IA en enfermedades raras pediátricas: la revisión de 2026

La revisión sobre IA en enfermedades raras pediátricas publicada el 28 de agosto de 2026 en el Journal of Medical Internet Research es probablemente el documento más útil que puede leer este año una familia en pleno peregrinaje diagnóstico, y no porque traiga buenas noticias. Zhao, Luo, Li y Chen mapearon 81 estudios de aprendizaje automático, modelos de lenguaje grandes e IA multimodal usados para diagnosticar enfermedades raras en niños. Su hallazgo central es una brecha: el volumen de publicaciones explota y la madurez de la evidencia no. Dos tercios de los estudios salieron entre 2024 y 2026. Solo 25,9% probó su modelo con datos de fuera de la institución que lo construyó. Esa combinación te dice exactamente qué preguntar cuando un hospital menciona IA.

Puntos clave

• La revisión cubre 81 estudios: 46,9% aprendizaje automático clásico, 22,2% IA de análisis facial, 18,5% aprendizaje profundo, 7,4% modelos de lenguaje grandes, 4,9% multimodal.
• La calidad de la evidencia es el eslabón débil. 76,5% de los estudios tuvo componentes retrospectivos, 93,8% reportó solo validación interna, 25,9% incluyó validación externa, 14,8% tuvo componentes prospectivos y 12,3% comparó la salida de la IA con médicos.
• Los modelos de lenguaje rindieron mal con solo reportes de casos raros: precisión top-1 de 8,2% a 13,1%. Con resultados de laboratorio disponibles, la precisión de confirmación diagnóstica subió hasta 64,2%.
• Los mejores resultados se concentran en tareas estrechas y con imágenes. Los modelos de atresia biliar (4 estudios) rindieron bien en bases de datos independientes; la IA facial reportó con frecuencia alta precisión para síndromes seleccionados.
• Haz tres preguntas: ¿se validó fuera de este hospital?, ¿se comparó con un médico?, ¿se probó hacia adelante o solo con expedientes viejos?

Qué es una revisión de alcance y qué encontró esta

Una revisión de alcance (scoping review) es un mapeo estructurado de un área completa de investigación: documenta qué se ha estudiado y cómo, en lugar de promediar resultados en un solo número. La revisión del 28 de agosto de 2026 de Jungang Zhao, Jiawei Luo, Qiu Li y Yaolong Chen apareció en el Journal of Medical Internet Research (vol. 28, e96169) con el título “Machine Learning, Large Language Models, and Multimodal AI for Diagnosing Pediatric Rare Diseases: Scoping Review”. Los autores buscaron hasta el 1 de junio de 2026 e incluyeron 81 estudios: 77 de bases de datos y 4 de búsqueda manual y servidores de preprints.

A propósito no promediaron las cifras de desempeño. Las tareas eran demasiado distintas. Esa cautela ya es información: cuando los estudios de un campo no se pueden combinar, el campo es joven.

Así se ve el panorama. El aprendizaje automático clásico domina con 38 estudios. La IA facial, que analiza fotografías del rostro de un niño buscando rasgos sutiles asociados con ciertos síndromes genéticos, suma 18. El aprendizaje profundo suma 15. Los modelos de lenguaje grandes, la categoría más conocida, suman 6. Los sistemas multimodales que combinan imágenes, texto y laboratorio suman 4.

La cobertura de enfermedades está fragmentada. La atresia biliar, una condición hepática de bebés donde los conductos biliares están bloqueados, fue la enfermedad más estudiada con cuatro artículos. Todo lo demás aparece en uno o dos: enfermedades metabólicas hereditarias, tamizaje neonatal, errores innatos de la inmunidad, trastornos esqueléticos y craneofaciales, condiciones neurológicas. Existen más de 10.000 enfermedades raras conocidas y, según el Centro Nacional para el Avance de las Ciencias Traslacionales de los NIH, solo unos cientos tienen tratamientos seguros y efectivos. La sección de preguntas frecuentes sobre enfermedades raras del NHGRI es el mejor punto de partida en lenguaje claro si el diagnóstico es nuevo para tu familia.

Los cuatro números que dicen cuánto confiar en cualquier IA médica

La tabla de métodos de la revisión es donde está la lección real. Cuatro porcentajes, cada uno respondiendo una pregunta distinta sobre si un resultado va a sostenerse.

76,5% tuvo componentes retrospectivos. Retrospectivo significa que el modelo se probó con expedientes que ya existían. El desenlace ya se conocía cuando se recolectaron los datos. Es la forma de evidencia más barata y más débil, porque los datos están limpios, las etiquetas son finales y nada del flujo de trabajo cambió de verdad.

