Dr. Carlos Alberto Díaz. Profesor Titular Universidad ISALUD

El error médico representa la tercera causa de muerte en EE.UU. según los datos más citados, y el Informe Global de Seguridad del Paciente de la OMS (2024) estima que más de 1 de cada 10 pacientes sufre algún tipo de daño en los sistemas de atención sanitaria, siendo más de la mitad de estos daños prevenibles. El error diagnóstico y el error terapéutico son las dos expresiones más frecuentes e impactantes de este problema. ^[1,2]

Tipo de error	Definición	Ejemplos clínicos representativos
Error de acción (comisión)	Hacer algo que no debería haberse hecho, o hacerlo incorrectamente.	Cirugía en el lado equivocado. Medicamento incorrecto administrado. Dosis diez veces mayor a la prescrita.
Error de omisión	No hacer algo que debería haberse hecho.	No pedir la troponina en un dolor torácico. No prescribir anticoagulación en FA. No realizar el fondo de ojo en un diabético.
Error de diagnóstico	Fracaso en establecer la explicación correcta y oportuna del problema de salud del paciente.	ACV diagnosticado como vértigo posicional benigno. Sepsis en anciano sin fiebre no reconocida. Disección aórtica confundida con cólico renal.
Error de medicación (terapéutico)	Cualquier falla en el proceso de prescripción, dispensación, preparación o administración de un medicamento.	Error de dosis. Medicamento en paciente alérgico. Duplicación terapéutica. Omisión de medicamento crítico al alta.
Error de proceso / procedimiento	Falla en la ejecución de un procedimiento técnico o en el seguimiento de un protocolo.	Complicación de vía central por técnica incorrecta. Retención de cuerpo extraño en cirugía. Error en la dosis de radioterapia.
Error de comunicación	Falla en la transmisión de información crítica entre profesionales o al paciente.	Resultado crítico de laboratorio no comunicado. Cambio de turno incompleto. Alta hospitalaria sin información al médico de cabecera.

El modelo de doble proceso en el razonamiento clínico

La comprensión contemporánea del error diagnóstico está firmemente anclada en la teoría del doble proceso (dual process theory), que postula dos sistemas cognitivos paralelos en el razonamiento clínico:^[5,6,7]

• Sistema 1 (rápido, intuitiva vida, automático): genera hipótesis diagnósticas casi instantáneamente a partir del reconocimiento de patrones, impulsado principalmente por el conocimiento experiencial acumulado. Es eficiente y mayoritariamente correcto cuando el caso clínico encaja en un patrón familiar. La heurística es su mecanismo fundamental.
• Sistema 2 (lento, analítico, deliberativo): aplica razonamiento formal y consciente para arribar a un diagnóstico. Es el que realiza la verificación sistemática, el análisis diferencial estructurado y la búsqueda de evidencia contradictoria. Es más confiable para casos atípicos pero requiere tiempo y capacidad cognitiva disponibles.

Croskerry y colaboradores, en un trabajo seminal publicado en BMJ Quality & Safety,^[8] describieron la tensión entre ambos sistemas como la fuente principal de los errores cognitivos. Sin embargo, la revisión crítica de Norman et al. en Journal of Evaluation in Clinical Practice (2024)^[7] cuestiona la asunción de que los errores surgen principalmente del Sistema 1. Su análisis de la evidencia fundamenta que los errores emergen de ambos sistemas, que la causa principal es la falta de acceso al conocimiento adecuado —más que los errores de procesamiento— y que las estrategias educativas orientadas solo a reconocer los sesgos son insuficientes.

La revisión de Academic Emergency Medicine (2024),^[9] desde el contexto específico de las urgencias, confirma la dualidad y añade que el estado interno del médico —fatiga, hambre, estrés emocional, ruido ambiental— degrada la calidad del razonamiento del Sistema 2 precisamente en los momentos de mayor necesidad, favoreciendo el predominio del Sistema 1 y sus vulnerabilidades.

3.2 Los sesgos cognitivos más documentados

Un análisis de 100 errores en medicina interna encontró factores cognitivos en el 74% de los casos, siendo el cierre prematuro el mecanismo más frecuente.^[10] A continuación se describen los sesgos con mayor impacto clínico documentado:

Sesgo cognitivo	Descripción mecanismo	Escenario clínico típico	Frecuencia*
Cierre prematuro	Aceptar el primer diagnóstico plausible sin buscar alternativas ni verificar que explica todos los hallazgos. El error cognitivo más documentado.	Ingreso por dolor abdominal diagnosticado como gastritis. La peritonitis ya instaurada se detecta 36h después.	Muy alta
Sesgo de anclaje	Asignar excesivo peso a la primera información o diagnóstico formulado. La información posterior se filtra para confirmar, no para refutar.	El médico de guardia recibe al paciente con etiqueta ‘ansiedad’. Su dolor torácico es evaluado con sesgo desde el inicio.	Alta
Sesgo de disponibilidad	Favorecer el diagnóstico que se ‘viene a la mente’ con facilidad por haberlo visto recientemente o porque es muy conocido.	Tras ver tres neumonías consecutivas, el siguiente paciente con disnea y fiebre es diagnosticado como neumonía. Es TEP.	Alta
Efecto de encuadre	El diagnóstico previo de otro profesional moldea la percepción del evaluador actual, restando apertura a alternativas.	‘La guardia lo diagnosticó como contractura lumbar.’ El médico de planta no reexamina críticamente. Es absceso epidural.	Media-alta
Omisión de verificación (search satisficing)	Detener la búsqueda al encontrar el primer hallazgo que satisface. El segundo diagnóstico, el segundo hallazgo en la imagen, queda sin buscar.	Fractura en el radiograma de tobillo. La luxación asociada del astrágalo no se busca. Se pierde en el alta.	Alta
Sesgo de atribución	Asignar síntomas al perfil percibido del paciente (hipocondriaco, adicto, ansioso, ‘policonsultador’) sin evaluación objetiva.	Paciente con antecedentes de somatización. Su dolor de pecho ‘como siempre’ es en realidad un IAM tipo 2.	Media
Sesgo de representatividad	Clasificar el caso según su parecido con el prototipo de la enfermedad, ignorando la prevalencia real (frecuencia de base).	El ECG no es ‘el típico de IAM’. El médico descarta el diagnóstico porque el caso no parece ‘suficientemente clásico’.	Media
Efecto halo / cuernos	La evaluación de un síntoma o hallazgo queda positiva o negativamente influida por la impresión global del paciente.	Paciente que ‘no da aspecto tóxico’: se subestima su sepsis. Paciente ‘que parece muy enfermo’: se sobreestima.	Media

