Un estudio realizado en dos sedes del hospital OLVG de Ámsterdam comparó el autotriaje con inteligencia artificial de Symptomate frente al Dutch National Triage Standard. Aunque se detectaron señales clínicas relevantes, la concordancia fue baja.
Un estudio prospectivo en emergencias de Ámsterdam
El estudio “Concordance between an artificial intelligence self-triage programme and physical triage” fue desarrollado para evaluar una pregunta central en la atención moderna de urgencias: hasta qué punto un programa digital de autotriaje con inteligencia artificial puede coincidir con la clasificación realizada en forma presencial mediante un sistema de triaje físico ya utilizado en la práctica clínica.
La investigación fue observacional, comparativa y prospectiva, y fue llevada adelante durante octubre y noviembre de 2023 en los departamentos de emergencias de dos sedes del hospital OLVG, en Ámsterdam. El análisis fue centrado en pacientes adultos que acudieron al departamento de emergencias sin transporte en ambulancia.
El estudio buscó comparar la clasificación presencial de urgencia con una herramienta digital de autotriaje en un escenario real de atención.
Como parte de la atención habitual, los pacientes habían sido clasificados mediante el Dutch National Triage Standard (NTS), o Estándar Nacional Holandés de Triaje. Luego, completaron un autotriaje digital mediante Symptomate, una herramienta basada en inteligencia artificial.
El interés del trabajo fue ubicado en un contexto de creciente presión asistencial sobre los servicios de emergencias. En estos entornos, cada decisión inicial puede condicionar tiempos de espera, uso de recursos, seguridad del paciente y oportunidad terapéutica.
En los servicios de emergencias, la clasificación inicial puede influir en la oportunidad de atención y en el uso de recursos disponibles.
Por ese motivo, las herramientas digitales de triaje han sido propuestas como posibles apoyos para ordenar la demanda, orientar a los pacientes y anticipar situaciones de mayor riesgo. Sin embargo, el estudio mostró que el desempeño de una herramienta de autotriaje no puede ser interpretado únicamente por su capacidad tecnológica.
De 264 pacientes abordados, 203 aceptaron participar y completaron el autotriaje digital, por lo que fueron incluidos en el análisis y seguimiento. Esta población permitió comparar, en condiciones reales de atención, las categorías asignadas por el NTS con las sugeridas por Symptomate.
Cómo fueron comparados el Dutch National Triage Standard y Symptomate
El objetivo principal del estudio fue comparar las categorías de urgencia asignadas por el Dutch National Triage Standard (NTS) con las categorías sugeridas por el programa de autotriaje con inteligencia artificial, Symptomate. Para ello, los investigadores analizaron si ambos métodos ubicaban a los pacientes en niveles similares de prioridad asistencial.
El NTS clasifica a los pacientes de U0 a U5, según la necesidad y el tiempo recomendado de atención. Esta escala es utilizada para ordenar la urgencia clínica y definir la rapidez con la que un paciente debería ser evaluado.
Symptomate, en cambio, utiliza cinco categorías comparables. La categoría S1 indica atención de emergencia con ambulancia; S2, atención de emergencia en el departamento de emergencias sin ambulancia; S3, consulta con médico general o especialista dentro de las 24 horas; S4, consulta con médico general; y S5, autocuidado.
La comparación no fue realizada entre dos sistemas idénticos, sino entre una escala presencial y una herramienta digital diseñada para una etapa previa del proceso asistencial.
El desenlace primario fue la concordancia entre ambos métodos. Para medirla, fue utilizado el kappa de Cohen, junto con el porcentaje de acuerdo y la distribución por categorías. El kappa de Cohen es una medida estadística que permite estimar cuánto coinciden dos evaluadores o sistemas más allá de lo esperable por azar.
Además, fueron considerados desenlaces secundarios: sobretriaje, subtriaje, asociación con secuelas clínicas a 30 días, concordancia diagnóstica y satisfacción del paciente. Esta mirada ampliada permitió analizar no solo si ambos sistemas coincidían, sino también si las diferencias podían relacionarse con eventos clínicos posteriores.