93,8% reportó solo validación interna. Validación interna significa que el modelo se probó con datos del mismo sistema hospitalario donde se entrenó. Los modelos aprenden peculiaridades locales: qué escáner se usó, cómo se escriben las notas en ese hospital, qué pacientes llegan derivados. Un modelo que funciona con datos internos y falla afuera es el fracaso más común de la IA médica.

25,9% incluyó validación externa. Solo uno de cada cuatro estudios probó con datos de otra institución. Ese es el número que importa para saber si una herramienta funcionaría en el hospital de tu hijo.

12,3% comparó resultados con médicos. Menos de uno de cada ocho estudios hizo la pregunta obvia: ¿esto es mejor que un doctor? Sin esa comparación, “90% de precisión” no significa nada. Un médico podría tener 95% en los mismos casos.

Y 14,8% tuvo componentes prospectivos, es decir, el modelo se probó hacia adelante con pacientes nuevos a medida que llegaban. Ese es el diseño que más se parece al uso real.

Dónde están realmente los modelos de lenguaje

Esta es la parte que debería recalibrar a cualquiera que haya escrito los síntomas de su hijo en un chatbot. En los seis estudios de modelos de lenguaje de la revisión, la precisión top-1 con reportes de casos pediátricos raros fue de 8,2% a 13,1%. Top-1 significa que el diagnóstico correcto fue la primera respuesta del modelo. O sea: acertar en el primer intento entre una de cada doce y una de cada ocho veces.

El desempeño mejoró bastante cuando había resultados de estudios disponibles, llegando hasta 64,2% para confirmación diagnóstica. Lee eso con cuidado. Confirmar es una tarea distinta de descubrir. Con laboratorios, imágenes y una lista corta, el modelo es decente para decir cuál candidato encaja. Con solo un relato de síntomas, casi siempre se equivoca.

Esa distinción explica el único resultado pediátrico genuinamente alentador de 2026. En el Boston Children’s Hospital, investigadores le dieron al modelo o3 Deep Research de OpenAI notas clínicas, descripciones de síntomas y listas filtradas de genes de casos sin diagnóstico, e identificaron 18 diagnósticos nuevos de 376 casos analizados, publicado en NEJM AI. Catherine Brownstein, directora científica del Manton Center for Orphan Disease Research, le dijo a NBC News: “Logró casi 5% de diagnósticos nuevos… pero considerando cuántas veces ya se habían analizado, ese número es enorme, y cada uno significa una respuesta para una familia”.

Fíjate en el montaje. Listas de genes filtradas. Casos ya analizados muchas veces por expertos humanos. Revisión rigurosa de cada salida. Eso es IA como segundo lector en casos difíciles, con datos genómicos en mano. No es un chatbot leyendo una lista de síntomas. Nuestra nota sobre cómo ya se usa la IA en el diagnóstico pediátrico profundiza en eso.

¿Y en América Latina?

La revisión señala una concentración geográfica que importa mucho aquí: China y Estados Unidos aportaron 28,4% de los estudios cada uno, y hubo muy pocos de entornos con pocos recursos. Un modelo entrenado sobre poblaciones pediátricas chinas y estadounidenses puede no transferirse a una clínica en Lima, Bogotá o Ciudad de México. La IA de análisis facial tiene además un historial documentado de rendir de forma desigual según la ascendencia, y las poblaciones mestizas e indígenas de la región están sistemáticamente subrepresentadas en los conjuntos de entrenamiento.

Eso vuelve la pregunta de validación externa todavía más importante para una familia latinoamericana. Si un hospital privado en Santiago o Monterrey ofrece un tamizaje asistido por IA, la pregunta correcta no es “¿qué precisión tiene?” sino “¿se validó con pacientes parecidos a mi hijo?”.

Hay también una razón para el optimismo moderado. Las enfermedades raras enfrentan en la región los mismos cuellos de botella que en todo el mundo (pocos genetistas, largas esperas, pruebas caras), y una herramienta que ayude a priorizar casos puede tener más valor relativo donde hay menos especialistas. Chile, Argentina, Colombia y México tienen registros de enfermedades poco frecuentes y leyes específicas; participar en ellos es lo que eventualmente permite validar modelos con datos locales.

Cómo enseñarle esto a tu hijo

Los conceptos son validación, comparación y honestidad sobre la incertidumbre. Los niños los entienden más rápido que muchos adultos.

De 5 a 8 años: la prueba de adivinar el animal

Jueguen a las veinte preguntas: tú piensas en un animal y tu hijo adivina. Después cambia la regla: tiene que adivinar después de solo tres preguntas. Cuenten cuántas veces acierta al primer intento. Luego dile: “Los ayudantes de computadora de los doctores son así. Cuando reciben poca información aciertan más o menos una de cada diez veces. Cuando reciben más pistas, mejoran mucho”. La idea es que el mismo ayudante puede ser bueno o malo según cuánto le cuentes.

