UPMC concluye que la adopción de IA hospitalaria supera a las pruebas y la supervisión

UPMC ha identificado un fuerte conflicto en la adopción de IA hospitalaria: más del 90% de los sistemas de salud encuestados utilizan herramientas de terceros, pero solo el 44% cuenta con entornos de pruebas dedicados.

Los hallazgos llegaron a una audiencia más amplia a través de Google News después de que MedCity News informara sobre ellos el 30 de agosto de 2026. Sin embargo, la historia de fondo no es otro hito en la adopción de IA. Es evidencia de que la implementación ha avanzado más rápido que la capacidad de los hospitales para validar lo que compran.

Los hospitales están incorporando IA en la documentación, facturación, programación y apoyo a la toma de decisiones clínicas. Muchos aún carecen de métodos repetibles para probar estos sistemas frente a pacientes, flujos de trabajo y datos locales. Esto deja a líderes hospitalarios, clínicos, proveedores y reguladores negociando responsabilidades después de que la tecnología ya haya entrado en la atención médica.

El conflicto central es la velocidad de implementación frente al control institucional. Un despliegue de software convencional pregunta si un producto funciona según lo diseñado. La supervisión de la IA clínica también debe preguntar si funciona para esta población, se mantiene precisa con el tiempo, trata a los grupos de forma justa y mejora la atención sin crear nuevos riesgos.

Las cifras de adopción ocultan una brecha de infraestructura

La IA hospitalaria ha entrado en las operaciones habituales, pero los sistemas necesarios para validarla siguen siendo desiguales.

Los hallazgos de la encuesta de UPMC proceden de una investigación realizada por el Center for Connected Medicine de UPMC y KLAS Research. Las organizaciones encuestaron a más de dos docenas de líderes de sistemas de salud sobre estrategia, pruebas, gobernanza e implementación de IA.

Más del 90% de los encuestados afirmó que sus organizaciones habían implementado soluciones de IA de terceros. La documentación clínica fue el área de implementación citada con mayor frecuencia, informada por el 52% de los encuestados. Le siguieron el ciclo de ingresos, la codificación y la facturación, con un 36%.

Estas cifras muestran que la IA hospitalaria ya no se limita a proyectos de investigación aislados. Ahora redacta notas clínicas, respalda decisiones administrativas e influye en flujos de trabajo que afectan a pacientes y personal.

Las pruebas también parecen generalizadas a primera vista. La encuesta concluyó que el 92% de las organizaciones evalúa herramientas de IA de terceros antes de implementarlas. Sin embargo, esa cifra incluye métodos que van desde protocolos formales de validación hasta pilotos limitados y revisiones informales.

Solo el 44% informó contar con una plataforma de datos o un entorno de pruebas dedicado. Sin uno, un hospital tiene menos oportunidades de examinar el rendimiento utilizando sus propios datos antes de conectar un modelo a flujos de trabajo reales.

La distinción importa porque completar un piloto no equivale a validar un sistema clínico. Un piloto podría confirmar que el software se integra con una historia clínica electrónica. Podría no revelar si el modelo funciona de forma diferente según la edad, raza, idioma, discapacidad o grupo de seguro.

Un piloto corto también ofrece evidencia limitada sobre eventos poco frecuentes. Estos casos pueden acarrear las mayores consecuencias clínicas, especialmente cuando un algoritmo predice deterioro, reingreso o necesidades de tratamiento.

La estrategia no ha madurado al mismo ritmo. El informe concluyó que el 63% de las organizaciones encuestadas describió su enfoque de IA como en desarrollo o ad hoc. Los encuestados también informaron que no existía un consenso sólido sobre qué métricas deberían definir el éxito.

Esa incertidumbre va más allá de la seguridad. Un hospital podría medir el tiempo ahorrado, la aceptación de los clínicos, el retorno financiero, el rendimiento diagnóstico, los resultados de los pacientes o los cinco factores. Sin un objetivo acordado, una implementación exitosa puede significar cosas muy distintas para ejecutivos y clínicos.