Tabla 2. Sesgos cognitivos más documentados en el error diagnóstico médico. *Frecuencia estimada en estudios de análisis de errores. Fuentes: Croskerry et al. BMJ QS 2013; Norman et al. J Eval Clin Pract 2024; Delta Psychology 2025.

3.3 Factores no cognitivos que contribuyen al error diagnóstico

Junto con los factores cognitivos, existen condiciones sistémicas y contextuales que aumentan la probabilidad del error diagnóstico independientemente de las habilidades del profesional:

3.3.1 Factores del sistema

• Fragmentación de la información clínica: cuando la historia clínica está dispersa entre múltiples sistemas, la imagen clínica completa no está disponible en el momento de la decisión.
• Transferencias deficientes (handoffs): el cambio de turno o de equipo es el momento de mayor pérdida de información relevante. Hasta el 30% de las fallas diagnósticas tienen un componente de transferencia deficiente.^[11]
• Falta de seguimiento de resultados: el resultado crítico de laboratorio o imagen que no tiene un proceso formal de notificación y seguimiento genera demoras diagnósticas prolongadas.
• Cultura de la jerarquía: en sistemas sanitarios con marcada jerarquía, el residente o la enfermera que percibe un error no puede cuestionarlo abiertamente. El error no se intercepta.

3.3.2 Factores del paciente

• Presentación atípica: el paciente que no presenta el cuadro clásico de una enfermedad —el IAM sin dolor torácico, el ACV con solo vértigo, la sepsis sin fiebre— no activa los patrones del Sistema 1, generando mayor exigencia sobre el Sistema 2 en condiciones no siempre óptimas.
• Multimorbilidad: la coexistencia de múltiples condiciones crónicas oscurece el cuadro clínico y predispone al sesgo de atribución (confundir el nuevo problema con una manifestación de la enfermedad conocida).
• Barreras de comunicación: idioma, nivel de educación, deterioro cognitivo o estado alterado de conciencia impiden que el paciente brinde una historia clínica completa.

3.3.3 Factores del profesional

• Estado fisiológico: la fatiga, el hambre y el estrés deterioran la capacidad del Sistema 2. Los turnos de más de 16 horas se asocian con un aumento del 36% en la tasa de errores graves en residentes.^[11]
• Brechas de conocimiento: Norman et al. demuestran que la causa más frecuente del error diagnóstico no es el procesamiento cognitivo incorrecto sino la falta del conocimiento necesario para generar la hipótesis correcta.^[7]
• Experiencia y expertise: con mayor experiencia, la tasa de errores del Sistema 1 disminuye porque los patrones reconocibles son más y más finos. Pero la experiencia también consolida los sesgos, haciendo al experto más resistente a considerar alternativas no familiares.

🔑  Conclusión clave: el error diagnóstico no es un déficit del individuo corregible con más formación o más cuidado. Es el resultado predecible de la interacción entre capacidades cognitivas limitadas (normales en toda biología) y condiciones del sistema que las amplifican. La estrategia de prevención eficaz debe actuar sobre ambos niveles simultáneamente.

4. Causas del error terapéutico: del error de medicación al error de proceso

4.1 Dimensión global del error terapéutico

El Informe Global de Seguridad del Paciente de la OMS (2024)^[1] estima que 1 de cada 20 pacientes sufre daño relacionado con el medicamento a nivel global. El 53% de este daño ocurre en la etapa de prescripción, convirtiendo al médico prescriptor en el actor de mayor relevancia en la cadena del error terapéutico. La Iniciativa Global de la OMS Medicación Sin Daño (Medication Without Harm), lanzada en 2017 y renovada en el marco del Plan 2021-2030, reconoce los errores de medicación como la causa de daño prevenible más frecuente a escala mundial.^[1]

La revisión sistemática sobre tipos de error de medicación en hospitales (ScienceDirect, diciembre 2025)^[12] confirma que los errores ocurren en todas las etapas del proceso: prescripción, transcripción, dispensación, preparación y administración, con variabilidad significativa en los sistemas de clasificación utilizados por distintas instituciones y estudios, lo que dificulta la comparación pero confirma la ubicuidad del problema.

4.2 El modelo de causas de Reason aplicado al error de medicación

Keers et al. (PubMed)^[13] y la revisión sobre causas del error de administración en hospitales clasifcan los actos inseguros en la cadena de medicación en cuatro categorías:

• Deslices y lapsos (slips & lapses): son las más frecuentes. Se ejecuta una acción distinta a la planificada (desliz) o se olvida un paso del proceso (lapso). Ejemplo: preparar 10 mg en lugar de 1 mg por confusión entre concentraciones, o no verificar la identificación del paciente antes de administrar.
• Errores basados en el conocimiento: la decisión es incorrecta porque el prescriptor no tiene el conocimiento clínicamente correcto para la situación. Ej: prescribir un IECA en un paciente con estenosis bilateral de arteria renal desconocida.
• Violaciones deliberadas: se conoce el procedimiento correcto pero se toma un atajo conscientemente. Ej: no verificar el historial de alergias «porque el paciente ya fue evaluado esta semana».
• Errores por reglas incorrectas: se aplica una regla que en otro contexto es válida pero que en la situación actual es incorrecta. Ej: ajustar la dosis por peso corporeal real en lugar de por peso ideal en paciente obesó mórbido para determinados fármacos.

