Burgetova K, Hron J, Ruzickova P, Vejrazka M, Vaclavik J. AI and Primary Care: Scoping Review. J Med Internet Res. 2025;27(1):e65950.
¿Qué está haciendo de verdad la IA en Atención Primaria?
La Atención Primaria hace tiempo que juega en modo resistencia: menos profesionales, pacientes cada vez más complejos y una burocracia que crece mucho más rápido que las plantillas. En ese escenario, cualquier promesa de «ganar tiempo» y proteger la relación clínica suena casi a salvavidas.
La inteligencia artificial (IA) se ha colocado justo ahí: en la promesa de ayudarnos a decidir mejor, detectar antes y, sobre todo, quitarnos de encima parte del papeleo y la gestión de la demanda que hoy devoran horas de consulta. Muchos médicos de familia no esperan que la IA les sustituya; lo que esperan —si funciona y no estorba— es que les devuelva minutos para hablar con sus pacientes.
En este contexto, la scoping review de Burgetova y cols. sobre IA en Atención Primaria resulta especialmente interesante porque no se limita a enseñar algoritmos brillantes, sino que intenta responder a una pregunta muy práctica ¿en qué se está usando de verdad la IA en AP y con qué pinta?. Para ello, realizan una revisión exploratoria siguiendo las guías PRISMA-ScR, que permite cartografiar un campo todavía muy disperso sin exigir la homogeneidad de una revisión sistemática clásica.
Tras peinar la literatura internacional, se quedan con unas pocas decenas de estudios realmente relevantes y los organizan en cuatro bloques que cualquier gestor de AP reconoce al vuelo: modelos para diagnóstico e intervención precoz (cribado de cáncer, riesgo cardiovascular, complicaciones de crónicos), herramientas para el manejo de pacientes crónicos, aplicaciones para operaciones y gestión de la demanda (citación, triage, priorización) y trabajos que exploran cómo perciben la IA los profesionales y qué pasa cuando se intenta implantarla en centros reales.
El resultado no es solo una lista de algoritmos, sino un mapa de dónde se concentra hoy la evidencia y en qué puntos el salto desde el prototipo al centro de salud sigue siendo más una promesa que una realidad.
¿Qué aporta (y qué no) a la gestión en AP?
La revisión es especialmente útil para la gestión en AP si no se mira tanto el brillo tecnológico y se desplaza el interés a los problemas concretos que aborda. La mayoría de experiencias se concentran en dos frentes muy conocidos: ayudar a decidir mejor (diagnóstico precoz, estratificación de riesgo, seguimiento de crónicos) y ayudar a gestionar mejor (quién entra, cuándo entra y con qué prioridad en el sistema). Ahí es donde la IA se parece menos a un juguete y más a una herramienta de gestión clínica.
El mapa tiene, al menos, un par de lecturas para los equipos directivos de AP. La primera es que, hoy por hoy, la IA está mucho más desarrollada en lo clínico que en lo organizativo; abundan los modelos que predicen cosas, pero hay menos trabajo serio sobre cómo se traduce eso en agendas, listados de trabajo o circuitos de derivación. La segunda, que cuando se ha probado en la parte operativa (triage, citación, priorización de tareas, soporte a la documentación), los estudios sugieren justo lo que más interesa a la gestión: que puede reducir fricción en el día a día… siempre que se integre bien en la historia clínica y no rompa el flujo de trabajo.
¿Donde se juega el partido?
La revisión también deja a la vista lagunas importantes. Apenas encontramos indicadores que un gestor clínico o un gestor sanitario usaría para decidir si invertir o no en estas soluciones: poco sobre tiempos de consulta, demoras, carga de trabajo real o impacto presupuestario, y muy poco sobre cómo afectan a la satisfacción y la salud mental de los equipos. Muchos estudios se sitúan en contextos piloto o en sistemas poco comparables con una primaria pública saturada como la nuestra, y la voz de pacientes y profesionales aparece más como «percepción» que como codiseño real.
En conjunto, el trabajo no ofrece un ranking de «mejores» herramientas, pero sí deja entrever dónde se juega hoy el partido: modelos de apoyo a decisiones en patologías de alto impacto y, sobre todo, aplicaciones que alivian la trastienda de la consulta —documentación, triage sencillo, citación— son las mejor colocadas para aportar valor en la Atención Primaria real, siempre que pasen la prueba decisiva del flujo de trabajo.
Es decir, encajar en la historia clínica, respetar el razonamiento clínico y quitar, no añadir, carga a los equipos. Para quienes gestionan en AP, la lección es sencilla y exigente a la vez: antes de apostar por un proyecto de IA, conviene tener muy claro qué problema organizativo se quiere resolver, cómo se va a medir el cambio y qué lugar va a ocupar esa herramienta en la consulta de cada día.
- Abbasgholizadeh Rahimi S, et al. Application of Artificial Intelligence in Community-Based Primary Health Care: Systematic Scoping Review and Critical Appraisal. J Med Internet Res. 2021;23(9):e29839.
- d’Elia A, et al. Artificial intelligence and health inequities in primary care: a systematic scoping review and framework. Fam Med Community Health. 2022;10(Suppl 1):e001670.