La encuesta es pequeña y no debe tratarse como un censo de los hospitales estadounidenses. Su valor reside en el desajuste que expone. La implementación es común, mientras que las pruebas estructuradas, la madurez estratégica y la medición consistente no lo son.

La atención de Google News se cruza con una tendencia hospitalaria mucho más amplia

Los hallazgos de UPMC reflejan un patrón de adopción ya visible en miles de hospitales estadounidenses.

Los datos federales ofrecen una referencia más amplia que la nueva encuesta del sector. Un análisis de la Office of the National Coordinator concluyó que el 71% de los hospitales de atención aguda no federales utilizó IA predictiva integrada con historias clínicas electrónicas en 2024. La cifra aumentó desde el 66% de 2023.

La IA predictiva utiliza modelos estadísticos para estimar un resultado, como el riesgo de reingreso o el deterioro del paciente. Se diferencia de la IA generativa, que produce texto, imágenes u otro contenido nuevo a partir de una instrucción.

Los datos federales sobre hospitales abarcaron 2.080 respuestas hospitalarias informativas en 2024. Mostraron que la adopción variaba marcadamente según el tamaño del hospital, la ubicación, la afiliación a un sistema y el entorno tecnológico.

En 2024, el 96% de los hospitales con más de 400 camas informó utilizar IA predictiva. La tasa fue del 59% entre hospitales con menos de 100 camas.

La afiliación a un sistema produjo otra gran división. La adopción de IA predictiva alcanzó el 86% entre miembros de sistemas de múltiples hospitales, frente al 37% entre hospitales independientes. Los hospitales urbanos informaron una tasa de adopción del 81%, mientras que los rurales informaron un 56%.

Estas brechas complican cualquier afirmación de que los hospitales estén uniformemente “totalmente comprometidos” con la IA. Los grandes sistemas pueden distribuir la ingeniería de datos, la revisión legal, la ciberseguridad y la experiencia clínica entre muchas instalaciones. Un pequeño hospital independiente podría no contar con un equipo comparable.

Los proveedores tecnológicos también configuran el mercado. El análisis federal concluyó que el 90% de los hospitales que utilizan el proveedor líder del mercado de historias clínicas electrónicas contaba con IA predictiva. Solo el 50% de los hospitales que usan otros proveedores informó lo mismo.

Los hospitales suelen adquirir IA como una función dentro del software que ya utilizan. Esto reduce las barreras de adquisición e integración, pero también puede hacer que un algoritmo sea menos visible. El personal puede encontrarse con una puntuación o recomendación sin saber hasta qué punto su organización la evaluó.

El crecimiento más rápido se produjo en aplicaciones administrativas. De 2023 a 2024, el uso de IA predictiva para facturación aumentó 25 puntos porcentuales. La programación aumentó 16 puntos, mientras que la identificación de pacientes ambulatorios de alto riesgo aumentó nueve.

Las implementaciones administrativas aún pueden afectar la atención al paciente. Un modelo de programación puede influir en los tiempos de espera, el acceso a especialistas y las citas perdidas. Un sistema de facturación puede configurar la autorización previa, las disputas de codificación y la carga financiera impuesta a los pacientes.

Los resultados federales también contienen una señal más alentadora. En 2024, el 82% de los hospitales que utilizan IA predictiva afirmó evaluar los modelos en cuanto a precisión. El 74% informó realizar evaluaciones de sesgo y el 79% llevó a cabo algún monitoreo posterior a la implementación.

Sin embargo, menos hospitales aplicaron estas prácticas a todos o a la mayoría de los modelos. Entre el 15% y el 21% respondió “no sabe” cuando se les preguntó sobre la evaluación de precisión, las pruebas de sesgo o el monitoreo.

Esa diferencia respalda la preocupación detrás del informe de UPMC. Un hospital puede tener una política de evaluación y, aun así, aplicarla de manera inconsistente a una cartera creciente de modelos.