4.3 Condiciones favorecedoras del error terapéutico en el hospital

La revisión sistemática de causas en médicos de cuidados críticos y quirófanos (Medicina, febrero 2025) ^[14] identifica que los factores de riesgo más consistentemente asociados con el error de medicación incluyen:

Dimensión de la causa	Factores específicos documentados	Evidencia de impacto
Alta complejidad del paciente	Gravedad de la enfermedad. Edad avanzada. Disfunción renal o hepática. Polimedicación (>5 fármacos).	UCI: pacientes de mayor gravedad tienen 3-4× más probabilidad de error. Polimedicación multiplica el riesgo de interacciones.
Comunicación inadecuada	Prescripción ilegible o con abreviaturas. Documentación deficiente. Transcripción errónea. Handoffs incompletos.	53% del daño por medicamento ocurre en la etapa de prescripción (OMS 2024). Prescripciones con abreviaturas: 3× más errores.
Sobrecarga de trabajo del equipo	Alta relación paciente/enfermera. Interrupciones durante la preparación. Turnos prolongados. Fatiga.	Interrupciones durante la preparación del fármaco aumentan el error de administración en 12-20%. Cada 2 interrupciones adicionales duplica el riesgo.
Factores de almacenamiento y provisión	Medicamentos de aspecto similar (LASA). Almacenamiento incorrecto en sala. Errores de dispensación en farmacia. Stock incorrecto.	Los fármacos LASA (look-alike sound-alike) contribuyen al 12-15% de los errores de medicación graves.
Factores tecnológicos y de equipo	Bombas de infusión sin software de alerta. Sistemas informáticos de prescripción sin control de interacciones. Falta de código de barras.	Los CPOE (prescripción electrónica) reducen errores de prescripción un 50-80% cuando incluyen alertas de interacciones.
Cultura organizacional	Reporte de errores penalizado. Ausencia de sistema de aprendizaje. Cultura de ‘eso no ocurre aquí’. Sin rondas de seguridad.	Solo el 25% de los países miembros de la OMS declaran tener una cultura de seguridad establecida y medida (OMS 2024).

Tabla 3. Condiciones favorecedoras del error terapéutico en el hospital y evidencia de su impacto. Fuentes: Keers et al. 2013; Medicina 2025; OMS Global Patient Safety Report 2024.

4.4 Las etapas del proceso terapéutico y su vulnerabilidad

El error terapéutico puede ocurrir en cualquier etapa del proceso que va de la decisión de tratar al efecto del tratamiento en el organismo del paciente. La vulnerabilidad de cada etapa varía según el contexto clínico:

• Prescripción: el 53% del daño por medicamento (OMS, 2024). Errores de dosis, vía, duración, frecuencia. Prescripción sin considerar la función renal o interacciones. Prescripción de fármacos contraindicados.^[1]
• Transcripción: copiado manual con errores. El paso a los sistemas electrónicos ha reducido este error en los sistemas que lo han implementado.
• Dispensación: error del farmacéutico al despachar el medicamento equivocado, la dosis equivocada o para el paciente equivocado. Los medicamentos LASA (look-alike, sound-alike) son la causa más frecuente de confusión.^[15]
• Preparación: errores en la dilución de fármacos intravenosos. Particularmente crítico en la UCI y en neonatología. La cálculo manual de concentraciones de drogas vasoactivas es la situación de mayor riesgo.^[14]
• Administración: paciente equivocado, medicamento equivocado, dosis equivocada, vía equivocada, momento equivocado (las «5 correctas» o la regla de los «9 correctos» extendida). Las interrupciones durante este paso son el principal factor de riesgo.^[15]
• Monitoreo: no detectar la respuesta inadecuada al tratamiento, la toxicidad o la falta de eficacia en el tiempo oportuno. Ejemplo: no titular la anticoagulación en función del TTPA, o no ajustar la insulinoterapia ante la hipoglucemia.

💊  Dato OMS 2024: 1 de cada 20 pacientes sufre daño relacionado con el medicamento a nivel global. El 53% ocurre en la etapa de prescripción. Los sistemas de prescripción electrónica con alertas de interacciones (CPOE) reducen el error de prescripción en un 50-80%. Sin embargo, solo el 25% de los países miembros declaran tener una cultura de seguridad del medicamento establecida.

5. El error en la internación hospitalaria

5.1 Epidemiología: magnitud y alcance

La internación hospitalaria reune las condiciones más adversas para la seguridad del paciente: alta complejidad de la enfermedad, múltiples equipos y prestadores, polimedicación, transferencias frecuentes y variabilidad en la calidad del proceso entre turnos. El informe de Frontiers in Public Health (enero 2025)^[16] establece que en países de altos ingresos, el 10-12% de los pacientes hospitalizados experimentaron eventos adversos anualmente entre 2015 y 2024. El meta-análisis de Gunderson et al. (BMJ Quality & Safety, 2020)^[17] sobre más de 80.000 pacientes estimó que el 0,7% de los ingresos hospitalarios genera un error diagnóstico dañino (249.900 casos/año en EE.UU.). El estudio del BMJ Group (octubre 2024)^[18] va más lejos: 1 de cada 14 pacientes de medicina general internados sufre un error diagnóstico perjudicial detectable de forma retrospectiva.

