CAUSIFOLD
한국어English日本語简体中文Español
Tamaño de letra

Health

Por qué la misma IA de cribado de tuberculosis parecía dar resultados opuestos

Una misma IA para el cribado de tuberculosis parece ofrecer resultados distintos según el punto de comparación. Los estudios de Ghana, Filipinas y Kenia revelan por qué importa el acceso al tratamiento.

Una radiografía de tórax y la puntuación 54 de la IA aparecen en el centro; a ambos lados se comparan dos decisiones: recomendar pruebas adicionales con un umbral de 51 y no seleccionar el caso con un umbral de 56.
Diagrama que muestra cómo una puntuación de 54 del sistema de IA que analiza radiografías de tórax produce decisiones distintas: con un umbral de 51 se indica una prueba adicional de tuberculosis, mientras que con un umbral de 56 no se selecciona para esa prueba.

Un equipo de investigación de Ghana utilizó un modelo para estimar qué ocurriría si elevaba de 51 a 56 puntos el umbral de una IA de cribado de tuberculosis. El resultado: menos pruebas complementarias y un menor coste total, pero también más riesgo de dejar sin detectar a algunas personas con la enfermedad.

Sin embargo, cuando compararon esa misma IA con el método habitual para seleccionar a quién realizar pruebas adicionales, el modelo previó menos gastos y una menor pérdida de salud asociada a diagnósticos de tuberculosis omitidos o tardíos.

¿Por qué cambiaba tanto la conclusión si se trataba de la misma IA?

Todo dependía del punto de comparación

En Ghana, Yaw Adusi-Poku y su equipo analizaron datos recogidos entre 2022 y 2023 de 701 personas con sospecha de tuberculosis. Con ellos estimaron el coste y los posibles efectos de utilizar IA para decidir quién debía someterse a más pruebas. El programa, CAD4TB, analiza radiografías de tórax, busca alteraciones que podrían indicar tuberculosis y asigna una puntuación. En aquel momento, una puntuación de 51 o más indicaba que debían recomendarse pruebas adicionales para detectar la bacteria causante de la tuberculosis.1

Al subir el umbral a 56, el modelo preveía que menos personas pasarían a las pruebas complementarias y que el coste total sería menor. Sin embargo, el porcentaje de pacientes con tuberculosis que el programa señalaba para continuar las pruebas también bajaba, del 91,5 % al 90,4 %. Ese ahorro, sin embargo, aumentaba el riesgo de retrasar algunos diagnósticos.

Después, el equipo cambió el punto de referencia. Comparó la IA con un umbral de 56 puntos con el procedimiento habitual, en el que el personal sanitario decidía quién necesitaba más pruebas a partir de los síntomas y las radiografías. Según el modelo, el coste total de las pruebas sería aproximadamente un 29 % menor con la IA. El cálculo también preveía menos perjuicios para los pacientes por tuberculosis no detectada o diagnosticada tarde.1

La primera comparación enfrentaba dos umbrales de la misma IA. La segunda enfrentaba el procedimiento habitual y un sistema de cribado asistido por IA. Por eso las conclusiones parecían contradictorias.

Otro estudio de Ghana mostró que una IA y un radiólogo podían interpretar de forma distinta una misma radiografía. En la región de Bono East, Kenneth Nii Amartey y su equipo compararon la interpretación que hacían una IA y un radiólogo de las radiografías de tórax de 250 personas con sospecha de tuberculosis. A estas personas les resultaba difícil proporcionar muestras de esputo. Cuatro radiografías recibieron puntuaciones inferiores a 51, pero el radiólogo observó en ellas indicios compatibles con una posible tuberculosis.2

Si se hubiera utilizado únicamente la puntuación de la IA para decidir quién necesitaba más pruebas, esas cuatro personas podrían haber quedado fuera. El radiólogo, en cambio, consideró sospechosas sus radiografías. El estudio no indica qué pruebas recibieron después, si se confirmó la enfermedad ni si iniciaron tratamiento.

Una nueva oferta de precios antes de publicarse el estudio

En julio de 2026, aproximadamente un mes antes de que se publicara el estudio de Ghana, Unitaid y la Iniciativa Clinton de Acceso a la Salud (CHAI) anunciaron nuevas condiciones de precio para programas de IA utilizados en el cribado radiográfico de la tuberculosis. Ambas organizaciones trabajan para mejorar el acceso a tecnologías sanitarias en países de ingresos bajos y medios. Una de las empresas participantes, Delft Imaging, suministra CAD4TB, el programa utilizado en la investigación de Ghana.3

El acuerdo permite que las entidades públicas y organizaciones sin ánimo de lucro que cumplan los requisitos adquieran licencias anuales del software a un precio hasta un 65 % inferior por equipo de rayos X conectado, sin límite de imágenes analizadas.

