Comparación del nivel de calidad y empatía de indicaciones médicas dadas por una inteligencia artificial y por especialistas médicos docentes de la Universidad Científica del Sur

Abstract

Introducción: La comunicación médico-paciente ha evolucionado desde un modelo presencial hacia esquemas virtuales o mixtos, en los que la mensajería clínica ocupa un rol cada vez más relevante. Los chatbots de inteligencia artificial (IA) generativa, como ChatGPT, emergen como posibles herramientas asistenciales en este contexto. Asimismo, escasea literatura en Latinoamérica que utilice herramientas validadas para evaluar la empatía de las respuestas de esta IA. Este estudio comparó, en escenarios simulados, según la evaluación de expertos, la calidad y empatía de indicaciones médicas generadas por ChatGPT-4o versus médicos docentes de una institución. Métodos: Se realizó un estudio observacional transversal entre enero-septiembre 2025 en la Universidad Científica del Sur (UCSUR). Se compararon 128 respuestas (64 ChatGPT-4 y 64 médicos docentes) a cuatro viñetas clínicas estandarizadas (geriatría oncológica terminal, trauma abdominal, pediatría, ginecología-obstetricia). Un comité ciego de 16 especialistas (4 por especialidad) evaluó la calidad mediante una escala tipo Likert (1=muy mala, 5=muy buena) y la empatía mediante una versión adaptada de la Consultation and Relational Empathy Scale (CARE) (7 ítems, rango 7-35). El análisis estadístico se realizó en Stata 18.0 e incluyó t-Student, ANOVA, correlaciones Pearson y regresión lineal multivariable. Resultados: El 73.4% (47/64) de evaluadores prefirió respuestas de la IA. Las respuestas de ChatGPT-4o obtuvieron mayor calidad en promedio (3.92±0.96 vs 2.84±1.25) y empatía (24.39±6.28 [empática] vs 17.64±8.51 [moderadamente empática]). No se encontraron diferencias por edad, sexo, especialidad, experiencia clínica/docencia ni posgrado de médicos autores (p>0.05). Se encontró correlación positiva significativa entre calidad-empatía de las respuestas (r=0.61-0.64, p<0.001). Regresiones confirmaron asociación entre preferencia, calidad y empatía percibida (β calidad IA=3.22, β preferencia=-4.91, p<0.05). Conclusiones: En un escenario de viñetas clínicas simuladas, las respuestas de ChatGPT-4o fueron percibidas como superiores en calidad y empatía por expertos, al ser comparadas con médicos docentes de una institución educativa...