5.2 Causas específicas de error en la internación

Además de las causas generales del error diagnóstico y terapéutico analizadas en las secciones previas, la internación hospitalaria genera condiciones específicas de riesgo:

5.2.1 La paradoja diagnóstica de la internación

La internación hospitalaria concentra los recursos diagnósticos más sofisticados del sistema de salud y, al mismo tiempo, el paciente de mayor complejidad. El modelo diagnóstico en sala es fundamentalmente evolutivo y provisional: el diagnóstico se establece, se revisa y se actualiza a medida que el cuadro clínico evoluciona y los resultados de los estudios llegan. Este modelo es apropiado para la complejidad del entorno pero crea una vulnerabilidad específica: la inercia diagnóstica, es decir, la tendencia a no cuestionar el diagnóstico inicial una vez que el paciente ingresa con una etiqueta.

5.2.2 Fallas en las transferencias (handoffs) intrahospitalarias

El cambio de turno de guardia, el pase a la UCi, la transferencia al quirófano, el regreso a sala y el alta hospitalaria son los cinco momentos de mayor riesgo de pérdida de información crítica. Estudios de simulación muestran que, sin protocolo estandarizado, se pierde el 40-50% de la información clínica crítica durante una transferencia.^[11]

Los modelos formales de transferencia (SBAR: Situación, Background, Assessment, Recommendation; I-PASS: Illness severity, Patient summary, Action list, Situation awareness, Synthesis by receiver) demuestran reducir los eventos adversos en la internación en un 23-37% cuando se implementan de forma sistemática.^[11]

5.2.3 La polimedicación y las interacciones

El paciente hospitalizado promedio del siglo XXI recibe entre 6 y 12 fármacos simultáneos. Con 5 fármacos, la probabilidad teórica de al menos una interacción farmacológica significativa es del 50%. Con 8 o más fármacos, supera el 80%. La revisión sobre errores en UCI (Intensive Care Medicine, junio 2025)^[19] documenta que los factores clínicos de mayor riesgo para el error de medicación son: disfunción renal, mayor gravedad (APACHE elevado), estancia prolongada y alta carga de fármacos vasoactivos. Los sistemas de prescripción electrónica con comprobación de interacciones son la intervención con mayor evidencia de impacto.

5.2.4 Las condiciones más frecuentemente implicadas en errores dañinos

Fourteen diagnoses account for more than half of all missed or delayed diagnoses in hospitalized patients (Gunderson 2020): cáncer (11%), TEP (9,6%), sepsis (8,1%), IAM atípico (7,2%), ACV (6,5%), disección aórtica (3,8%) y absceso espinal (3,5%) encabezan la lista.^[17] Todas comparten una característica: su presentación inicial puede ser inespecífica y confundirse con patología más banal, especialmente en el contexto de un paciente con múltiples comorbilidades preexistentes.

5.3 La inteligencia artificial en la reducción del error en internación

La IA en el contexto de la internación opera en tres modalidades con evidencia creciente:

• Sistemas de alerta precoz de deterioro: modelos de machine learning que combinan signos vitales, frecuencia cardíaca, presión arterial, saturación, lactato y temperatura logran AUC 0,82-0,88 para la predicción de deterioro clínico con 6-8 horas de antelación. Estos sistemas crean una ventana de intervención antes de que el error no diagnósticado se traduzca en daño irreversible.^[20]
• LLMs como segunda opinión diagnóstica: el estudio de Lozano et al. (arXiv, 2026)^[21] sobre 539 registros reales de medicina interna y pediatría demuestra que los mejores LLMs superan al diagnóstico de planta en precisión en presentaciones de alta complejidad. El rendimiento diagnóstico de los LLMs es especialmente superior en patología del SNC y respiratoria. La evaluación con un ‘jurado de LLMs’ (tres modelos de distintos proveedores) es el diseño metodológico más sólido.
• CPOE con alertas de interacciones y de dosis: los sistemas de prescripción electrónica con soporte de decisión integrado reducen el error de prescripción en un 50-80%. La IA de nueva generación mejora la especificidad de las alertas (reduciendo la alert fatigue) al calibrarlas con los datos del paciente individual.^[22]

6. El error en el servicio de emergencias

6.1 La especificidad del entorno: por qué emergencias es el contexto de mayor riesgo

El servicio de emergencias (SE) combina, en un mismo espacio, la mayor heterogeneidad de presentaciones clínicas, la más extrema presión de tiempo, la máxima sobrecarga cognitiva simultánea y la mayor incertidumbre diagnóstica. Ningún otro contexto clínico reúne estas cuatro características de forma tan permanente. La revisión de Academic Emergency Medicine (2024)^[9] describe el proceso diagnóstico en el SE como un sistema de doble proceso bajo presión extrema, donde el estado interno del médico —fatiga, hambre, estrés emocional, ruido ambiental— degrada sistemáticamente el rendimiento del Sistema 2 analítico.

La revisión sistémica actualizada del AHRQ (agosto 2023)^[23] estima que de los 130 millones de visitas anuales a urgencias en EE.UU.:

• 7,4 millones de pacientes (5,7%) reciben un diagnóstico incorrecto.
• 2,6 millones (2,0%) sufren un evento adverso como consecuencia directa del error diagnóstico.
• 371.000 (0,3%) sufren daños graves, incluyendo discapacidad permanente o muerte.
• Traducido a un hospital típico con 25.000 visitas anuales: 1.400 errores diagnósticos, 500 eventos adversos y 75 daños graves —incluyendo 50 muertes— por año.

