Inteligencia artificial en la consulta médica: Impacto en el tiempo de consulta y la experiencia del usuario
Cargando...
Fecha
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Introducción: La creciente sobrecarga en la documentación clínica se ha convertido en un reto significativo para la práctica médica moderna, ya que consume tiempo valioso de la consulta, reduce la interacción directa entre médico y paciente, y puede impactar negativamente en la calidad de la atención. En este contexto, han emergido tecnologías como los asistentes médicos cognitivos basados en inteligencia artificial (IA), que buscan automatizar el registro clínico en tiempo real, prometiendo mejorar la eficiencia y la experiencia del usuario.
Objetivo: Evaluar el impacto de la implementación de asistentes médicos con IA en la duración de la consulta y la satisfacción del paciente en entornos de medicina ambulatoria.
Métodos: Estudio pseudoexperimental antes-después, sin grupo control. Se evaluó la atención en tres fases: atención habitual (junio-julio), entrenamiento (agosto), e implementación de IA (septiembre-octubre), utilizando los asistentes Abridge y Lucas. Se midieron la duración de la consulta (segundos), y la satisfacción mediante el Net Promoter Score (NPS) y el Provider Index (PI).
Resultados: No se encontraron diferencias significativas en la duración de la consulta para ninguno de los asistentes (Abridge p=0.102; Lucas p=0.450). En satisfacción, solo Abridge mostró cambios: el NPS disminuyó -12 puntos (p=0.0002) y el PI -2.8 puntos (p=0.038). Estos cambios, aunque estadísticamente significativos, son clínicamente pequeños. Además, Abridge atendió mayor proporción de servicios saturados y consultas prioritarias, lo que puede explicar la menor satisfacción reportada.
Conclusiones: A pesar del potencial prometido por la literatura internacional, en este estudio no hubo cambios en el tiempo de consulta tras implementar la IA. La reducción en la satisfacción con Abridge es leve y posiblemente atribuible al tipo de consultas atendidas y factores contextuales. Se requiere mayor capacitación, adaptación contextual y estudios controlados para evaluar su impacto real.
Descripción
Abstract
Introduction: The increasing burden of clinical documentation has become a significant challenge in modern medical practice, as it consumes valuable consultation time, reduces direct physician-patient interaction, and may negatively impact the quality of care. In this context, emerging technologies such as cognitive medical assistants based on artificial intelligence (AI) have been proposed to automate real-time clinical documentation, aiming to enhance both efficiency and user experience.
Objective: To assess the impact of implementing AI-powered medical assistants on consultation duration and patient satisfaction in outpatient care settings.
Methods: A pre-post quasi-experimental study design without a control group was conducted. The intervention was structured in three phases: routine care (June–July), training (August), and AI implementation (September–October), using two cognitive assistants: Abridge and Lucas. Outcomes measured included consultation duration (in seconds), patient satisfaction via the Net Promoter Score (NPS), and the Provider Index (PI).
Results: No significant differences in consultation duration were found for either assistant (Abridge p=0.102; Lucas p=0.450). Regarding satisfaction, only Abridge showed changes: NPS decreased by 12 points (p=0.0002) and PI by 2.8 points (p=0.038). Although statistically significant, these changes are clinically minor. Moreover, Abridge was used in a greater proportion of high-demand services and priority consultations, which may explain the lower satisfaction scores observed.
Conclusions: Despite promising evidence in international literature, this study found no change in consultation time following AI implementation. The slight reduction in satisfaction with Abridge may be attributable to the type of consultations and contextual factors. Further training, local adaptation, and controlled studies are necessary to evaluate its real-world impact.
Palabras clave
Inteligencia artificial, Consulta médica, Tiempo de espera, Satisfacción del usuario