Un estudio concluye que la IA podría reducir los costos del cribado de la tuberculosis en las zonas rurales de Filipinas

Un estudio de investigadores del Ateneo sugiere que la inteligencia artificial podría abaratar el cribado de la tuberculosis en las zonas rurales de Filipinas, donde el acceso a especialistas médicos sigue siendo limitado. Sus resultados no respaldan una adopción inmediata a escala nacional, pero apuntan a realizar pruebas específicas en comunidades que tienen dificultades para acceder oportunamente a servicios de radiología.

La investigación, reseñada por medicalxpress.com, examinó el valor económico de utilizar IA para interpretar radiografías de tórax tomadas durante el cribado de la tuberculosis. Los resultados fueron publicados en la edición de agosto de 2026 de BMC Health Services Research por Harold Henrison Chiu, Bryan Christopher Lao y Gloanne C. Adolor.

La tuberculosis es un importante problema de salud pública en Filipinas. La Organización Mundial de la Salud estimó que 739.000 personas del país desarrollaron la enfermedad en 2024. Esa cifra representó el 6,8 % de los 10,8 millones de casos de tuberculosis registrados en todo el mundo ese año.

Un diagnóstico temprano puede permitir iniciar el tratamiento antes de que la enfermedad se agrave o cause daños permanentes. Sin embargo, los pacientes de zonas geográficamente aisladas pueden enfrentarse a varios obstáculos incluso después de llegar a un centro capaz de realizar una radiografía. Es posible que no haya un radiólogo o un servicio de telerradiología disponible de inmediato, lo que obliga a los pacientes a hacer otro viaje, gastar más dinero o perder tiempo de trabajo. Las demoras también pueden interrumpir el proceso de obtención de atención de seguimiento.

Qué comparó el modelo

Los investigadores construyeron un modelo de decisión en torno a un grupo hipotético de 1.000 pacientes con sospecha de tuberculosis. Se asumió que cada paciente se sometería a una radiografía de tórax en una unidad de salud rural, y el análisis siguió los costos y resultados proyectados durante cinco años.

La comparación incluyó dos enfoques: la interpretación asistida por IA y la lectura manual convencional. Los investigadores incluyeron el precio del software de IA, los costos operativos, los honorarios por la interpretación de un radiólogo y las pruebas confirmatorias GeneXpert. Estas últimas siguen siendo necesarias porque una evaluación de rayos X asistida por IA no establece por sí sola un diagnóstico definitivo de tuberculosis.

Según los supuestos principales del estudio, el enfoque asistido por IA costaría alrededor de Php 877,330 al año para el grupo de 1.000 personas. Se estimó que la interpretación manual costaría aproximadamente Php 1,14 millones. Por paciente, las cifras equivalían a unos Php 877 con asistencia de IA y Php 1,142 con lectura manual.

Por tanto, el modelo concluyó que la estrategia de IA era la opción más barata. Sin embargo, el argumento de los investigadores va más allá de comparar el software y los honorarios profesionales. En lugares donde escasean los conocimientos especializados, la IA podría ofrecer una forma de acercar el apoyo radiológico a los pacientes, en lugar de obligar a que cada imagen espere la evaluación de un especialista distante.

Por qué importan las condiciones locales

El posible beneficio depende en gran medida de cómo se introduzca la tecnología. Los investigadores señalaron que la IA podría incorporarse a los programas existentes contra la tuberculosis mediante equipos portátiles de rayos X digitales y sistemas capaces de funcionar con una conectividad limitada a internet. Un sistema de este tipo podría llevar el cribado a comunidades desatendidas y reducir las barreras geográficas que dificultan el diagnóstico.

Los resultados no fueron uniformemente favorables bajo todos los supuestos. Cuando el análisis utilizó un honorario menor para la interpretación manual o de telerradiología, o aplicó estimaciones del desempeño diagnóstico procedentes de un contexto filipino, la IA siguió siendo más eficaz, pero no siempre fue la opción menos costosa.

Ese hallazgo limita la amplitud con la que puede aplicarse la comparación de costos destacada. El estudio se basa en una cohorte teórica de pacientes y en supuestos sobre los gastos y la precisión diagnóstica. Los resultados reales podrían variar entre unidades de salud según el personal, la conectividad, los equipos, los honorarios por lectura y el desempeño del sistema de IA en las condiciones locales.

Los investigadores también subrayaron que la IA no eliminaría la necesidad de realizar pruebas confirmatorias. Una evaluación positiva o sospechosa de una radiografía de tórax aún tendría que ir seguida de una prueba GeneXpert, lo que añadiría tanto gastos como un paso más al proceso diagnóstico.

Un argumento a favor de proyectos piloto cuidadosamente evaluados

En lugar de recomendar una implementación inmediata a escala nacional, el estudio pide proyectos piloto en unidades de salud rurales desatendidas seleccionadas. Esas pruebas podrían determinar si los ahorros y beneficios diagnósticos proyectados se materializan en la práctica habitual, y al mismo tiempo identificar problemas técnicos u operativos que quizá no sean visibles en un modelo teórico.

El enfoque propuesto incluye validación local, garantía de calidad, seguimiento continuo y una evaluación de los presupuestos disponibles. Estas salvaguardas ayudarían a determinar si la IA puede funcionar de forma fiable dentro de los servicios existentes contra la tuberculosis, en lugar de convertirse en una iniciativa tecnológica independiente con un respaldo incierto a largo plazo.

Para los investigadores, la cuestión central no es simplemente si una máquina puede igualar o ayudar a un radiólogo. Es si un apoyo de nivel especializado puede llegar a comunidades donde la atención de especialistas es escasa, a un costo que los servicios de salud puedan mantener. En ese sentido, el estudio presenta la IA como una posible herramienta para reducir el acceso desigual, pero solo si su implementación se guía por la evidencia local y las necesidades de los pacientes rurales.