6.2 Las condiciones que amplifican el error en el SE

Taylor et al. (Academic Emergency Medicine, diciembre 2024)^[24] estructuran los factores de riesgo del error diagnóstico en urgencias en cuatro dominios:

6.2.1 Factores cognitivos propios del SE

La alta frecuencia de decisión simultánea —el médico de guardia puede estar evaluando 5-10 pacientes en paralelo— es el escenario ideal para el cierre prematuro y el sesgo de disponibilidad: el útimo caso resuelto influye en el siguiente. El tiempo promedio de contacto médico-paciente en muchos SE no supera los 14 minutos, lo que es insuficiente para el razonamiento analítico del Sistema 2 en presentaciones complejas.

6.2.2 Factores ambientales del SE

El ruido, la iluminación artificial constante, las interrupciones frecuentes y el volumen crítico de alertas paralelas —muchas de baja especificidad— generan un entorno de trabajo que aumenta la tasa de error cognitivo en profesionales con cualquier nivel de experiencia. El 90% de las alertas de soporte de decisión son ignoradas en el SE, lo que ilustra el fenómeno de alert fatigue en su expresión más extreme.^[24]

6.2.3 Factores del paciente en el SE

Las presentaciones atípicas son especíalmente frecuentes en el SE porque el paciente no ha tenido tiempo de desarrollar el cuadro clínico completo. El ACV con sólo vértigo, el IAM en la mujer diabética con solo fatiga, la sepsis en el anciano sin fiebre y con sólo confusión leve: ninguno activa los patrones del Sistema 1 del médico de guardia. Además, la historia clínica previa frecuentemente no está disponible, lo que elimina la información de base necesaria para contextualizar los nuevos síntomas.

6.2.4 Factores del sistema en el SE

Los cambios de turno —handoffs— en plena evaluación de un paciente son un punto crítico de pérdida de información. La ausencia de protocolos formalizados de transferencia, la falta de sistemas de seguimiento de pacientes que se van sin diagnóstico definitivo y la inexistencia de mecanismos de retroalimentación al médico sobre los casos que regresan en 72 horas son vulnerabilidades del sistema que ninguna formación individual puede compensar completamente.

6.3 El ‘Big 5’: las cinco condiciones de mayor daño grave

Newman-Toker et al. (Johns Hopkins Medicine, 2023/2024)^[25] estiman que cinco condiciones son responsables del 38,7% de todos los daños graves por error diagnóstico en urgencias en EE.UU.:

Condición	Tasa de error estimada	Presentación que genera error	Por qué es crítico	Herramienta IA disponible
ACV / Stroke	4-40% según presentación	Vértigo, mareo, ataxia sin déficit focal motor. Hasta 40% de error.	17M neuronas/min perdidas. Ventana de trombólisis: 4,5h.	RapidAI, Viz.ai LVO
IAM (atípico)	1-22% según perfil	Sin dolor torácico: mujer, diabético, anciano. Equivalentes anginosos.	Necrosis irreversible desde 20 min. Ventana PCI <90 min.	Algoritmos de ECG por IA
Sepsis	30-40% en presentación atípica	Anciano sin fiebre, inmunosuprimido, neonato. Sin foco evidente.	+7% mortalidad por cada hora sin antibiótico.	ML (AUC 0,82-0,88)
TEP	20-30%	Síncope, disnea aislada, dolor pleurítico inespecífico.	Muerte súbita. Cor pulmonale crónico. 1/5 muertes súbitas intrahospitalarias.	Scores con ML para probabilidad
Disección aórtica	30-38% primera consulta	20% sin diferencia de pulsos. Confundida con cólico renal o IAM.	+1-2% mortalidad/hora. Tratamiento antiagregante/anticoagulante: mortal.	D-Dímero + ADD-RS

Tabla 4. Las cinco condiciones de mayor daño grave en urgencias: epidemiología, presentación crítica e IA disponible. Fuente: Newman-Toker et al. 2023/2024; AHRQ 2023.

6.4 El error terapéutico en el SE: velocidad y equivocación

El SE concentra también una alta tasa de error terapéutico, potenciado por la velocidad de la toma de decisiones. Los errores más frecuentes incluyen:

• Dosis inicial errónea: especialmente en pediatría, donde el cálculo por peso debe realizarse bajo presión de tiempo. Los errores de dosis en sedoanalgesia y cálculos de reposición hidroelectrolítica son los más frecuentes.
• Tratamiento de la enfermedad errónea: el consecuencia del error diagnóstico. La anticoagulación en una disección aórtica confundida con un SCA, o la trombolísis en un sangrado cerebral considerado ACV isquémico son los ejemplos clásicos.
• Omisión terapéutica: el antibiótico no iniciado a tiempo en la sepsis. Los esteroides no administrados en la crisis adrenal. La intervención no activada por falta de diagnóstico.

6.5 La inteligencia artificial en urgencias: el marco de Taylor et al.

Taylor et al.^[24] proponen integrar la IA en la reducción del error en urgencias en tres áreas que se articulan con el proceso de razonamiento clínico (Areas AI1, AI2, AI3):

• AI1 — Recolección y síntesis de información: resumen automático de la historia clínica, extracción de datos relevantes por NLP, generación de listas de diagnósticos diferenciales probabilistícas en tiempo real. Reduce la sobrecarga cognitiva y mejora la calidad de la información disponible para el Sistema 2.
• AI2 — Soporte a la decisión en tiempo real (CDS): sistemas que priorizan el diagnóstico diferencial con probabilidades calibradas por los datos del paciente individual, reduciendo el cierre prematuro al hacer visibles las alternativas. Las alertas para el ‘Big 5’ tienen mayor especificidad cuando están calibradas con el perfil del paciente que cuando se basan en criterios poblacionales fijos.
• AI3 — Retroalimentación y mejora continua: análisis automático de los casos con retorno en 72 horas, cambio de diagnóstico o resultado discordante. Presentación al médico como casos de aprendizaje personalizado postturno. Este mecanismo transforma el error en oportunidad formativa sin procesos disciplinarios.

