Cartas al editor

M. Antoñón Rodríguez – Hospital Universitario de Torrejón. Torrejón de Ardoz, Madrid

Pediatr Integral 2026; XXX(2)

Sordera digital, el riesgo de la nueva semiología

Estimado editor:

He leído con gran interés el artículo Semiología respiratoria, publicado por las doctoras Ridao Redondo y Ridao Ortiz. Es de agradecer una puesta al día que, no solo refuerza las bases de la exploración física, sino que se adelanta el futuro de la práctica médica con la llegada de la digitalización y la inteligencia artificial (IA).

Las autoras señalan que la incorporación de algoritmos y aplicaciones inteligentes permitiría mejorar y estandarizar los resultados en las consultas de Atención Primaria (AP). Estudios recientes respaldan estos datos. Plataformas como StethAid© y Eko CORE® han alcanzado una alta sensibilidad y especificidad en la detección de sibilancias, mientras que análisis con fonendoscopios digitales muestran concordancia del 79,3 % comparados con la auscultación tradicional(1).

No obstante, la estandarización plantea un desafío ético y logístico que merece una reflexión dado el riesgo de una nueva brecha digital en la pediatría de AP. Si bien su artículo menciona que estas herramientas facilitarían el acceso a familias en zonas remotas mediante el empleo de telemedicina y la autoauscultación guiada, existe el peligro de que la tecnología se convierta en un factor de inequidad. El despliegue de plataformas de simulación avanzada requiere una inversión que no todos los centros de salud pueden asumir en la actualidad. La Academia Americana de Pediatría (AAP) ya ha documentado que las barreras financieras limitan tanto el acceso a estos dispositivos como a la conectividad, especialmente en poblaciones rurales y/o aisladas. Los proveedores que atienden a estas comunidades también presentan esta carencia de recursos, lo que perpetúa a su vez las disparidades existentes(2).

El uso de dispositivos inteligentes no regulados presenta otro riesgo importante. La ausencia de validación externa puede llevar a errores diagnósticos y sesgos algorítmicos, especialmente cuando el modelo no incluye variabilidad poblacional. Existe una preocupación en aumento sobre la dependencia tecnológica, la pérdida de habilidad técnica y la tendencia de la IA a generar información falsa (alucinaciones)(3). También persisten desafíos éticos y legales sobre responsabilidad, protección de datos o transparencia, que requieren marcos regulatorios antes de la implementación generalizada de la IA.

La globalización da lugar a un uso cada vez más extendido. La falsa detección temprana por parte de las familias mediante aplicaciones móviles podría derivar en un aumento de la demanda y una sobrecarga de consultas por falsos positivos generados por algoritmos en fase de validación(4). La implementación precipitada de tecnologías sin evidencia robusta puede generar pruebas innecesarias y aumentar la carga de los profesionales de la salud.

En conclusión, aunque la tecnología es un aliado, su implementación debe ir acompañada de un compromiso institucional que garantice que estos avances lleguen a toda la población. Como bien señalan las autoras, ninguna tecnología debe reemplazar el conocimiento de la semiología básica. El aprendizaje asistido por IA debe incluir validación por expertos humanos, evitando que profesionales en formación desarrollen una dependencia tecnológica y asegurando competencias independientes. La equidad en el acceso a estos avances debe ser una prioridad ética y operativa en la transformación digital de la medicina.

Bibliografía

1. Kraman SS, Pasterkamp H, Wodicka GR. Smart Devices Are Poised to Revolutionize the Usefulness of Respiratory Sounds. Chest. 2023; 163: 1519-28. Disponible en: https://doi.org/10.1016/j.chest.2023.01.024.

2. Curfman A, Hackell JM, Herendeen NE, Alexander J, Marcin JP, Moskowitz WB, et al. Telehealth: Opportunities to Improve Access, Quality, and Cost in Pediatric Care. Pediatrics. 2022; 149: e2021056035. Disponible en: https://doi.org/10.1542/peds.2021-056035.

3. Ruchonnet-Métrailler I, Siebert JN, Hartley MA, Lacroix L. Automated Interpretation of Lung Sounds by Deep Learning in Children With Asthma: Scoping Review and Strengths, Weaknesses, Opportunities, and Threats Analysis. J Med Internet Res. 2024; 26: e53662. Disponible en: https://doi.org/10.2196/53662.

4. Martinez-Millana A, Saez-Saez A, Tornero-Costa R, Azzopardi-Muscat N, Traver V, Novillo-Ortiz D. Artificial intelligence and its impact on the domains of universal health coverage, health emergencies and health promotion: An overview of systematic reviews. Int J Med Inform. 2022; 166: 104855. Disponible en: https://doi.org/10.1016/j.ijmedinf.2022.104855.