La adopción de tecnologías de inteligencia artificial (IA) clínica experimenta un crecimiento acelerado; sin embargo, la evidencia empírica sobre los patrones de utilización por parte del personal de salud ha sido históricamente limitada. La rápida expansión del conocimiento biomédico excede la capacidad de retención individual, lo que exige herramientas avanzadas de síntesis de evidencia en el punto de atención.

Bajo esta mirada, el Dr. Vishal R. Patel de la Escuela de Medicina de Harvard y el Dr. Samuel G. Finlayson del Hospital Infantil de Seattle, en EE. UU., lideraron esta investigación con el objetivo de caracterizar el volumen, la distribución demográfica en la fuerza laboral y los propósitos clínicos de las consultas realizadas en una plataforma de IA clínica.

Se realizó un estudio observacional transversal que analizó los registros de la plataforma OpenEvidence entre el 1 de enero de 2024 y el 30 de junio de 2026 en EE. UU. La población incluyó 952.008 profesionales de la salud con identificador nacional de proveedor verificado, quienes generaron 271.000.000 de consultas clínicas. Se extrajo una muestra aleatoria estratificada de 38,8 millones de consultas, clasificadas mediante un modelo de lenguaje de gran escala (GPT-5.6 Terra) validado frente a la evaluación cegada de clínicos (diferencia= 7,30 puntos porcentuales; IC 95%: -0,60 a 14,60).

Del total de participantes (58,5% mujeres), 556.200 fueron médicos. Los usuarios activos mensuales se incrementaron de 355 a 703.265, y la intensidad de uso media aumentó de 18,0 a 39,5 consultas/mes. Las enfermeras de práctica avanzada (44,5 consultas/mes) y asistentes médicos (44,5 consultas/mes) superaron la intensidad de uso de los médicos (37,1 consultas/mes). Entre los médicos, la utilización fue desproporcionada en profesionales dentro de los primeros 10 años tras su graduación (razón de uso= 2,54) y en residentes o becarios (razón de uso= 1,84), frente a clínicos con ≥20 años de ejercicio (razón de uso= 0,31).

Por especialidad, destacaron oncología y hematología (razón de uso= 2,00), medicina interna (razón de uso= 1,88) y medicina familiar (razón de uso= 1,80); mientras que especialidades quirúrgicas y diagnósticas mostraron menor uso, como oftalmología (razón de uso= 0,23), radiología y ortopedia (razón de uso= 0,24). El motivo principal fue la toma de decisiones clínicas (51,9%), predominando el tratamiento y manejo (33,1%) sobre el diagnóstico (13,9%). Las consultas fuera de la propia especialidad alcanzaron entre el 35,0% (oncología y hematología) y el 88,0% (medicina de urgencias).

Los autores concluyen que el uso clínico de plataformas de IA se centra en el manejo terapéutico y el soporte interdisciplinario, difiriendo de las evaluaciones habituales orientadas al diagnóstico. Estos hallazgos subrayan la necesidad de reorientar la validación y gobernanza de la IA hacia la toma de decisiones farmacoterapéuticas en la práctica real.