Inteligencia artificial en el laboratorio clínico: qué puede hacer hoy y qué no
La IA ya puede leer una receta, ordenar la cola de validación o explicarte por qué bajaron las ventas. No puede firmar un resultado. Dónde ayuda de verdad, dónde todavía no y cómo evaluar una antes de dejarla entrar a tu laboratorio.

Casi todos los proveedores de software para laboratorio ya dicen tener inteligencia artificial. Algunos se refieren a un chat que responde preguntas generales; otros, a algoritmos que nadie puede explicar. Esta guía separa lo que la IA ya hace bien en un laboratorio clínico de lo que todavía no debería hacer, y te deja una lista de preguntas para evaluar cualquier herramienta antes de darle acceso a tus datos.
¿Qué puede hacer la inteligencia artificial en el laboratorio clínico?
Hoy, la inteligencia artificial en el laboratorio clínico es útil sobre todo para leer, ordenar y resumir: convertir una receta en una orden, priorizar lo que está por validar, detectar patrones en el control de calidad y responder preguntas de gestión con tus propios datos. No sustituye el juicio del químico ni debe liberar resultados por su cuenta.
La literatura del sector coincide en ese tono: una revisión reciente describe el potencial de la IA para mejorar eficiencia, precisión diagnóstica y gestión de datos, pero también desafíos importantes que siguen sin resolverse (Luces y sombras de la inteligencia artificial en la medicina de laboratorio).
Dos tipos de IA que conviene no confundir
Cuando un proveedor dice "IA", puede estar hablando de cosas muy distintas:
| Modelos predictivos | IA generativa (asistentes) | |
|---|---|---|
| Qué hacen | Clasifican o predicen a partir de datos: riesgo, anomalías, patrones | Entienden y producen lenguaje: leen documentos, responden, redactan |
| Ejemplo | Detectar que una muestra probablemente está hemolizada o mal identificada | Leer una receta y proponer la orden; responder "¿cuántas biometrías llevamos?" |
| Riesgo principal | Funcionar bien en los datos con los que se entrenó y mal en tu población | Responder con seguridad algo que no es cierto |
| Qué pedir | Evidencia de validación y en qué población | Que cada cifra salga de tus datos y que puedas ver la fuente |
Las dos pueden ser útiles. Lo importante es saber cuál te están vendiendo, porque se evalúan distinto.
Dónde ayuda hoy, etapa por etapa
Fase preanalítica
Es la etapa donde se concentra la mayoría de los errores del laboratorio, como vimos en errores preanalíticos, y también donde la IA ahorra trabajo más rápido:
- De la receta a la orden. Leer una orden médica fotografiada, encontrar cada estudio en tu catálogo y proponer la orden con el precio del convenio. Recepción solo confirma.
- Alertas antes de la toma. Señalar estudios que requieren ayuno o un tubo especial, según tu propio catálogo.
Fase analítica
- Control de calidad. Resumir qué controles dieron alerta en la semana y con qué lote coinciden, sobre tus gráficas de Levey-Jennings y reglas de Westgard.
- Supervisión de equipos. Avisar que un analizador dejó de enviar resultados antes de que alguien lo note por las quejas.
Fase postanalítica
- Un segundo par de ojos en la validación. Ordenar la cola de lo que está por validar y explicar por qué: valores críticos, muestras hemolizadas, cambios grandes contra la visita anterior. Lo vemos a fondo en validación de resultados.
- Borradores de interpretación. Un primer texto con los resultados y el historial, para que el químico lo corrija y lo firme.
Gestión del laboratorio
- Preguntas en lenguaje natural. "¿Qué sucursal creció más este mes?", "¿cuánto vendimos por convenio?", con la respuesta y su gráfica.
- Configuración. Pedir un perfil nuevo con sus analitos y precios, y que el sistema reutilice lo que ya existe en tu catálogo.
Lo que tienen en común todos estos usos: la IA prepara, ordena o señala, y una persona decide.
Lo que la IA no debería hacer (todavía)
La firma es del químico
Ningún asistente de IA debería liberar un resultado clínico por su cuenta. La responsabilidad legal y profesional de la validación es de una persona acreditada, y el sistema tiene que dejar claro quién firmó.
Otros límites que conviene tener presentes:
- Inventar cifras. Los modelos de lenguaje pueden dar una respuesta convincente y falsa. En el laboratorio, una cifra de gestión inventada lleva a malas decisiones; un dato clínico inventado es inaceptable. Una revisión sobre ChatGPT en medicina de laboratorio insiste en evaluar la calidad de la información generada antes de usarla (Niu et al.).