La visibilidad en Google News puede hacer que la encuesta más reciente parezca una advertencia repentina. En cambio, la evidencia nacional apunta a un problema estructural de más largo plazo. La adopción de IA se está expandiendo entre organizaciones con recursos, modelos de gobernanza y capacidad técnica profundamente distintos.

Comprar IA es más fácil que demostrar que funciona localmente

La evidencia de los proveedores no puede responder todas las preguntas sobre cómo se comportará una herramienta de IA dentro de un hospital concreto.

El rendimiento de un algoritmo depende de la población, los datos, el equipamiento, el flujo de trabajo y las decisiones que lo rodean. Un modelo desarrollado en un centro académico urbano puede no trasladarse sin problemas a un hospital rural o una clínica comunitaria.

Las poblaciones de pacientes difieren en prevalencia de enfermedades, idioma, acceso a la atención y patrones de documentación. Las historias clínicas electrónicas también codifican la información de manera diferente. Un campo ausente puede significar “no medido” en un entorno y “no presente” en otro.

Estas diferencias generan cambio de distribución de datos, que ocurre cuando los datos de entrada del mundo real ya no se parecen a la información utilizada durante el desarrollo. También generan deriva del modelo, una disminución o cambio en el rendimiento tras la implementación.

La validación local prueba un modelo con datos y condiciones de la organización que pretende utilizarlo. Puede revelar si el rendimiento informado por un proveedor resiste el contacto con los pacientes y flujos de trabajo de un hospital.

UPMC afirma que utiliza Ahavi, una plataforma de datos del mundo real, para probar IA de terceros frente a datos de pacientes desidentificados antes de su implementación. Las pruebas “in silico” consisten en evaluar un sistema computacionalmente sin exponer a los pacientes a sus recomendaciones.

Este enfoque puede comparar predicciones con resultados conocidos. También puede evaluar el rendimiento de subgrupos, identificar problemas de datos inesperados y estimar si un modelo propuesto ofrece valor más allá de la práctica existente.

El director de información médica de UPMC, Rob Bart, dijo a MedCity News que la organización también monitorea los algoritmos clínicos implementados a intervalos regulares. Los ejemplos incluyen modelos que predicen la duración de la estancia o el riesgo de reingreso.

Según el informe hospitalario original, UPMC ha mantenido una estructura formal de gobernanza de IA durante más de dos años. Su proceso refleja un principio fundamental: la validación no es un evento único de adquisición.

Un modelo puede superar las pruebas locales y deteriorarse posteriormente. La práctica clínica cambia, las poblaciones se desplazan y los proveedores actualizan el software. Los hospitales también modifican canalizaciones de datos, estándares de codificación y configuraciones de historias clínicas electrónicas.

La IA generativa introduce incertidumbre adicional porque su resultado es probabilístico. El mismo modelo puede producir redacciones diferentes a partir de instrucciones similares, y una actualización del proveedor puede alterar el comportamiento sin cambiar el flujo de trabajo del hospital.

Un sistema de documentación ambiental ofrece un ejemplo concreto. Escucha un encuentro clínico y redacta una nota para la revisión del médico. El beneficio inmediato es escribir menos, pero la superficie de riesgo va más allá de la precisión de la transcripción.

El sistema podría omitir incertidumbre, confundir a los interlocutores, insertar detalles no respaldados o convertir una discusión tentativa en un diagnóstico definitivo. La revisión del clínico ofrece una salvaguarda, pero solo si los usuarios tienen suficiente tiempo y atención para examinar cada afirmación generada.

El sesgo de automatización crea otro problema. Las personas pueden volverse más propensas a aceptar una recomendación porque la produjo una computadora. Un requisito nominal de revisión humana ofrece una protección limitada cuando las cargas de trabajo fomentan la aprobación rápida.

Por lo tanto, las pruebas hospitalarias deben examinar el sistema humano y técnico combinado. Un modelo con un sólido rendimiento de referencia aún puede fallar si las alertas llegan con demasiada frecuencia, las explicaciones confunden a los usuarios o el personal malinterpreta su función prevista.