El análisis incluyó no solo la concordancia estadística, sino también desenlaces clínicos, diagnóstico final y experiencia del paciente.
Una concordancia baja entre el triaje físico y la inteligencia artificial
El hallazgo principal fue que la concordancia entre el triaje físico realizado mediante el Dutch National Triage Standard (NTS) y el autotriaje con inteligencia artificial fue baja. El acuerdo estadístico fue calificado como de ninguno a leve.
El kappa no ponderado fue de 0,018, mientras que el índice kappa ponderado cuadrático fue de 0,092, con intervalo de confianza del 95% de −0,196 a 0,380. Estos valores indican que, cuando se evaluó el acuerdo entre ambos métodos, la coincidencia fue muy limitada.
El acuerdo estadístico entre el triaje físico y el autotriaje con inteligencia artificial fue de ninguno a leve.
El acuerdo exacto entre categorías se observó en 21,7% de los pacientes. Esto significa que, en aproximadamente uno de cada cinco casos, el NTS y Symptomate asignaron una categoría equivalente. Cuando se aceptó una diferencia de ±1 categoría, el acuerdo aumentó a 68,9%.
El acuerdo exacto entre el triaje físico y el autotriaje digital fue observado en apenas 21,7% de los pacientes.
La categoría más frecuente en el NTS fue U3. En contraste, el programa de inteligencia artificial distribuyó a los pacientes de manera más uniforme entre sus categorías y asignó más casos a urgencias altas.
Esta diferencia sugiere que Symptomate tendió a reconocer mayor prioridad en una proporción más amplia de pacientes, aunque no siempre en coincidencia con el sistema físico de referencia. La baja concordancia no necesariamente implica que una herramienta sea correcta y la otra incorrecta.
Los autores remarcaron que no existe un verdadero estándar de oro para definir con absoluta certeza cuál clasificación es la adecuada en todos los casos. En emergencias, la urgencia inicial puede depender de síntomas, signos, contexto clínico, evolución posterior y disponibilidad de datos.
La ausencia de un estándar de oro limita la interpretación de cualquier comparación directa entre sistemas de triaje.
Por ese motivo, el estudio fue interpretado como una señal de cautela. La herramienta digital mostró potencial, pero las diferencias observadas frente al triaje físico fueron demasiado amplias como para justificar su implementación como reemplazo directo del proceso presencial.
Sobretriaje, subtriaje y seguridad clínica
Uno de los aspectos más relevantes del trabajo fue la evaluación del sobretriaje y el subtriaje. En términos generales, el sobretriaje ocurre cuando un paciente es clasificado con una urgencia mayor que la que luego parece corresponderle; el subtriaje, en cambio, ocurre cuando la urgencia es estimada por debajo de lo necesario.
En comparación con el Dutch National Triage Standard, el programa de inteligencia artificial produjo sobretriaje en 12,8% de los casos y subtriaje en 5,4%. Ambos fenómenos tienen implicancias distintas.
El sobretriaje puede aumentar la presión sobre los recursos disponibles, mientras que el subtriaje puede retrasar la atención necesaria.
El sobretriaje puede aumentar la presión sobre los recursos de emergencia, mientras que el subtriaje puede retrasar la atención de pacientes que requieren evaluación más rápida. En un servicio de urgencias, esa diferencia puede ser determinante para la seguridad del paciente.
El subtriaje es especialmente sensible en emergencias, porque puede retrasar la atención de pacientes que requieren evaluación más rápida.
Entre los 11 pacientes subtriados, 3 fueron hospitalizados, 4 tuvieron consulta de seguimiento y 4 no presentaron seguimiento posterior. Además, un paciente hospitalizado y uno con seguimiento requirieron cirugía dentro de los 30 días.
Estos datos muestran que el subtriaje no fue un fenómeno puramente estadístico. Algunos pacientes clasificados con menor urgencia por la herramienta digital tuvieron eventos clínicos relevantes, incluida hospitalización y cirugía posterior.