El cribado y el diagnóstico de la tuberculosis también requieren radiografías, pruebas para detectar la bacteria y personal sanitario. La nueva oferta afecta solo al precio de la licencia anual del software, una parte del coste total. Una licencia más barata puede permitir a los servicios de salud revisar cuántas personas podrían examinar con el mismo presupuesto.

El coste también depende de las instrucciones que recibe la IA. En Estados Unidos, Dvir Aran y su equipo estudiaron sistemas de IA generativa que leen historias clínicas y recomiendan pruebas. Aplicaron las mismas tarifas de pago del seguro público estadounidense Medicare a las pruebas anotadas por los médicos y a las propuestas por la IA. Las pruebas anotadas por los médicos habrían costado una media de unos 71 dólares por paciente; las recomendadas por los distintos sistemas de IA, entre 97 y 289 dólares, según la estimación.4

Cuando el equipo pidió a los sistemas de IA que tuvieran en cuenta el coste o recomendaran menos pruebas, el importe estimado disminuyó considerablemente. Las instrucciones que recibe la IA influyen en las pruebas que recomienda y en su coste estimado. El reto consiste en reducir los costes sin omitir pruebas necesarias.

El flujo parte de la radiografía móvil de tórax y el cribado con IA, continúa con la prueba confirmatoria de tuberculosis y, tras el diagnóstico, se divide entre el inicio del tratamiento y la falta de vinculación con este.
Diagrama que muestra por qué, en el programa de detección de tuberculosis de Tondo, Filipinas, la identificación de pacientes mediante radiografías móviles, cribado con IA y pruebas confirmatorias debe continuar hasta su incorporación al tratamiento.

¿Cuántas personas diagnosticadas iniciaron el tratamiento?

En Tondo, una zona densamente poblada de Manila, Médicos Sin Fronteras combinó unidades móviles de rayos X, análisis de imágenes con IA, pruebas de confirmación bacteriológica y personal sanitario local. Según sus datos, desde 2022 el programa examinó a más de 51.000 personas y detectó 2.493 nuevos casos de tuberculosis.5

El 62 % de las personas diagnosticadas comenzó el tratamiento. La escasez de medicamentos y material de diagnóstico dificultó que los pacientes recibieran atención. La IA y los equipos móviles pueden ayudar a detectar más casos, pero identificar a los pacientes no garantiza que puedan iniciar tratamiento: también se necesitan medicamentos, suministros y profesionales sanitarios.

En Kenia, Ambrose Agweyu y su equipo probaron otro tipo de IA, diseñado para ayudar al personal clínico a elaborar notas médicas y preparar planes de tratamiento. Asignaron al azar a los profesionales a un grupo con apoyo de IA o a otro de atención habitual y compararon los resultados de la atención a 9.691 pacientes.6

Durante los 14 días posteriores a la consulta, los investigadores registraron diversos problemas asistenciales, como nuevas visitas por síntomas persistentes o la necesidad imprevista de atención especializada o de urgencias. Se produjeron en el 2,2 % de los pacientes atendidos con apoyo de IA y en el 2,0 % del grupo de comparación. El análisis ajustado no encontró diferencias estadísticamente significativas. No obstante, en el grupo que utilizó IA se valoraron mejor algunos aspectos de las notas clínicas y los planes de tratamiento.

¿Quién podrá elegir la próxima IA?

La Organización Mundial de la Salud (OMS) recomienda adaptar los umbrales de los sistemas de cribado de tuberculosis basados en IA a la situación epidemiológica y los recursos sanitarios de cada lugar. Los Centros Africanos para el Control y la Prevención de Enfermedades (Africa CDC), organismo de salud pública de la Unión Africana, también impulsan principios comunes para que los países administren y compartan de forma segura sus datos sanitarios.7

Cuando aparezcan mejores sistemas, el personal sanitario y las autoridades locales deben poder comprobar su rendimiento y modificar los umbrales de cribado. También deben poder renegociar las licencias y cambiar de proveedor si surge una opción más adecuada. Esas capacidades permiten que los servicios de salud sigan aprovechando los avances tecnológicos.