Por eso la implementación convencional de tecnologías de la información se queda corta. Se centra en el tiempo de actividad, el acceso, la seguridad y la integración. La validación clínica también debe abordar la eficacia, la equidad, la usabilidad y los resultados de los pacientes.

La gobernanza es el producto que los hospitales aún no han terminado de construir

La parte más difícil de la IA clínica es asignar autoridad antes de que un algoritmo cometa un error con consecuencias importantes.

El análisis federal de hospitales concluyó que el 74% de los hospitales asignaba la evaluación de IA predictiva a múltiples entidades. Comités específicos o grupos de trabajo fueron citados por el 66%, mientras que los líderes de departamento fueron citados por el 60%.

La responsabilidad compartida puede aportar perspectivas valiosas. Los profesionales clínicos comprenden la atención al paciente, los científicos de datos evalúan los modelos, los equipos de seguridad analizan el riesgo técnico y los equipos jurídicos interpretan las obligaciones de privacidad y responsabilidad.

Sin embargo, la responsabilidad compartida también puede convertirse en responsabilidad fragmentada. Si participan cuatro grupos pero ninguno asume la decisión final, los problemas críticos pueden quedar sin resolver.

Todo modelo desplegado necesita un responsable. Esa persona o grupo debe conocer el propósito previsto del modelo, los usuarios autorizados, los umbrales de rendimiento, el historial de actualizaciones y las condiciones para suspenderlo.

La gobernanza también debe distinguir los niveles de riesgo. Una herramienta que resume una reunión interna no debería recibir la misma revisión que un modelo que prioriza a pacientes de urgencias. Sin embargo, las etiquetas administrativas no deberían implicar automáticamente un riesgo bajo.

Un modelo de dotación de personal puede afectar la carga de trabajo de enfermería. Un algoritmo de programación puede modificar el acceso a la atención. Una herramienta de ciclo de ingresos puede influir en que una reclamación se pague o se cuestione.

Investigadores internacionales han propuesto un enfoque de ciclo de vida. Las directrices FUTURE-AI abogan por la validación local, el control continuo de calidad, la trazabilidad, roles de gobernanza asignados y una gestión permanente del riesgo.

La trazabilidad implica mantener registros de cómo se desarrolló, validó, desplegó, utilizó y supervisó un modelo. Los hospitales necesitan este historial cuando cambia el rendimiento o un paciente cuestiona una decisión influida por IA.

Los contratos de adquisición forman parte de ese registro. Los hospitales necesitan aviso de las actualizaciones del modelo, acceso a información significativa sobre el rendimiento, procedimientos para informar incidentes y claridad sobre quién puede investigar un fallo.

Los proveedores pueden resistirse a divulgar detalles propietarios. No siempre es necesario tener acceso completo al código fuente, pero los hospitales siguen necesitando información suficiente para evaluar las limitaciones y los cambios.

La gobernanza también necesita un proceso de retirada. Las organizaciones suelen centrarse en aprobar nuevas herramientas y descuidan los criterios para eliminar aquellas que ya no rinden, atraen usuarios o generan valor medible.

Las limitaciones de recursos siguen siendo el principal obstáculo. La encuesta de UPMC citó el tiempo limitado, los recursos insuficientes y la escasez de talento especializado como las principales barreras.

Ken Howard, de UPMC Enterprises, describió con claridad la presión operativa. Los hospitales suelen identificar un problema y avanzar directamente hacia la implementación porque carecen de capacidad para crear primero un entorno de pruebas estructurado.

Esa decisión puede generar una falsa economía. MedCity News informó de que una implementación convencional puede consumir seis meses o más antes de que un hospital descubra que un producto no ofrece el valor esperado.

Los sistemas más grandes pueden invertir en plataformas compartidas de validación. Los hospitales más pequeños pueden necesitar alianzas regionales, servicios de pruebas independientes, protocolos comunes de evaluación o apoyo de instituciones públicas.