Al mismo tiempo, el estudio también detectó que la inteligencia artificial asignó mayor urgencia a ciertos casos que terminaron teniendo desenlaces graves. Por eso, la interpretación del desempeño no fue lineal.
La herramienta mostró discrepancias con el sistema presencial, pero también detectó mayor urgencia en algunos casos con desenlaces graves.
Este equilibrio entre sensibilidad y especificidad es uno de los grandes desafíos del triaje digital. Una herramienta demasiado conservadora puede generar sobretriaje y saturar los servicios; una herramienta demasiado permisiva puede generar subtriaje y comprometer la seguridad.
Evolución clínica a 30 días
El seguimiento clínico a 30 días permitió analizar qué ocurrió con los pacientes después de la clasificación inicial. En ese período, 2 pacientes murieron, lo que representó el 1,0% de la población analizada.
Además, 30 pacientes revisitaron el departamento de emergencias, equivalente al 14,8%; 14 fueron operados, lo que representó el 6,9%; 45 fueron hospitalizados, equivalente al 22,2%; y 74 tuvieron consulta de seguimiento, lo que correspondió al 36,5%.
A los 30 días, fueron registradas muertes, revisitas al departamento de emergencias, cirugías, hospitalizaciones y consultas de seguimiento.
Estos resultados fueron utilizados para evaluar si las categorías de urgencia asignadas por la herramienta digital se relacionaban con desenlaces clínicos posteriores. En particular, fue observado un hallazgo relevante: los dos pacientes fallecidos habían sido clasificados como U2 por el NTS y como S1 por la inteligencia artificial.
Los dos pacientes fallecidos habían sido clasificados como U2 por el NTS y como S1 por la herramienta de inteligencia artificial.
La categoría S1 de Symptomate corresponde a atención de emergencia con ambulancia. Por lo tanto, en esos dos casos, la herramienta digital asignó una urgencia mayor que el triaje físico.
Este dato fue interpretado como una señal de que el programa pudo detectar mayor gravedad en algunos pacientes con desenlaces clínicos severos. No obstante, este hallazgo debe ser leído con prudencia, ya que se trató de 2 pacientes.
Aun así, el dato resulta clínicamente llamativo porque muestra que la baja concordancia general puede ocultar comportamientos útiles en subgrupos específicos. También fue observado que los pacientes derivados por médico general presentaron más secuelas clínicas que los autorreferidos.
Las diferencias fueron significativas en hospitalización, revisita al departamento de emergencias y ausencia de seguimiento. Esto sugiere que el origen de la derivación puede aportar información importante sobre el riesgo clínico.
El origen de la derivación podría aportar información clínica relevante para interpretar el nivel de riesgo inicial.
Capacidad diagnóstica de la herramienta digital
Además de clasificar la urgencia, Symptomate fue evaluado por su capacidad para anticipar el diagnóstico final al alta del departamento de emergencias. Este análisis permitió explorar si el programa podía orientar no solo el nivel de prioridad, sino también la posible causa del cuadro clínico.
La inteligencia artificial predijo el diagnóstico final al alta del departamento de emergencias dentro de las tres principales posibilidades en 27,1% de los casos. Además, ofreció una alternativa razonable en 32,0%.
La herramienta predijo el diagnóstico final dentro de sus tres principales posibilidades en 27,1% de los casos.
Estos resultados muestran una capacidad diagnóstica parcial. En menos de un tercio de los casos, el diagnóstico final estuvo incluido entre las tres primeras posibilidades propuestas. Sin embargo, si se suman las alternativas consideradas razonables, la herramienta mostró cierto valor orientador.
En el contexto del autotriaje, la predicción diagnóstica no necesariamente debe reemplazar al juicio clínico. Su utilidad puede estar en ordenar síntomas, identificar señales de alarma y sugerir vías de atención.
La predicción diagnóstica puede ser útil como orientación, pero no reemplaza la evaluación clínica presencial.
Aun así, el diagnóstico en emergencias suele ser complejo. Muchos pacientes consultan con síntomas inespecíficos, cuadros en evolución, comorbilidades, tratamientos previos o información incompleta.