En 2026, el Gobierno de Corea del Sur presentó su propuesta de Global AI Hub, concebida para abordar problemas de interés público junto con organizaciones internacionales. También firmó una carta de intención independiente para cooperar en materia de IA con el Banco Africano de Desarrollo, que financia proyectos en África. El Ministerio de Salud surcoreano y la OMS anunciaron la Declaración de Seúl sobre IA en la Atención Sanitaria.8

¿Cuántas personas pudieron acceder a pruebas que antes tenían fuera de su alcance? ¿Cuántos pacientes con tuberculosis fueron diagnosticados y comenzaron tratamiento? ¿Pueden los servicios de salud locales elegir y gestionar por sí mismos tecnologías mejores?

El valor de la IA médica no depende solo del precio de cada prueba. También importa cuántas personas pueden llegar al diagnóstico y al tratamiento con recursos limitados, y si los servicios de salud locales pueden mantener y ampliar esa capacidad.


Siga leyendo CAUSIFOLD

Siga los nuevos artículos y novedades de CAUSIFOLD en Substack.

Suscribirse en Substack ↗

Fuentes y notas

1. Comparación de costes y resultados de las pruebas de tuberculosis en Ghana

Yaw Adusi-Poku, Jacob Solomon Idan y colaboradores, «Cost-effectiveness analysis of computer aided detection for tuberculosis in Ghana: A decision-analytic modeling study», PLOS ONE 21(8), e0356244 (2026). Estudio original.

El equipo examinó datos de 701 personas con sospecha de tuberculosis recogidos entre julio de 2022 y junio de 2023 en 23 centros sanitarios de Ghana. Las pruebas de la bacteria dieron positivo en 342 personas y negativo en 359. La proporción de resultados positivos en esta muestra no equivale a la prevalencia de la tuberculosis en la población general del país. Con un umbral CAD4TB de 56 puntos, el modelo estimó un coste de 23.449,01 dólares, frente a 33.239,09 dólares para el procedimiento habitual. También calculó una reducción de la pérdida de salud equivalente a 10,08 años de vida ajustados por calidad (AVAC), una medida que combina los años vividos y el estado de salud durante esos años. Al comparar directamente el umbral de 56 con el de 51, el modelo estimó un ahorro de 1.185,30 dólares, una disminución del porcentaje de enfermos de tuberculosis identificados del 91,5 % al 90,4 % y una pérdida de 1,08 AVAC. Ambos cálculos combinan datos reales de las pruebas con supuestos sobre los costes y sus posibles efectos.

2. Otro estudio realizado en Bono East, Ghana

Kenneth Nii Amartey, Paulina Clara Appiah y colaboradores, «The use of computer-aided detection for tuberculosis (TB) diagnosis in the Bono East, Ghana», Journal of Global Health Science 8(S1), e3 (2026). Estudio original.

De las 250 personas, la IA y el radiólogo coincidieron en considerar sospechosas de tuberculosis las radiografías de 17 y en no observar signos sospechosos en las de otras 223. Otras cuatro personas quedaron por debajo del umbral de la IA, pero el especialista consideró sus imágenes sospechosas; su puntuación media en la IA fue de 42,5 puntos. En seis casos ocurrió lo contrario. Los participantes habían buscado atención y tenían dificultades para proporcionar muestras de esputo. El artículo no ofrece los resultados posteriores de las pruebas, los diagnósticos definitivos ni los tratamientos de aquellas cuatro personas. Según la figura, el radiólogo consideró sospechosos 21 casos, de los cuales 17 también fueron señalados por la IA. Sin embargo, el texto afirma que 21 personas identificadas por ambos métodos iniciaron tratamiento. Esa diferencia requiere aclaración de los autores. Son pacientes distintos de los del estudio de 701 personas de la nota [1].

3. Nuevas condiciones de precio para el software de detección

Unitaid y Clinton Health Access Initiative, «Unitaid and CHAI cut cost of AI screening software» (17 de julio de 2026). El acuerdo abarca a compradores públicos y organizaciones sin ánimo de lucro que cumplan las condiciones en 138 países y a programas de Delft Imaging y DeepTek. Las tarifas anunciadas iban de 2.500 a 2.850 dólares por equipo de rayos X conectado y año, con lecturas ilimitadas, instalación, formación, actualizaciones y mantenimiento. La rebaja máxima anunciada del 65 % corresponde a la licencia anual del programa, no al coste total de diagnóstico calculado en la investigación de Ghana.

