Por Arkmeds
La inteligencia artificial puede ayudar a la ingeniería clínica a organizar información e identificar aspectos que requieren atención. Para que este apoyo resulte útil, el equipo de trabajo debe saber de dónde proceden los datos, qué tarea realiza la herramienta y quién revisa el resultado. Comience por un problema concreto, como facilitar la consulta del historial o ayudar a completar los registros. Defina cómo se evaluará el resultado.
En la presentación de Mark II, Arkmeds describe aplicaciones de IA que apoyan el análisis de datos, sugieren contenido para completar campos y generan alertas de inconsistencias. Estas funciones corresponden al tratamiento de la información dentro del software. Las mediciones las realizan los instrumentos utilizados en la intervención. Conozca la propuesta de integración de Mark II, en portugués.
Comience por una tarea que se pueda revisar
Describa la tarea en términos sencillos. ¿Qué información entra en el sistema? ¿Qué debe producir? ¿Quién recibe la respuesta? ¿Qué evidencia permitirá determinar si fue útil?
Una tarea bien delimitada facilita la evaluación. Por ejemplo, el equipo de trabajo puede necesitar que un texto sugerido conserve la información de una orden de trabajo y ayude a señalar los datos que faltan para su revisión. En ese caso, el criterio de éxito incluye la fidelidad a los hechos y la claridad sobre lo que aún falta.
El texto sugerido debe revisarlo alguien que conozca la intervención y pueda comprobar la información en su fuente. Una respuesta bien redactada puede contener una interpretación inadecuada o un dato que no figura en el registro.
La calidad comienza en la ficha del activo y la orden de trabajo
Los datos incompletos o ambiguos dificultan cualquier análisis posterior. Para preparar la base de datos, comience por problemas que el propio equipo de trabajo pueda reconocer: activos duplicados, descripciones genéricas, fechas inconsistentes, campos sin unidades y órdenes de trabajo cerradas sin explicar lo que se hizo.
Como revisión inicial, compruebe si los registros permiten responder:
- ¿Qué equipo recibió la intervención?
- ¿Cuál fue el motivo del trabajo?
- ¿Qué se observó y qué se hizo?
- ¿Qué resultados y limitaciones se registraron?
- ¿Qué quedó pendiente y quién hace el seguimiento?
Estas preguntas sirven para evaluar la información disponible, sin convertir cada orden de trabajo en un texto extenso. Una descripción objetiva y verificable puede resultar más útil que varios párrafos sin contexto. La extensión del texto, por sí sola, no mide su calidad.
Distinga entre medición, automatización y sugerencia
Al evaluar una solución, conviene distinguir tres orígenes de la información: valores obtenidos por instrumentos, campos completados mediante una integración y contenido sugerido por IA. Cada origen requiere un tipo de comprobación.
En el caso de un valor medido, se debe conservar su relación con el instrumento, el activo y el procedimiento. Cuando un campo se completa automáticamente, hay que confirmar que el dato se incorporó al campo y a la orden de trabajo correctos. En una sugerencia de IA, se debe verificar que el contenido corresponda a las evidencias disponibles y que la interpretación sea adecuada.
Identificar el origen de una información incorrecta ayuda a investigar la discrepancia y corregir el proceso que la produjo.
Por qué también hay que comprobar una referencia convincente
Un estudio publicado en 2023 evaluó un problema concreto de la generación de texto: las referencias bibliográficas inventadas. Durante la primera semana de abril de ese año, los investigadores solicitaron revisiones bibliográficas sobre 42 temas a GPT-3.5 y GPT-4 y verificaron 636 referencias incluidas en 84 textos. En esa muestra, el 55 % de las referencias de GPT-3.5 y el 18 % de las de GPT-4 no correspondían a trabajos reales. La comprobación buscó distinguir las obras inexistentes de los errores en los datos de publicaciones auténticas. Lea el estudio de Walters y Wilder en Scientific Reports.
