Qué ocurrió
Una revisión de alcance, publicada el 12 de octubre y sometida a revisión por pares, examinó dónde y cómo se han evaluado los grandes modelos de lenguaje clínicos fuera del inglés. Los investigadores buscaron en PubMed, Scopus y Embase trabajos publicados desde enero de 2022 hasta febrero de 2026 e incluyeron 806 estudios que abarcaban 62 lenguas distintas del inglés. Encontraron que las evaluaciones se distribuyen de manera desigual entre lenguas y regiones, lo que deja importantes lagunas en la evidencia disponible para tomar decisiones sobre su uso.
Por qué importa
Antes de esta revisión, una afirmación general de que un modelo funcionaba en varios idiomas podía ocultar lo limitado de las pruebas realizadas. El conjunto de estudios examinados ofrece a quienes adquieren estas herramientas y a los profesionales clínicos una pregunta más útil: ¿se ha evaluado este modelo para la lengua y la tarea clínica en las que realmente se utilizaría? La cobertura desigual y la falta de información en los estudios dificultan responderla, sobre todo donde escasean las evaluaciones publicadas. Estas deficiencias justifican pruebas más pertinentes, no la conclusión de que un modelo concreto sea seguro o inseguro.
Evidencia
Solo 17 de los 806 estudios, o el 2.1%, procedían de las regiones de África y Asia Sudoriental de la OMS, que en conjunto albergan aproximadamente 3.15 mil millones de personas. Ese contraste muestra lo pequeña que fue la proporción de evaluaciones publicadas procedentes de esas regiones; el número de estudios no mide directamente si una herramienta en uso es segura. Solo 202 estudios, o el 25.1%, compararon el desempeño en inglés con el desempeño en otras lenguas. Como los modelos, las instrucciones y los conjuntos de datos diferían, esas comparaciones no pueden combinarse para obtener una única medida fiable de la diferencia de desempeño asociada a la lengua.
Los autores también examinaron con qué claridad describían los estudios los detalles lingüísticos necesarios para interpretar sus resultados. En una muestra de 100 estudios con texto completo, el 55% no informó sobre ninguno de cuatro aspectos de este tipo, entre ellos cuestiones como la traducción y la adaptación cultural. Proponen LINGUA como posible marco para la presentación de resultados, pero señalan que necesita validación prospectiva. La búsqueda concluyó en febrero de 2026, y la revisión describe las evaluaciones publicadas, en lugar de medir los resultados en pacientes tras la puesta en uso de un modelo concreto. (nature.com)
Qué sigue sin conocerse
La revisión no permite establecer si un modelo concreto es seguro para una determinada lengua, enfermedad o entorno asistencial. Tampoco puede demostrar que una mejor presentación de resultados mejore el desempeño clínico o la seguridad; el marco propuesto aún debe ponerse a prueba. Estos límites importan porque identificar una laguna en la evaluación no equivale a demostrar que todas las herramientas afectadas por ella fallen.
Quiénes podrían verse afectados
Los pacientes y profesionales clínicos que usan IA médica en lenguas distintas del inglés, así como los sistemas de salud, desarrolladores y evaluadores que deciden qué evidencia respalda su uso.
Conexión con AXIONOVA
La revisión ofrece a los sistemas de salud una forma concreta de examinar las afirmaciones sobre la IA médica: el desempeño en inglés, o en exámenes traducidos, no sustituye las pruebas en la lengua y el flujo de trabajo clínico en los que se utilizará una herramienta. El siguiente paso es poner a prueba de forma prospectiva el marco de presentación de resultados LINGUA propuesto por los autores para evaluar si ayuda a interpretar mejor las evaluaciones.
Qué puede explicar ALETHA
ALETHA puede explicar en qué se diferencia una revisión de alcance de un estudio que combina resultados de precisión, por qué el desempeño en inglés no puede generalizarse automáticamente a otra lengua y por qué la falta de validación representa una laguna en la evidencia, no una prueba de que una herramienta falle.
Orientación para la acción
Informativo: El estudio aporta información para los estándares de evaluación, pero no constituye una indicación médica individual ni una instrucción oficial de seguridad.