Además, en el momento inicial no siempre están disponibles los resultados de laboratorio, imágenes o exploraciones clínicas completas. Por ese motivo, los autores señalaron que las herramientas de autotriaje deben ser validadas con datos clínicos más ricos.
Satisfacción del paciente y experiencia de uso
La experiencia del usuario fue otro componente evaluado. De los 203 pacientes incluidos, 162 calificaron el programa. Entre ellos, 19,7% estuvieron muy satisfechos, 46,8% satisfechos, 10,8% neutrales, 2,5% insatisfechos y ninguno se declaró muy insatisfecho.
Estos resultados sugieren que la herramienta fue aceptada por una proporción importante de pacientes. La claridad obtuvo 8,1 puntos sobre 10, lo que indica que el uso del programa fue percibido como comprensible.
Además, el Net Promoter Score (NPS), o indicador de recomendación neta, fue de 29,0. Este indicador es utilizado para medir la disposición de los usuarios a recomendar un servicio o producto.
La satisfacción del paciente fue favorable, aunque la aceptación de uso no equivale a validación clínica suficiente.
La satisfacción del paciente es un dato relevante porque la adopción de herramientas digitales depende, en parte, de que sean comprensibles, accesibles y aceptadas. Si un programa de autotriaje es difícil de usar o genera desconfianza, su implementación puede fracasar incluso si sus algoritmos son técnicamente sólidos.
Sin embargo, los autores diferenciaron claramente experiencia de uso y capacidad clínica. Una herramienta puede ser valorada positivamente por los pacientes y, aun así, no estar lista para reemplazar el triaje presencial.
La experiencia positiva del usuario debe ser interpretada junto con la seguridad clínica y la validación externa.
En emergencias, la seguridad y la validación clínica deben tener prioridad sobre la comodidad o la aceptación tecnológica. Por eso, los resultados de satisfacción fueron considerados alentadores, pero insuficientes para justificar una implementación sustitutiva.
Limitaciones metodológicas y ausencia de estándar de oro
El estudio identificó varias limitaciones que restringen la aplicación inmediata de sus resultados. Una de las principales fue la falta de un verdadero estándar de oro. El Dutch National Triage Standard fue utilizado como referencia comparativa, pero no representa una medida perfecta de la urgencia real de cada paciente.
El triaje físico también puede presentar variabilidad. Puede estar influido por la experiencia del profesional, la presión asistencial, la disponibilidad de datos y la evolución del cuadro clínico. Por lo tanto, una baja concordancia con el NTS no permite afirmar automáticamente que la herramienta de inteligencia artificial sea incorrecta en todos los desacuerdos.
La ausencia de un estándar de oro impide interpretar cada discrepancia como error de uno u otro sistema.
Otra limitación fue la diferencia conceptual entre ambos sistemas. El NTS es aplicado dentro del departamento de emergencias, mientras que Symptomate fue diseñado para etapas previas del proceso asistencial.
La herramienta fue diseñada para una etapa previa del proceso asistencial, no necesariamente para reemplazar la clasificación presencial dentro del departamento de emergencias.
También fueron señaladas las exclusiones de pacientes de mayor riesgo. El estudio incluyó adultos que acudieron al departamento de emergencias sin transporte en ambulancia. Por lo tanto, ciertos grupos más graves o más complejos pudieron haber quedado fuera del análisis.
Además, el tamaño de la muestra fue relativamente acotado. Aunque 203 pacientes permitieron una evaluación prospectiva, se requieren estudios multicéntricos más amplios para determinar si los resultados se mantienen en otros hospitales, sistemas de salud, poblaciones y contextos clínicos.
Los autores también remarcaron la necesidad de incorporar datos clínicos más ricos. Las herramientas de autotriaje basadas en síntomas pueden beneficiarse de información adicional, como antecedentes médicos, medicación, signos vitales, resultados previos, motivos de derivación y evolución temporal de los síntomas.
Por qué la inteligencia artificial aún debe ser considerada un apoyo
La conclusión central fue prudente. El autotriaje con inteligencia artificial mostró potencial para apoyar el triaje en emergencias, especialmente porque la asignación de mayor urgencia pareció relacionarse con algunas secuelas clínicas.