- Interpretar sin contexto. Un valor fuera de rango puede ser esperado en un paciente concreto. Sin historial, diagnóstico y criterio clínico, la IA no debe sacar conclusiones.
- Ver más de lo que debe. Si el asistente tiene acceso a toda la base de datos y responde a cualquier usuario, se convierte en una puerta trasera a datos que el rol de esa persona no debería ver.
- Mandar datos de pacientes a cualquier lado. En México, los datos de salud son datos personales sensibles. Antes de usar una IA, pregunta qué datos salen del sistema y hacia dónde.
Cómo evaluar una IA para tu laboratorio
Antes de activarla, revisa estos puntos con el proveedor. Si alguno no tiene respuesta clara, es una señal.
Lista de verificación
0 / 6Seis preguntas para tu proveedor
- ¿Qué modelo usa y dónde se procesan los datos?
- ¿Qué datos del paciente ve la IA y cuáles nunca salen del sistema?
- ¿Cómo se asegura que una cifra viene de mis datos y no de la imaginación del modelo?
- ¿Qué acciones puede ejecutar sola y cuáles requieren aprobación?
- ¿Puedo desactivarla por rol o por sucursal?
- ¿Qué queda registrado cuando la IA participa en algo?
Un ejemplo: cuánto tiempo puede ahorrar en recepción
Ejemplo ilustrativo con supuestos a la vista. Si recepción registra 60 órdenes al día y capturar cada una a partir de la receta toma 3 minutos, son 180 minutos diarios. Si la IA propone la orden y recepción solo la revisa en 1 minuto, el registro baja a 60 minutos: dos horas al día que recepción puede dedicar a atender. El ahorro real depende de cuántas recetas lleguen legibles y de qué tan completo esté tu catálogo, así que mídelo en tu operación antes de darlo por hecho.
Cómo lo resolvemos en Sensilo
En Sensilo la IA se llama Silo y trabaja sobre el mismo sistema donde viven tus órdenes, resultados, controles y caja. Está diseñada con las reglas de la lista anterior:
Ve lo que tú puedes ver
Responde con los permisos y las sucursales de quien pregunta. Si tu rol no ve la caja, Silo tampoco.
Propone, tú decides
Crear una orden, cambiar un precio o enviar un informe queda como propuesta hasta que alguien con permiso lo aprueba.
Cifras de tu sistema
Cada número sale de una consulta a tus datos. Si algo no está en Sensilo, Silo te lo dice en lugar de inventarlo.
Las consultas no incluyen nombres ni datos de contacto del paciente, y la firma de un resultado sigue siendo del químico. El uso se mide en créditos incluidos en el plan; si se acaban, solo se pausa la IA y el resto de Sensilo sigue igual. Más detalle en Sensilo AI.
Preguntas frecuentes
¿La inteligencia artificial va a reemplazar al químico en el laboratorio?
No. La IA puede ordenar, resumir y señalar, pero la validación y la firma de un resultado requieren criterio clínico y responsabilidad profesional de una persona acreditada.
¿Para qué sirve la IA en un laboratorio pequeño?
Sobre todo para ahorrar captura y tiempo de gestión: convertir recetas en órdenes, priorizar la cola de validación, resumir alertas de control de calidad y responder preguntas de negocio sin armar reportes.
¿Es seguro usar ChatGPT con resultados de pacientes?
Copiar resultados con datos identificables en un chat de uso general expone datos sensibles fuera de tu sistema. Es más seguro usar una IA integrada en tu LIS, con permisos por rol y sin enviar nombres ni datos de contacto.
¿Qué riesgos tiene la IA en el laboratorio clínico?
Respuestas inventadas, sesgos por los datos con que se entrenó, acceso a información que el usuario no debería ver y decisiones sin trazabilidad. Se mitigan con permisos, fuentes visibles, aprobación humana y bitácora.
¿La IA puede interpretar resultados?
Puede preparar un borrador de interpretación con los resultados y el historial, pero ese borrador debe revisarlo y firmarlo el químico.
Conclusión
La IA en el laboratorio clínico ya es útil, siempre que trabaje con tus datos, dentro de tus permisos y con una persona que decide. Desconfía de la que promete reemplazar la validación, y también de la que no te deja ver de dónde salen sus respuestas.
Sigue leyendo
Sensilo AI · Sensilo
Tendencias, alertas de calidad y borradores listos para revisar, en lenguaje natural. Tú decides a qué tiene acceso.

Validación de resultados de laboratorio: qué revisar
Qué revisar antes de liberar un resultado de laboratorio: identificación, control de calidad, delta check, valores críticos y firma. Checklist práctico.

sensilo.app
Pregúntale a tu laboratorio
Te mostramos a Silo trabajando con datos de ejemplo: de la receta a la orden y de la cola de validación a la firma.