doi:10.1371/journal.pone.0296768.
12. Exploring the Use and Challenges of Implementing Virtual Visits During COVID-19 in Primary Care and Lessons for Sustained Use. Mohammed HT, Hyseni L, Bui V, et al. PloS One. 2021;16(6):e0253665. doi:10.1371/journal.pone.0253665.
13. Can Remote Patient Monitoring Be the New Standard in Primary Care of Chronic Diseases, Post-Covid-19?. Muller AE, Berg RC, Jardim PSJ, Johansen TB, Ormstad SS. Telemedicine Journal and E-Health : The Official Journal of the American Telemedicine Association. 2022;28(7):942-969. doi:10.1089/tmj.2021.0399.
14. Clinical Benefits and Risks of Remote Patient Monitoring: An Overview and Assessment of Methodological Rigour of Systematic Reviews for Selected Patient Groups. Wartenberg C, Elden H, Frerichs M, et al. BMC Health Services Research. 2025;25(1):133. doi:10.1186/s12913-025-12292-w.
15. Challenges and Facilitators in Implementing Remote Patient Monitoring Programs in Primary Care. Hailu R, Sousa J, Tang M, Mehrotra A, Uscher-Pines L. Journal of General Internal Medicine. 2024;39(13):2471-2477. doi:10.1007/s11606-023-08557-x.
16. Remote Monitoring Systems for Patients With Chronic Diseases in Primary Health Care: Systematic Review. Peyroteo M, Ferreira IA, Elvas LB, Ferreira JC, Lapão LV. JMIR mHealth and uHealth. 2021;9(12):e28285. doi:10.2196/28285.
17. Implementing Artificial Intelligence in Canadian Primary Care: Barriers and Strategies Identified Through a National Deliberative Dialogue. Darcel K, Upshaw T, Craig-Neil A, et al. PloS One. 2023;18(2):e0281733. doi:10.1371/journal.pone.0281733.