7. El error en el diagnóstico por imágenes

7.1 Clasificación y epidemiología del error en radiología

Los errores en el diagnóstico por imágenes tienen una taxonomía clásica propia que complementa la general del error diagnóstico:

• Error perceptivo (60-80% del total): el hallazgo está presente en la imagen pero el radiólogo no lo detecta. Causado por límites fisiológicos de la percepción visual (escotoma de atención, fatiga visual), por la complejidad de la imagen o por la sutileza del hallazgo.
• Error cognitivo: el hallazgo se ve pero se interpreta incorrectamente. Se activa el sesgo de satisfacción de búsqueda (dejar de buscar tras encontrar el primer hallazgo), el sesgo de disponibilidad y el efecto halo.
• Error de comunicación: el hallazgo se detecta e interpreta correctamente pero no se comunica de forma efectiva al clínico solicitante. El informe llega demasiado tarde, no describe el hallazgo de forma accionable, o no prioriza los hallazgos críticos.

Los estudios contemporáneos estiman una tasa global de discrepancias clínicamente relevantes del 3-5% en condiciones estándar. Esta tasa aumenta significativamente en contextos de mayor vulnerabilidad: hasta el 20-40% en lecturas urgentes nocturnas, cuando la fatiga, la ausencia de un colega para pedir una segunda opinión y el menor tiempo disponible amplifican todos los sesgos.^[26]

7.2 Factores específicos del error en imágenes

7.2.1 Volumen de estudios y fatiga visual

El volumen de estudios que revisa un radiólogo en una jornada de trabajo ha aumentado exponencialmente con la digitalización. Un radiólogo especializado en sección de guardia puede revisar 100-200 estudios en un turno nocturno, con tiempos de dedicación de 2-3 minutos por estudio. La curva de error en función del cansancio visual es no lineal: el mayor deterioro ocurre entre las horas 6-8 de revisión continua.

7.2.2 Contexto clínico insuficiente

El radiólogo que recibe un estudio con información clínica insuficiente —»TC de cráneo» sin más datos— carece del contexto necesario para calibrar su nivel de sospecha. El mismo estudio leído por un radiólogo informado de que el paciente tiene fibrilación auricular sin anticoagular genera una búsqueda activa diferente que si solo sabe que tiene «cefalea».

7.2.3 El fenómeno de la segunda lectura

Los estudios de segunda lectura radiológica (double reading) demóstran consistentemente tasas de detección aumentadas del 10-15% para distintas patologías cuando la misma imagen es revisada por un segundo observador independiente. Este es el principio que la IA incorpora de forma sistemática y escalable.^[26]

7.3 Las patologías de mayor impacto por error de imagen

La tabla siguiente sintetiza las condiciones con mayor tasa de error clínicamente significativo y mayor impacto en términos de daño al paciente:

Patología	Modalidad	Tasa de error	Consecuencia del error	Causa dominante
Nódulo pulmonar incidental	Rx / TC	15-30%	Cáncer en estadio avanzado; pérdida de ventana curativa	Solapamiento estructural; tamaño <6mm; sesgo de omisión
Fractura de escafoides	Rx muñeca	10-20%	Necrosis avascular; artrosis; cirugía tardía compleja	Rx normal en fase aguda (<72h); error perceptivo
HSA (hemorragia subaracnoidea)	TC sin contraste	15-20%	Re-sangrado mortal; vasoespasmo severo	Hiperdensidad sutil; <24h evolución; interpretación cognitiva
ACV isquémico hiperagudo	TC sin contraste	30-50% en primeras 6h	Pérdida de ventana terapéutica (trombólisis, trombectomía)	Cambios sutiles (signo arteria MCA hiperdensa); perceptivo
Neumotórax parcial	Rx tórax	5-15%	Deterioro hemodinámico insidioso	Decúbito; volumen pequeño; error perceptivo en guardia
Disección aórtica	Rx tórax	10-20%	Rotura; muerte. Peor aún: anticoagulación posterior	Ensanchamiento mediastínico inespecífico; baja sospecha
Fractura vertebral osteoporótica	Rx / TC columna	30-40%	Dolor crónico; deformidad progresiva; nuevas fracturas	Confundida con cambios degenerativos; error cognitivo
Cáncer de mama en mamografía	Mamografía digital	10-15%	Diagnóstico en estadio avanzado; mortalidad evitable	Patrón sutil; mama densa; error perceptivo y cognitivo

Tabla 5. Patologías de mayor impacto por error en imágenes médicas. Fuentes: Elbahi et al. Cureus 2025; AHRQ 2023; Yang et al. iRadiology 2025.

7.4 La inteligencia artificial en imágenes: el campo más maduro

El campo de la IA en imágenes médicas es el más avanzado en términos de evidencia clínica y aprobación regulatoria. A mayo de 2024, la FDA había aprobado 882 dispositivos médicos que utilizan IA o aprendizaje automático, la mayoría en radiología y cardiología.^[27]

7.4.1 Detección de fractura

La revisión sistemática de Elbahi et al. (Cureus, septiembre 2025)^[26] sobre estudios 2020-2025 documenta:

• Los reader studies confirman que la asistencia de IA mejora la sensibilidad del radiólogo en un 6-8% sin pérdida de especificidad.
• El mayor rendimiento de la IA se observa en fracturas de extremidades (muñeca, tobillo, hombro), con sensibilidad de 92-97%.
• Los despliegues en el mundo real en servicios de urgencias muestran reducciones estadísticamente significativas en las discrepancias de informe y en el tiempo de estancia del paciente.
• Las plataformas OsteoDetect (FDA 510(k)) y BoneView (CE) están aprobadas. La guía de buena práctica del NICE (2024) recomienda el uso de detección de fractura por IA en urgencias.