4. Coste estimado de las pruebas recomendadas por la IA en Estados Unidos

Dvir Aran y colaboradores, «Comparative Cost of Care Recommended by Clinicians vs. Large Language Models», NEJM AI (2026). DOI; cálculos publicados por los investigadores; análisis separado de las instrucciones dadas a 19 modelos.

El estudio utilizó 200 historias clínicas sin datos identificativos y 24 sistemas de IA. Aplicando las tarifas Medicare de 2026 a las pruebas que figuraban en los planes, las historias de los médicos reflejaban una media de 71,35 dólares y los modelos de IA recomendaban pruebas valoradas entre 97 y 289 dólares. En un análisis separado con 19 modelos, en comparación con las pruebas anotadas por los médicos, el coste estimado de las recomendaciones de IA equivalió a 3,23 veces el coste de referencia con instrucciones habituales, 2,48 veces con indicaciones de considerar el coste y 1,37 veces con instrucciones de limitar las pruebas. Las cifras corresponden al precio estimado de las pruebas incluidas en documentos y recomendaciones.

5. Detección y tratamiento de tuberculosis en Tondo, Filipinas

Médicos Sin Fronteras, «Philippines: From tuberculosis response to broader community health action in Tondo» (31 de julio de 2026). La organización informó de más de 51.000 personas examinadas desde 2022, 2.493 nuevos casos de tuberculosis y tratamiento iniciado para el 62 % de los diagnosticados. El programa combinó radiografías móviles, lectura mediante IA, pruebas para confirmar la presencia de la bacteria y personal sanitario local. Son cifras del programa en su conjunto.

6. Ensayo de apoyo clínico mediante IA en Kenia

Ambrose Agweyu, Paul Mwaniki y colaboradores, «Generative AI-enabled clinical decision support system in primary care: a pragmatic, cluster-randomized trial», Nature Medicine 32, 3032–3039 (2026). Estudio original.

En 16 centros, se asignó al azar a 103 profesionales clínicos a un grupo asistido por IA o al grupo de atención habitual. Se registraron 9.691 pacientes; el análisis principal incluyó 4.693 en el primer grupo y 4.654 en el segundo. En un plazo de 14 días se registraron problemas que incluían nuevas consultas por síntomas no resueltos, necesidad inesperada de atención especializada o de urgencias, retrasos u omisiones en la derivación y problemas de diagnóstico o prescripción. Se registraron en 102 pacientes (2,2 %) del grupo con IA y 94 (2,0 %) del grupo habitual. Tras el ajuste por las diferencias entre pacientes y profesionales, no se halló una diferencia estadísticamente significativa (OR ajustada: 0,77; intervalo de confianza del 95 %: 0,55–1,08; p = 0,13).

7. Reglas locales para pruebas y principios sobre datos sanitarios

OMS, «Use of computer-aided detection software for tuberculosis screening» (2025). La recomendación se refiere al cribado de personas de 15 años o más y a la elección de umbrales apropiados para los pacientes y recursos locales. Africa CDC, «AU Member States Validate African Continental Health Data Governance Framework» (22 de octubre de 2026). Los Estados miembros validaron la propuesta de marco común; su aprobación definitiva y aplicación nacional corresponden a etapas posteriores.

8. Anuncios de cooperación internacional de Corea del Sur en IA

Ministerio de Asuntos Exteriores de Corea del Sur, «Visión del Centro Global de IA» (21 de mayo de 2026); Banco Africano de Desarrollo, «Carta de intención para un centro de IA entre Corea y África» (septiembre de 2026); Ministerio de Salud y Bienestar de Corea del Sur y OMS, «Declaración de Seúl sobre IA en la Atención Sanitaria» (21 de octubre de 2026). Los documentos recogen una iniciativa, una intención de cooperación y principios de política pública. La ejecución de cada proyecto y sus posibles efectos en los pacientes requieren una evaluación independiente.

Opcional y privado. No incluya información personal. Política de privacidad

¿Qué le aportó este artículo?
Informar de un error de hechos, fuentes o traducción

Complete la verificación y pulse enviar. Cada pulsación envía una sola vez.

© 2026 CAUSIFOLD. Derechos reservados sobre el material original.Los derechos de investigaciones e imágenes de terceros pertenecen a sus titulares.Derechos de autor y condiciones