Sin embargo, la baja concordancia con el Dutch National Triage Standard impide considerarlo un reemplazo del triaje físico. Los autores señalaron que estos programas aún no están listos para reemplazar el triaje físico.
La inteligencia artificial puede ser útil como complemento, pero todavía no debe ser considerada sustituto del criterio profesional presencial.
Esta afirmación no implica descartar su utilidad, sino ubicarla en un marco de validación progresiva, supervisión profesional y evaluación de seguridad. En la práctica, herramientas como Symptomate podrían ser exploradas como sistemas de apoyo.
Estas herramientas podrían ayudar a orientar pacientes antes de la consulta, detectar señales de alarma, ordenar flujos de atención o complementar la evaluación inicial. Pero su implementación en departamentos de emergencias debe ser cuidadosamente evaluada.
El triaje digital debe demostrar seguridad, equidad, utilidad clínica e integración con los procesos reales de atención.
El triaje es una instancia crítica porque define prioridades en un entorno donde los recursos son limitados y el tiempo puede modificar el pronóstico. Por eso, cualquier tecnología que intervenga en esa etapa debe demostrar no solo concordancia estadística, sino también seguridad clínica.
La investigación realizada en el OLVG de Ámsterdam aporta evidencia relevante porque fue prospectiva y fue desarrollada en un contexto real de atención. Sus resultados muestran que la inteligencia artificial puede detectar señales valiosas, pero también que sus recomendaciones pueden diferir sustancialmente de los sistemas presenciales establecidos.
Un paso necesario hacia validaciones más amplias
El estudio deja planteada una agenda clara para futuras investigaciones. Será necesario realizar validaciones multicéntricas, incluir poblaciones más diversas, incorporar pacientes de mayor riesgo y utilizar datos clínicos más completos.
También deberá evaluarse cómo se comportan estas herramientas cuando sus recomendaciones son integradas al flujo real de trabajo. Además, deberá analizarse el impacto sobre desenlaces concretos: tiempos de espera, revisitas, hospitalizaciones, cirugías, mortalidad, satisfacción, costos y seguridad del paciente.
La concordancia con un sistema de triaje es importante, pero no suficiente. Lo esencial será demostrar si la herramienta mejora la atención sin aumentar riesgos. También será necesario estudiar el equilibrio entre sobretriaje y subtriaje.
La implementación de inteligencia artificial en emergencias requiere validación externa, transparencia, control clínico y monitoreo continuo.
En emergencias, ambos errores tienen consecuencias. El sobretriaje puede congestionar aún más servicios ya saturados; el subtriaje puede retrasar la atención de pacientes con condiciones graves.
La implementación de inteligencia artificial en salud no depende únicamente de la precisión algorítmica. Requiere validación externa, transparencia, control clínico, monitoreo continuo y adaptación al entorno sanitario.
El desarrollo de herramientas digitales debe continuar, pero con expectativas realistas y supervisión clínica.
En especial, el autotriaje debe ser evaluado con cuidado porque puede influir en la decisión de consultar, esperar o buscar atención urgente. En ese sentido, los hallazgos del estudio no cierran la puerta al uso de inteligencia artificial en emergencias.
Por el contrario, muestran que su desarrollo debe continuar, pero con expectativas realistas. La tecnología puede ser útil como complemento, aunque todavía no debe ser considerada sustituto del criterio profesional presencial.
Conclusión
El autotriaje con inteligencia artificial mostró aceptación por parte de los pacientes y capacidad para detectar mayor urgencia en algunos casos graves. Sin embargo, la baja concordancia con el Dutch National Triage Standard, el riesgo de sobretriaje y subtriaje, y las limitaciones metodológicas indican que aún no debe reemplazar al triaje físico en emergencias.
Referencias
Autor
El equipo de redactores de Sapue realizo esta historia, utilizando herramientas editoriales, de traducción e inteligencia artificial. El proceso de redacción contó con incidencia humana en cada etapa.