7.4.2 Patología neurológica aguda

Para el ACV, los sistemas RapidAI y Viz.ai LVO analizan el angioTC cerebral y detectan la oclusión de gran vaso en segundos, enviando una notificación automática al neurólogo intervencionista antes de que el radiólogo haya emitido su informe. Estudios multicéntricos documentan una reducción de 20-28 minutos en el tiempo puerta-aguja y puerta-punción, que se traduce en reducción directa del daño neurológico final.^[28]

Para la hemorragia intracraneal, el sistema Aidoc Brain CT prioriza automáticamente los TC con hallazgos positivos en la lista de trabajo del radiólogo. En las guardias nocturnas —el momento de mayor riesgo de error perceptivo— esta priorización puede reducir el tiempo desde la adquisición del estudio hasta la intervención en 15-30 minutos.

7.4.3 El principio de la doble lectura humano + IA

El estudio de Google DeepMind sobre radiografías de tórax (Flamingo-CXR, Nature Medicine, 2025)^[29] halló que el 14% de los errores estaban presentes solo en los informes humanos, mientras que el 22,8% estaban solo en los informes de IA. La combinación de ambos —la doble lectura humano+IA— redujo la tasa de error clínicamente significativo al nivel más bajo medido en el estudio. Este resultado ilumina el modelo organizacional óptimo: la IA no reemplaza al radiólogo sino que actúa como un colega disponible las 24 horas.

📸  Principio de la doble lectura: la IA y el radiólogo cometen errores diferentes. La IA es superior en la detección sistemática de hallazgos sutiles pero comete errores en la contextualización clínica. El radiólogo es superior en la integración del contexto clínico pero comete errores perceptivos por fatiga. La combinación es superior a ambos por separado — este es el fundamento organizacional de la implementación de IA en radiología.

8. Comparativa integradora de los tres contextos

Dimensión	Internación	Servicio de Emergencias	Imágenes Médicas
Tasa de error dañino	0,7% ingresos / 249.900/año (EE.UU.) / 1 en 14 pacientes (BMJ 2024)	5,7% visitas / 7,4 millones/año (EE.UU.)	3-5% rutina; 20-40% urgentes nocturnas
Causa cognitiva dominante	Inercia diagnóstica + sesgo de atribución en paciente crónico complejo	Cierre prematuro + sobrecarga cognitiva + presión de tiempo	Error perceptivo (60-80%) + sesgo de satisfacción de búsqueda
Causa sistémica dominante	Handoffs deficientes + polimedicación + diagnóstico provisional no revisado	Datos incompletos + alert fatigue + ausencia de retroalimentación	Volumen excesivo + contexto clínico insuficiente + no hay segunda lectura rutinaria
Intervención IA más efectiva	Alerta precoz de deterioro (AUC 0,82-0,88) + LLMs como segunda opinión + CPOE con alertas	CDS tiempo real para Big 5 + síntesis NLP de HC + retroalimentación asincrónica	Deep learning (fractura, ACV, HIC, nódulo) + priorización automática + doble lectura
Evidencia de IA (2026)	Ensayo clínico aleatorizado en UCI (NCT07293078, 2025). LLMs superan a planta en estudios controlados.	Metaanálisis favorables. RapidAI/Viz.ai: reducción 20-28 min puerta-aguja.	882 dispositivos FDA aprobados (mayo 2024). +6-8% sensibilidad con IA asistida.
Principal riesgo de la IA	Automatización complaciente en planta. Confianza excesiva en el LLM.	Alert fatigue. 90% de alertas ignoradas. Sesgo en datos de entrenamiento.	Generalización a distintos equipos y poblaciones. Baja en sesgo racial.

Tabla 6. Comparativa integradora de los errores médicos y el rol de la IA en los tres contextos analizados.

9. Estrategias de prevención: del individuo al sistema

9.1 Intervenciones sobre los factores cognitivos

Las intervenciones exclusivamente educativas orientadas a la toma de conciencia de los sesgos tienen efecto limitado y no sostenido. Norman et al.^[7] demuestran que las estrategias más efectivas son las que se orientan a la reorganización del conocimiento más que al reconocimiento de los sesgos. Las técnicas con mayor evidencia incluyen:

• Metacognición activa: enseñar al clínico a detenerse y preguntarse explícitamente: ‘¿Qué diagnóstico estoy a punto de perder? ¿Este hallazgo encaja con mi hipótesis o la contradice?’
• El ‘tiempo de espera’ diagnóstico: implementar un período explícito en el que el diagnóstico es provisional y obliga a una segunda revisión antes de confirmar el alta o el plan.
• Diagnóstico diferencial estructurado: herramientas como la técnica SNAPPS (Summarize, Narrow, Analyze, Probe, Plan, Select) o las listas de diferencial estandarizadas por presentación clínica obligan al Sistema 2 a revisar al menos tres alternativas.
• Simulación y retroalimentación: la exposición repetida a casos donde el diagnóstico inicial era erróneo y análisis explícito de los mecanismos cognitivos involucrados genera aprendizaje más durable que la lectura teórica.