De 9 a 12 años: la misma prueba, otra escuela

Dale a tu hijo diez acertijos que resuelva fácil. Luego pásale los mismos acertijos a un primo o a un amigo que no estuvo cuando los hicieron. ¿Funcionaron igual de bien? Normalmente no, porque tu hijo aprendió tu estilo. Ahora ponle nombre: “Eso se llama validación interna contra validación externa. Probar algo solo con el grupo del que aprendió lo hace parecer más listo de lo que es”. Y dale el número real: en la revisión de 2026, 93,8% de los estudios probó solo con datos de su propio hospital.

De 13 en adelante: auditar un resumen

Que tu hijo abra la revisión de alcance y encuentre cuatro cosas en el resumen: cuántos estudios se incluyeron, el porcentaje con validación externa, el porcentaje comparado con médicos y el rango de precisión top-1 de los modelos de lenguaje. Luego que escriba dos oraciones sobre por qué los autores decidieron no promediar las cifras de desempeño. Es un ejercicio real de lectura de evidencia médica y le sirve para cualquier afirmación de salud que encuentre.

La pregunta que debes hacer: “Si una computadora acierta el 90% de las veces, ¿qué más necesitas saber antes de confiar en ella?”

Método por método: qué sostiene la evidencia y dónde es débil

Método de IA	Parte de los 81 estudios	Uso mejor respaldado	Qué falta todavía
Aprendizaje automático clásico	46,9% (38)	Datos estructurados de expedientes y laboratorio; tamizaje	Casi todo retrospectivo y de un solo sitio
IA de análisis facial	22,2% (18)	Alta precisión reportada para síndromes genéticos seleccionados	Desempeño desigual según ascendencia; consentimiento y privacidad de fotos
Aprendizaje profundo	18,5% (15)	Imágenes y señales fisiológicas; atresia biliar rindió bien en datos independientes	Pocos ensayos prospectivos
Modelos de lenguaje grandes	7,4% (6)	Confirmación diagnóstica cuando hay laboratorios (hasta 64,2%)	Precisión top-1 de 8,2–13,1% solo con reportes de caso
IA multimodal	4,9% (4)	Tamizaje neonatal con alta sensibilidad y menos falsos positivos	Solo cuatro estudios; sin replicación externa a escala
Todos los métodos	81 estudios	Diagnóstico diferencial (49,4%), tamizaje (38,3%), clasificación (37%)	Solo 25,9% validado externamente; 12,3% comparado con médicos

Un detalle más que los propios autores señalan: no hicieron una evaluación formal de riesgo de sesgo y dos artículos incluidos eran preprints. La revisión mapea el panorama con honestidad, incluidos sus propios límites.

Qué hacer en casa si tu familia está en un peregrinaje diagnóstico

Haz las tres preguntas de validación

Cuando un médico o un hospital mencione una herramienta de IA, pregunta: ¿se validó con datos de fuera de esta institución?, ¿se comparó su salida con médicos en los mismos casos?, ¿se probó de forma prospectiva con pacientes nuevos? Un buen equipo tendrá respuestas o te dirá con claridad que no. Ambas respuestas sirven. La vaguedad es la señal de alerta.

Lleva datos, no solo una lista de síntomas

Los números lo vuelven concreto. Los relatos de síntomas solos producen precisión top-1 del 8 al 13%. Los resultados de estudios empujan la confirmación hacia 64%. Mantén un solo archivo ordenado con valores de laboratorio, informes de imágenes y resultados genéticos. Ese archivo vuelve más precisa a cualquier herramienta, humana o de máquina.

Usa la IA para preparar preguntas, no para llegar a conclusiones

Nuestra guía sobre cuándo la IA escribe por tu hijo aplica también aquí: un chatbot sirve de verdad para traducir un informe de genética a lenguaje claro y para generar una lista de cosas que preguntar en la próxima cita. Es malo para nombrar una enfermedad rara a partir de síntomas. Son trabajos distintos y los números de la revisión los separan con claridad.

Pregunta por el consentimiento de fotos antes de un tamizaje facial

La IA facial es 22% de esta literatura y muchas veces funciona bien para síndromes específicos. Vale revisar la página de la FDA sobre dispositivos médicos habilitados con IA para saber qué revisión regulatoria tuvo (o no) una herramienta clínica. También significa que una fotografía del rostro de tu hijo se convierte en dato biométrico. Pregunta quién la guarda, por cuánto tiempo y si se usa para entrenar modelos futuros. Tienes derecho a una respuesta clara.

