# Un estudio revela que los LLM suelen pasar por alto guías médicas actualizadas

> Investigadores muestran que los modelos de lenguaje grandes reconocen las nuevas recomendaciones médicas, pero a menudo no las aplican correctamente.

Oossa · 2026-10-23 · https://oossa.com/es/study-finds-llms-often-miss-updated-medical-guidelines

Un nuevo artículo publicado en arXiv el 23 de octubre de 2026 analiza hasta qué punto los modelos de lenguaje grandes (LLM, por sus siglas en inglés, el tipo de IA que está detrás de herramientas como ChatGPT) siguen los cambios en las guías médicas. Los autores crearon un conjunto de pruebas llamado ChronoEvo, con 1,709 revisiones específicas de guías que abarcan 12 tipos de cambios en el conocimiento médico. Pidieron a 14 LLM distintos que respondieran preguntas clínicas basándose en las recomendaciones actualizadas.

## Qué revelaron las pruebas

El modelo principal del estudio reconoció que una guía se había revisado en el 90.8% de los casos y dio una respuesta clínicamente correcta en el 80.2%. Sin embargo, solo incorporó por completo la nueva recomendación en el 58.5% de sus respuestas. Esto deja una brecha de 32.3 puntos porcentuales entre reconocer un cambio y aplicar realmente las nuevas recomendaciones. La misma brecha apareció en los otros 13 modelos evaluados.

Dos profesionales clínicos también revisaron 300 respuestas de los modelos y detectaron una deficiencia similar: una brecha de 40.3 puntos porcentuales entre reconocer las revisiones y aplicarlas por completo. El estudio señala que es especialmente probable que los cambios que modifican la fuerza de una recomendación o determinan qué pacientes pueden recibirla den lugar a respuestas del modelo con recomendaciones desactualizadas.

Los autores probaron un ajuste de «énfasis en las revisiones» que destaca la parte actualizada de una guía. Esto redujo la cantidad de información obsoleta que el modelo mantenía y mejoró la corrección clínica general, pero no cerró la brecha en la incorporación completa de las nuevas recomendaciones.

## Por qué importa

Para los médicos o pacientes que podrían confiar en la IA para obtener consejos médicos, el hallazgo significa que incluso los modelos actualizados pueden seguir sugiriendo tratamientos obsoletos. Los usuarios deben verificar las recomendaciones médicas generadas por IA con las guías oficiales vigentes.

## Los hechos

- El artículo se publicó en arXiv el 23 de octubre de 2026.
- ChronoEvo contiene 1,709 revisiones de guías que abarcan 12 tipos de cambios en el conocimiento médico.
- El modelo principal reconoció las revisiones en el 90.8% de los casos y fue clínicamente correcto en el 80.2%, pero incorporó por completo las recomendaciones solo el 58.5% de las veces.
- En los 14 modelos, persistió una brecha de unos 32 puntos porcentuales entre reconocer e incorporar los cambios.
- La revisión clínica de 300 respuestas mostró una brecha de 40.3 puntos porcentuales en la muestra evaluada.

## Por qué importa

Los médicos y pacientes que usan herramientas de IA pueden recibir consejos engañosos que parecen actuales, pero que aún reflejan guías antiguas. El estudio muestra que los desarrolladores de IA necesitan mejores métodos para garantizar que los modelos no solo detecten las actualizaciones, sino que también las apliquen correctamente.

## Fuentes y referencias

1. [Large language models show systematic failures in incorporating evolving medical knowledge](https://arxiv.org/abs/2610.30631) – arXiv, 2026-10-23

Última actualización: 2026-10-23