Estos porcentajes corresponden a la tarea, las versiones y el período estudiados. No miden los errores de IA en mantenimiento hospitalario, no describen las funciones de Arkmeds y no pueden extrapolarse a los modelos actuales. La enseñanza relevante para la documentación técnica es más concreta: la apariencia de una referencia no confirma su existencia ni su pertinencia. Cuando una sugerencia mencione una norma, un manual, un procedimiento o una tolerancia, compruebe la fuente original y su aplicabilidad antes de incorporar la información al registro.
El perfil de riesgos de IA generativa publicado por el NIST en 2024 aborda expresamente la generación de contenido falso presentado con seguridad. Recomienda verificar fuentes y citas, documentar la procedencia de los datos y evaluar las capacidades mediante métodos empíricos, evitando extrapolaciones a partir de ejemplos limitados. Es una guía voluntaria y multisectorial de gestión de riesgos, no una certificación de sistemas de ingeniería clínica. Consulte el NIST AI 600-1.
Para aplicar estos principios a las órdenes de trabajo, pruebe la herramienta con casos cuya información original esté disponible y mantenga la distinción entre transcripción e interpretación. Revise si se omiten asuntos pendientes, se añaden hechos sin evidencia, se cambian unidades o se asocia información al activo equivocado. Registre qué sugerencias se aceptaron, corrigieron o rechazaron, junto con el tiempo de revisión. Estas comprobaciones permiten evaluar si la herramienta resulta útil en el flujo de trabajo real, en lugar de considerar la fluidez o la velocidad de generación como sinónimos de calidad.
Defina quién revisa y cómo se gestionan las discrepancias
Asigne una persona responsable de evaluar las sugerencias y establezca un proceso para tratar las inconsistencias. La revisión debe permitir rechazar una respuesta, pedir más contexto o devolver el registro para que se complete.
Comience con unos pocos registros de intervenciones y compare la salida de la herramienta con la información original. Registre los problemas encontrados, como la omisión de un asunto pendiente, el cambio de sentido de una observación o la inclusión de un hecho no documentado.
Evalúe también si la revisión encaja en la rutina del equipo de trabajo. Una sugerencia que requiere muchas correcciones puede indicar la necesidad de ajustar el caso de uso, los datos de entrada o la forma de presentación. Mantenga la responsabilidad técnica y las decisiones sobre los equipos dentro del proceso institucional aplicable.
Mida la utilidad con criterios definidos
Elija indicadores coherentes con la tarea. Para el apoyo a la documentación, se pueden controlar los registros devueltos para completar información, las sugerencias corregidas o rechazadas y el tiempo dedicado a la revisión. Defina qué significa cada indicador antes de comparar períodos.
Los cambios en el volumen o la complejidad de las intervenciones pueden afectar a los resultados. Describa el contexto y los límites de cualquier mejora observada, sin convertir una experiencia local en una promesa para todas las operaciones.
Video sobre datos e inteligencia artificial
El video del canal Arkmeds sobre el papel de la ingeniería clínica en la era de los datos y la inteligencia artificial, publicado el 5 de febrero de 2026, aborda los datos, la gestión y el apoyo a la toma de decisiones. El contenido ayuda a contextualizar las preguntas que el equipo de trabajo quiere responder con sus datos. El video está en portugués de Brasil.
Preguntas frecuentes
¿La IA realiza los ensayos de los equipos?
Las mediciones las realizan los instrumentos. Las funciones de IA tratadas aquí apoyan el procesamiento de la información y deben evaluarse según su función dentro del software.
¿Más texto en la orden de trabajo significa mayor calidad?
No necesariamente. El registro debe ser fiel, claro y suficiente para comprender la intervención. La información inventada o repetida no mejora la documentación.
¿Se puede utilizar una sugerencia sin revisión?
Defina una revisión acorde con la tarea y sus riesgos. El contenido que forme parte de la documentación técnica debe comprobarse antes de incorporarse a la conclusión de la intervención.
Evalúe un caso de uso en su operación
Converse con Arkmeds a través de su página de contacto en portugués sobre las funciones disponibles y su integración en la rutina de trabajo. Presente el problema que quiere resolver, los datos existentes y el proceso de revisión de su equipo.