Lo que no debes hacer

No dejes que “la IA encontró 18 diagnósticos en Boston Children’s” se convierta en “la IA puede diagnosticar a mi hijo”. Ese proyecto usó datos genómicos filtrados, casos ya analizados y revisión experta de cada salida. Y tampoco te vayas al otro extremo: una herramienta que plantee una segunda posibilidad que un médico cansado no consideró tiene valor real incluso con precisión modesta, siempre que una persona la revise.

Qué observar en los próximos 3 meses

• Semana 4: puedes nombrar las tres preguntas de validación sin consultarlas y ya hiciste al menos una en una cita.
• Señales de alerta en el mes 2: un médico cita la precisión de una herramienta de IA pero no sabe si se validó externamente. O te descubres confiando más en la suposición de un chatbot que en el diagnóstico diferencial de un especialista.
• Autoevaluación del mes 3: tu archivo de datos existe y está al día. Tu hijo puede explicar con sus palabras por qué probar un modelo solo donde se construyó lo hace parecer más listo de lo que es.

Preguntas frecuentes

¿La IA puede diagnosticar la enfermedad rara de mi hijo?

No por sí sola, según esta evidencia. Los modelos de lenguaje que recibieron solo relatos de casos acertaron en el primer intento entre 8,2% y 13,1% de las veces. Con resultados de estudios disponibles, la precisión de confirmación llegó hasta 64,2%. Hoy la IA funciona como segundo lector para médicos que ya tienen datos en mano.

¿Cuál es la diferencia entre validación interna y externa?

La validación interna prueba un modelo con datos de la misma institución que lo entrenó. La externa lo prueba en otro lugar. Los modelos aprenden patrones locales (un escáner específico, un estilo de documentación) que no se transfieren, así que los resultados solo internos exageran el desempeño real. En esta revisión, 93,8% reportó solo validación interna.

¿Debo subir la foto de mi hijo a una app que identifica síndromes?

Con cautela. La IA de análisis facial fue 22,2% de los estudios y reporta con frecuencia alta precisión para síndromes seleccionados, pero una foto del rostro es dato biométrico. Pregúntale a cualquier programa clínico quién la guarda, cuánto tiempo y si entrena modelos futuros. Las apps de consumo fuera de un entorno clínico merecen más escepticismo.

¿Por qué esta revisión suena tan negativa sobre la IA?

No es negativa; está calibrada. Los autores documentan un crecimiento rápido, con 67,9% de los estudios publicados entre 2024 y 2026, junto a una madurez de evidencia que no siguió el ritmo. Es una etapa normal en un campo joven. Nombrar la brecha es la forma de cerrarla.

¿Qué fue exactamente el resultado de Boston Children’s?

Investigadores que usaron o3 Deep Research de OpenAI en 376 casos sin diagnóstico identificaron 18 diagnósticos nuevos, publicado en NEJM AI: 10 del neurodesarrollo, 4 neuromusculares, 2 muertes súbitas inexplicadas y 2 psicosis de la primera infancia. Cerca del 5%, sobre casos que expertos humanos ya habían analizado varias veces, con notas clínicas y listas de genes filtradas provistas y revisión humana de cada resultado.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Zhao, J., Luo, J., Li, Q., y Chen, Y. (2026, 28 de agosto). “Machine Learning, Large Language Models, and Multimodal AI for Diagnosing Pediatric Rare Diseases: Scoping Review.” Journal of Medical Internet Research, 28, e96169. https://pmc.ncbi.nlm.nih.gov/articles/PMC13524366/
2. NBC News. (2026, 18 de junio). “AI helped Boston Children’s Hospital diagnose rare diseases in kids.” https://www.nbcnews.com/tech/innovation/ai-boston-childrens-hospital-diagnose-rare-diseases-kids-openai-rcna350387
3. National Center for Advancing Translational Sciences (NIH). “Our Impact: Rare Diseases.” https://ncats.nih.gov/research/our-impact/our-impact-rare-diseases
4. National Human Genome Research Institute. “Rare Diseases FAQ.” https://www.genome.gov/FAQ/Rare-Diseases
5. Medical Xpress. (2026, febrero). “DeepRare AI outperforms doctors in rare disease diagnosis.” https://medicalxpress.com/news/2026-02-deeprare-ai-outperforms-doctors-rare.html
6. U.S. Food and Drug Administration. (2026). “Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices.” https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices
7. UNESCO. “UNESCO lanza el Observatorio de Inteligencia Artificial en la Educación para América Latina y el Caribe.” https://www.unesco.org/en/articles/unesco-launches-observatory-artificial-intelligence-education-latin-america-and-caribbean