Sin infraestructura compartida, los hospitales con menos recursos técnicos se enfrentan a una decisión difícil. Pueden retrasar herramientas útiles o aceptar evidencia de proveedores que no representa plenamente a sus pacientes.

La regulación sigue dejando a los hospitales con el riesgo

La autorización regulatoria no sustituye la evidencia local, y muchas herramientas de IA hospitalaria no reciben una revisión federal específica del producto.

La Food and Drug Administration regula el software cuando cumple la definición legal de dispositivo médico. Algunas funciones de apoyo a la decisión clínica quedan fuera de esa definición, según sus usuarios, su finalidad y cómo se presenten las recomendaciones.

Las herramientas administrativas y muchas aplicaciones de IA generativa también pueden entrar en los hospitales sin autorización de la FDA. Sus proveedores deben seguir cumpliendo las leyes aplicables, los contratos, las normas de privacidad y las protecciones al consumidor, pero ningún regulador único evalúa cada despliegue.

Incluso un dispositivo autorizado por la FDA no llega con una garantía de eficacia local. La autorización se refiere a un producto definido y a un uso previsto. No reproduce la población, el flujo de trabajo, el modelo de dotación de personal ni el entorno de datos de cada hospital.

Una comunicación especial de JAMA de 2025 sostuvo que la IA en salud y atención sanitaria requiere una gobernanza capaz de proteger a los pacientes mientras mide los beneficios reales. También advirtió que la supervisión existente está dividida entre agencias e instituciones.

La evaluación de JAMA identificó un desafío estructural. Las herramientas de IA pueden evolucionar, rendir de forma diferente según el contexto y resultar difíciles de evaluar por completo antes de entrar en la práctica.

El informe citó la preocupación del excomisionado de la FDA Robert Califf de que ningún sistema de salud estadounidense tenía capacidad para validar todos los algoritmos clínicos de IA que desplegaba. Su declaración fue deliberadamente amplia, pero refleja la escala de la tarea.

Los hospitales no están instalando un único modelo estático. Gestionan carteras de sistemas de proveedores, funciones de historias clínicas electrónicas, modelos desarrollados internamente y servicios de IA de propósito general.

Cada producto puede cambiar mediante nuevos datos, actualizaciones de software, modificaciones en los flujos de trabajo o cambios en el comportamiento de los usuarios. Por tanto, la supervisión debe funcionar de manera continua en toda la cartera.

La seguridad es solo una dimensión. Los hospitales también deben decidir si una herramienta mejora los resultados, ahorra tiempo, reduce costes o genera cargas en otros ámbitos.

Un asistente de documentación puede reducir el tiempo dedicado a redactar notas, pero aumentar el tiempo empleado en corregir errores. Un modelo de reingresos puede identificar pacientes de alto riesgo, pero desbordar a un equipo de gestión asistencial con más casos de los que puede atender.

Las pruebas de sesgo también exigen más que comparar la precisión agregada. Un modelo puede funcionar bien en general y, aun así, producir más falsos negativos para un grupo o más falsos positivos para otro.

Las consecuencias dependen del caso de uso. Un falso negativo en un modelo de deterioro puede retrasar la intervención. Un falso positivo puede desencadenar pruebas innecesarias, fatiga por alertas o desvío de recursos.

Una lectura escéptica de los hallazgos de UPMC es que la encuesta refleja prácticas autodeclaradas de un grupo limitado. Una plataforma de pruebas dedicada tampoco garantiza que los líderes elijan indicadores adecuados o actúen ante resultados desfavorables.

La gobernanza formal puede convertirse en papeleo. Los comités pueden aprobar herramientas sin obtener evidencia suficiente, mientras los paneles de control pueden supervisar métricas convenientes en lugar de resultados de los pacientes.

Por tanto, el enfoque de UPMC es un ejemplo útil, no una prueba de que el problema de la gobernanza se haya resuelto. Sus métodos aún deben demostrar que las pruebas locales cambian las decisiones de despliegue y mejoran los resultados.

