El chequeador de interacciones de este
sitio no es «una IA que contesta preguntas de fármacos». Es un dataset de reglas clínicas
revisadas por un farmacéutico, y la IA sólo entra a resolver el par de fármacos que ese
dataset no cubre. Es una arquitectura distinta a la de un chat genérico, y
no saberlo cambia cómo se lee cada resultado que enseña la herramienta.
Lo esencial en una frase. Cuando el chequeador dice «comprobado y sin
interacción reseñable» sobre un par cubierto por el dataset, es una afirmación con la fuerza
de una revisión humana escrita por adelantado; cuando la misma frase sale de una llamada a la
IA en tiempo real, es una afirmación probabilística sobre ese caso concreto — y las dos se
leen exactamente igual en pantalla, sin ningún aviso que las distinga a simple vista.
Los tres orígenes posibles de un mismo resultado
| Origen | Qué significa de verdad |
|---|
| Regla del dataset curado. |
Alguien ha revisado ese par de fármacos —o ese grupo de fármacos, con su mecanismo
compartido— y ha escrito la regla a mano, con su gravedad y su «qué hacer»
específico. Es la fuente más fuerte de las tres. |
| «Comprobado y sin interacción», por cobertura. |
Los dos fármacos están en la lista de perfiles revisados y no hay ninguna regla que
los cruce entre sí. No es que la IA haya mirado y no haya encontrado nada: es que se
sabe que no hay nada, porque ambos perfiles ya están revisados. |
| Respuesta de la IA, por falta de regla. |
Ni el par ni al menos uno de los dos fármacos están cubiertos, así que se consulta
a un modelo en el momento. Es la única de las tres que lleva el riesgo de
alucinación de la lección de ese nombre, y el sitio lo marca explícitamente para que
se distinga de las otras dos. |
Cómo se distingue en pantalla, y por qué hay que mirarlo. El resultado dice
de dónde sale cada hallazgo: si es del «dataset clínico curado» o si «no estaba en nuestra
base, consulta asistida por IA, verifica en la ficha técnica». No es un adorno: es la
diferencia entre una fuente revisada y una respuesta de un modelo, y sólo se nota si se
lee esa etiqueta en vez de fijarse sólo en el resultado.
Por qué «estar cubierto» no es lo mismo que «estar mencionado»
Hay una trampa concreta en la que es fácil caer al pensar en esto, y merece la pena
nombrarla aparte porque no es intuitiva: que un fármaco aparezca en alguna regla del dataset
no significa que ese fármaco esté «cubierto» en general. La cobertura es una lista explícita
de perfiles que un farmacéutico ha revisado a fondo —«hemos mirado este fármaco contra las
familias de riesgo relevantes»—, no una deducción de que aparece por ahí en alguna parte.
La diferencia importa porque un fármaco puede salir en una sola regla —por ejemplo, su
interacción más conocida con un anticoagulante— sin que eso signifique que se ha revisado
contra el resto de familias de riesgo: sedantes, serotoninérgicos, otros anticoagulantes de
mecanismo distinto. Derivar cobertura general de una sola mención sería cómodo y daría una
sensación de seguridad que no se corresponde con lo que de verdad se ha comprobado.
Y hay otra pieza más sutil todavía: cuando dos fármacos pertenecen a la misma familia de
riesgo —dos anticoagulantes con mecanismos distintos, dos benzodiacepinas, dos IECA—, el
dataset tiene reglas específicas para cruzar miembros de la misma familia
entre sí, porque «cada uno por separado está bien vigilado» no es lo mismo que «los dos
juntos no se han cruzado nunca». Es exactamente el tipo de combinación que un chequeo
superficial pasaría por alto, y es donde el dataset curado de este sitio invierte más
cuidado.
Un ejemplo entero, con lo que falla
Se consulta una combinación de tres fármacos habituales en un paciente mayor: un IECA, un
diurético de asa y un antiinflamatorio comprado sin receta.