9.2 Intervenciones sobre el sistema

Las intervenciones sobre el sistema son las de mayor impacto poblacional porque actúan independientemente del nivel de formación o el estado de fatiga del profesional individual:

• CPOE con alertas de interacción y dosis: reducen el error de prescripción en un 50-80%. La eficacia depende criticamente de la especificidad de las alertas: sistemas con demasiadas alertas de baja especificidad producen alert fatigue.^[22]
• Protocolos de transferencia (SBAR, I-PASS): reducen los eventos adversos relacionados con handoffs en un 23-37% con implementación sistemática.^[11]
• Checklists de verificación: el Checklist Quirúirgico de la OMS reduce la mortalidad intrahospitalaria en un 47% en países de ingresos bajos. Las adaptaciones para UCI y emergencias muestran reducciones de eventos adversos del 30-50%.^[1]
• Sistemas de segunda opinión estructurada: la segunda lectura radiológica, la interconsulta obligatoria para patologías de alto riesgo y la revisión por pares de altas de urgencias con alta tasa de retorno son modelos con evidencia acumulada de impacto.
• Cultura de seguridad y reporte no punitivo: los sistemas que analizan los errores como oportunidades de aprendizaje en lugar de causas de sanción tienen tasas de reporte hasta 10 veces mayores, lo que permite identificar y corregir los problemas del sistema antes de que causen daño grave.^[1]

9.3 El rol específico de la inteligencia artificial

La IA actúa como amplificador del impacto de las estrategias previas cuando está bien integrada en el flujo de trabajo. Su contribución diferencial es la escalabilidad: puede actuar como segunda opinión, sistema de alerta y mecanismo de retroalimentación para todos los pacientes, en todos los turnos, sin fatiga ni sesgo de disponibilidad. Las condiciones para que esta contribución sea positiva y no negativa son:

• Validación local: el sistema debe estar validado en la población y el contexto en que se usará. Un algoritmo entrenado en EE.UU. puede tener rendimiento inferior en Argentina por diferencias en prevalencia, equipamiento y codificación.
• Integración en el flujo de trabajo real: la IA que interrumpe el flujo es ignorada. El resultado o la alerta debe aparecer en la pantalla que el médico ya está mirando, en el momento exacto en que es clínicamente relevante.
• Supervisión humana obligatoria: el Reglamento Europeo de IA (EU AI Act, agosto 2024)^[30] clasifica los sistemas de IA médica como de alto riesgo y establece la supervisión humana como requisito legal no negociable. La IA recomienda; el médico decide.
• Cultura de uso crítico: el mayor riesgo no es que la IA cometa errores sino que el médico deje de pensar críticamente porque ‘la IA dijo que no es nada’. La automatización complaciente puede cancelar todos los beneficios del sistema.

10. Discusión: los límites de la evidencia y las prioridades de acción

El campo de la seguridad del paciente y del error diagnóstico-terapéutico ha alcanzado, en la década 2020-2026, una madurez sin precedentes en términos de epidemiología, marcos conceptuales y herramientas de intervención. Sin embargo, persisten brechas significativas:

La baja generalizabilidad de la evidencia: la mayor parte de los estudios provienen de sistemas sanitarios de altos ingresos (EE.UU., Reino Unido, Holanda). Los datos sobre incidencia y causas del error en países de ingresos medianos —como Argentina y el resto de América Latina— son escasos. El Plan de Acción Global de la OMS 2021-2030 reconoce explícitamente esta brecha.^[1]

La subnotïicación sistemática: los sistemas de reporte voluntario capturan una fracción muy pequeña de los errores reales. La revisión de historias clínicas —el método más sensible— solo es factible en contextos de investigación. La digitalización masiva de la historia clínica abre una posibilidad nueva: el análisis automático de patrones que indica error (retorno en 72h, cambio de diagnóstico, transferencia inesperada a UCI) como proxy de error sistemático.

La dicotomía individuo-sistema: pese al consenso teórico sobre la naturaleza sistémica del error, la respuesta institucional sigue siendo frecuentemente punitiva e individual. El cambio cultural necesario para que el error sea visto como información valiosa sobre el sistema —y no como la falla de una persona— requiere liderazgo institucional sostenido, algo que la OMS identifica como ausente en el 75% de los países miembros.^[1]

La implementación de la IA: la brecha entre la evidencia en entornos controlados y el impacto real en la práctica es la más urgente de las brechas de la IA médica. Los estudios en el mundo real muestran resultados más modestos que los de investigación, no porque la herramienta sea menos eficaz sino porque su implementación en contextos reales es más compleja de lo que los estudios de evaluación pueden capturar.

11. Conclusiones

El error diagnóstico y el error terapéutico no son fenómenos marginales ni evitables mediante esfuerzo individual mayor. Son consecuencias predecibles —y en su mayor parte prevenibles— de la interacción entre capacidades cognitivas humanas normalmente limitadas y condiciones del sistema que las amplifican de forma persistente. La magnitud del problema —más de 3 millones de muertes anuales a escala global atribuibles a daño evitable en salud, según la OMS 2024— justifica considerarlo un problema de salud pública de primera línea.^[1]

De la revisión de la evidencia en los tres contextos analizados —internación, emergencias e imágenes— emergen las siguientes conclusiones integrativas:

• Los errores cognitivos son la causa dominante (70-80%) del error diagnóstico, pero los errores del sistema son sus condicionantes estructurales. Actuar solo sobre los primeros sin abordar los segundos produce mejoras pequeñas y no sostenidas.
• El error terapéutico es ubicuo y evitable: el 53% ocurre en la etapa de prescripción. Los sistemas de prescripción electrónica con alertas son la intervención de mayor impacto a menor costo. La OMS identifica como urgente la implementación de la iniciativa ‘Medication Without Harm’ en todos los contextos.
• La IA tiene impacto real y medible en el error en imágenes: más de 882 dispositivos FDA aprobados, mejora del 6-8% en sensibilidad del radiólogo, reductions de 20-28 min en tiempo puerta-aguja para ACV. En emergencias y en internación la evidencia es más reciente pero con trayectoria favorable.
• La IA no reemplaza al médico: es un potenciador cuando está integrada correctamente, con supervisión humana, en el flujo de trabajo real. El mayor riesgo es la automatización complaciente, no el error del algoritmo.
• La cultura organizacional es la condición previa: ningúna herramienta tecnológica ni ningún protocolo clínico produce impacto sostenido en una organización donde el error se castiga en lugar de analizarse. La OMS (2024) documenta que solo el 25% de los países miembros declaran tener una cultura de seguridad establecida.