Tres señales mostrarán si la supervisión se está poniendo al día

La próxima fase de la IA hospitalaria se juzgará por la evidencia, la rendición de cuentas y la capacidad de detener los sistemas que fallan.

La primera señal es si los hospitales publican prácticas de evaluación específicas para cada modelo. Las afirmaciones generales sobre una IA responsable revelan poco. Las divulgaciones útiles identifican el uso previsto, la población local de prueba, los umbrales de rendimiento, los resultados por subgrupos, el calendario de supervisión y el responsable.

La elaboración de informes estandarizados facilitaría las comparaciones sin obligar a los hospitales a revelar datos identificables de pacientes. También ayudaría a los consejos de administración a distinguir entre una implementación técnicamente completada y una validada clínicamente.

Una investigación de Nature Health concluyó que la implementación de IA hospitalaria estaba agrupada geográficamente y dependía en gran medida de las condiciones locales. El análisis de implementación abarcó 3.560 hospitales estadounidenses y pidió métricas estandarizadas y específicas para cada modelo.

Si los informes a nivel de modelo se vuelven rutinarios, reforzarían la idea de que la gobernanza está madurando. Si los hospitales siguen informando solo del número de herramientas desplegadas, será más fácil medir la adopción que la seguridad o el valor.

La segunda señal es cómo gestionan los proveedores las actualizaciones y el escrutinio externo. Los hospitales necesitan avisos fiables de cambios, historiales de versiones, canales de incidentes y oportunidades para probar nuevas versiones antes de utilizarlas en producción.

Un proveedor que modifica un modelo subyacente puede alterar la precisión, el sesgo, el tono o los patrones de fallo. Un hospital no puede mantener un estado validado si no sabe cuándo el producto ha cambiado de forma sustancial.

La evaluación independiente será más importante para los sistemas ampliamente desplegados. Los puntos de referencia comunes no pueden sustituir la validación local, pero pueden revelar debilidades recurrentes y reducir el trabajo duplicado.

La tercera señal es si las organizaciones crean reglas de parada exigibles. Un programa de supervisión tiene un valor limitado si ningún umbral desencadena una investigación, suspensión o retirada.

Las reglas de parada pueden abarcar una disminución de la precisión, disparidades entre subgrupos, tasas anómalas de anulación, alucinaciones repetidas, incidentes de seguridad o la incapacidad de aportar el valor clínico esperado.

Los hospitales también deberían seguir si los profesionales clínicos utilizan realmente un sistema según lo previsto. Una adopción baja puede indicar una formación deficiente, un diseño débil o un producto que no responde a una necesidad real.

Los hallazgos de UPMC y KLAS ponen una cifra medible a la brecha de infraestructura, pero no establecen con qué rapidez los hospitales la cerrarán. Construir un entorno de datos es solo un paso.

Los sistemas de salud deben financiar equipos multidisciplinares, definir estándares de evidencia, negociar condiciones más sólidas con los proveedores, supervisar el rendimiento en producción y dar a alguien autoridad para intervenir.

La historia apareció a través de Google News como una advertencia sobre hospitales que avanzan demasiado rápido. Su lección más duradera es que la gobernanza de la IA debe convertirse en una capacidad operativa, no en un documento de políticas.

Los líderes hospitalarios deberían formular una pregunta directa sobre cada modelo que ya utilizan: ¿qué evidencia nos convencería de apagarlo?

Esa pregunta obliga a una organización a definir el rendimiento, la rendición de cuentas y el riesgo aceptable antes de que un fallo tome la decisión por ella. Quienes sigan la IA clínica deberían estar atentos a estándares públicos de validación, controles transparentes de actualizaciones y ejemplos reales de hospitales que retiran herramientas con bajo rendimiento. Esas señales revelarán si la supervisión finalmente está a la altura de la adopción, o si la industria sigue contando despliegues mientras deja que pacientes y profesionales clínicos absorban la incertidumbre.