Lo que devuelve el chequeador
IECA + AINE: hallazgo Mayor, del dataset curado — reducción del efecto
antihipertensivo y riesgo de deterioro de la función renal, con su «qué hacer»
específico.
Diurético de asa + AINE: también hallazgo del dataset curado —
antagonismo del efecto diurético y mismo riesgo renal añadido, gravedad Moderada.
IECA + diurético de asa: «comprobado y sin interacción reseñable»,
marcado como par cubierto por perfiles revisados, no como respuesta de IA.
Y ahora, qué falla en leer los tres resultados igual:
- Los dos hallazgos con el AINE son la parte fuerte del resultado, y son del
dataset. Es exactamente el tipo de combinación que se cubre bien: efecto de
clase documentado, gravedad conocida, «qué hacer» concreto —revisar la necesidad real del
antiinflamatorio, no sólo avisar—.
- El «sin interacción» del tercer par NO es un hallazgo negativo de la IA,
es una consecuencia de que los dos fármacos ya están revisados por separado. La distinción
importa porque un negativo de cobertura es mucho más fiable que un negativo de una llamada
puntual a un modelo — y aquí el sitio lo marca así a propósito.
- Si alguno de los tres hubiera sido un fármaco muy nuevo, sin perfil en el
dataset, el patrón habría sido otro. El tercer par habría llevado la etiqueta de
IA, no la de cobertura, y eso obligaría a leerlo con más cautela y a contrastarlo en la
ficha técnica antes de darlo por definitivo — que es justo lo que la etiqueta está para
avisar.
- El resultado global sigue siendo fiable, y por el motivo correcto. No
porque «la IA lo haya comprobado todo», sino porque la mayor parte de lo relevante en este
caso concreto viene del dataset curado, y sólo hay que aplicar cautela extra donde el
origen lo pide.
Y si tu farmacia no es así
Si trabajáis mucho con fármacos de reciente comercialización. Vais a ver la
etiqueta de IA con más frecuencia que la media, simplemente porque el dataset curado tarda en
incorporar perfiles nuevos. No es un fallo de la herramienta: es la consecuencia lógica de
que revisar un perfil lleva tiempo humano, y merece la pena contrastar esos casos concretos
en CIMA con algo más de cuidado que el resto.
Si vuestros pacientes suelen tomar suplementos —vitaminas, minerales— junto con
fármacos. Muchas combinaciones de suplemento con suplemento ya están cubiertas
explícitamente en el dataset por lo habituales que son —dos de los pares más consultados del
sitio son justo de este tipo—, así que un «sin interacción» ahí suele ser de cobertura, no de
IA. Comprobadlo en la etiqueta si tenéis dudas, no lo deis por hecho sin mirar.
Si la consulta cruza muchos fármacos a la vez —revisión de un paciente
polimedicado. Con diez fármacos hay decenas de pares posibles, y es habitual que
convivan los tres orígenes en un mismo resultado: unos del dataset, otros de cobertura y
algún par suelto resuelto por IA. Fijaos especialmente en si algún par queda «sin comprobar»
—que es un cuarto estado, distinto de los tres de esta tabla— porque significa que ni
siquiera se pudo consultar, no que esté limpio.
Si usáis el chequeador para formar a alguien nuevo del equipo. Es un buen
momento para enseñar explícitamente esta distinción, porque quien no la conoce lee todo el
resultado como si viniera de la misma fuente y con la misma fiabilidad, que es justo el
malentendido que esta lección quiere evitar.
Si preferís preguntar directamente a un chat genérico en vez de usar el chequeador
del sitio. Perdéis exactamente la parte que más vale de la herramienta: el dataset
curado y la distinción de origen. Un chat genérico os contesta con el mismo tono seguro tanto
si el par está bien documentado como si no, sin ninguna de las dos señales que aquí sí
existen.
Si sois una farmacia que atiende mucho a pacientes con anticoagulación.
Prestad especial atención a los pares dentro de la misma familia de riesgo —dos
anticoagulantes de mecanismo distinto, un anticoagulante y un antiagregante—, porque son
justo el tipo de combinación que un chequeo hecho por encima, fármaco a fármaco por separado,
tiende a pasar por alto. El dataset curado invierte cuidado especial ahí precisamente por eso.
Cuando no sale a la primera
No veo ninguna etiqueta de origen en el resultado que me sale.
Comprueba si estás mirando el resumen o el detalle de cada hallazgo: la
etiqueta suele ir junto a cada par concreto, no en el titular general del resultado. Si
de verdad no aparece en ningún sitio, trata el resultado con la cautela del origen menos
fiable —como si fuera de IA— hasta confirmarlo.
¿Puedo fiarme más de un «sin interacción» de cobertura que de uno de
una regla explícita?
No son comparables de esa forma: una regla explícita te dice algo
concreto —hay o no hay interacción y por qué—, mientras que la cobertura sólo te dice que
los dos perfiles están revisados por separado y no hay ninguna regla que los cruce. Los dos
son fiables, pero contestan preguntas ligeramente distintas.
¿Por qué no está todo en el dataset curado y ya está, sin necesidad de
IA?
Porque el universo de combinaciones posibles es enorme y crece cada vez
que sale un fármaco nuevo, mientras que revisar y escribir una regla lleva tiempo humano de
verdad. El sitio prioriza cubrir primero los pares más consultados —es un trabajo medido y
documentado— y usa la IA como red para lo que aún no ha llegado a cubrirse, no como
sustituto del dataset.
Un par que antes salía como IA ahora sale como dataset curado. ¿Ha
cambiado algo?
Sí: es exactamente el proceso de ampliar la cobertura funcionando como
se espera. Cuantos más pares se revisan y se añaden como regla explícita, menos casos caen
en la IA por defecto — es una mejora progresiva de la herramienta, no un error de que antes
estuviera distinto.
¿Esta distinción de dataset frente a IA existe también en otras
herramientas del sitio, o sólo en el chequeador?
El vademécum y la herramienta de embarazo y lactancia siguen el mismo
principio: primero el dato revisado, y sólo si no está, la IA como respaldo con su propio
aviso. Es el mismo criterio aplicado en varios sitios, no una excepción de esta única
herramienta.
Un fármaco aparece en una regla, ¿puedo asumir que está cubierto
contra todo lo demás?
No. Aparecer en una regla es distinto de estar en la lista de perfiles
revisados a fondo. Si tienes dudas sobre si un fármaco concreto está cubierto de verdad,
trata cualquier par con él que salga «sin interacción» con la misma cautela que si viniera
marcado como IA, hasta comprobar la ficha técnica.
¿Y si dos pares dan resultados que parecen contradecirse entre sí?
Mira primero el origen de cada uno antes de asumir un error: es
habitual que un par del dataset con gravedad Mayor conviva con otro par cercano, del mismo
caso, marcado como «sin interacción por cobertura» — no son contradictorios, son dos
preguntas distintas con respuestas distintas. Si de verdad parecen incompatibles entre sí
con el mismo origen, es un caso para comprobar directamente en la ficha técnica antes de
actuar sobre ninguno de los dos.
Antes de dar esto por aprendido
- Sé que el chequeador tiene tres orígenes posibles de resultado, no uno solo.
- Leo la etiqueta de origen de cada hallazgo, no sólo el hallazgo en sí.
- Sé que «sin interacción por cobertura» no es lo mismo que «sin interacción por una
regla explícita», aunque las dos sean fiables.
- Trato con más cautela cualquier par marcado como respuesta de IA, y lo contrasto en la
ficha técnica.
- Sé que un fármaco mencionado en una sola regla no es lo mismo que un fármaco cubierto de
verdad contra todo lo demás.
← Repasar: revisión de la medicación
Siguiente: preparar la entrevista con el paciente →
← Volver a la Escuela IA