{"id":19975,"date":"2026-10-29T05:15:24","date_gmt":"2026-10-29T08:15:24","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1793261724180\/"},"modified":"2026-10-29T05:18:19","modified_gmt":"2026-10-29T08:18:19","slug":"chatgpt-5-fractura-radio-distal","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/chatgpt-5-fractura-radio-distal\/","title":{"rendered":"ChatGPT-5 omite la mitad de las fracturas de radio distal"},"content":{"rendered":"

ChatGPT-5 pas\u00f3 por alto 83 de 170 fracturas de radio distal en radiograf\u00edas de mu\u00f1eca cuando se le hizo una sola pregunta de s\u00ed o no, lo que equivale a una sensibilidad del 51,2%, seg\u00fan un estudio publicado el 26 de octubre en Emergency Radiology<\/em>. El modelo, adem\u00e1s, se\u00f1al\u00f3 fractura en 59 de 200 estudios normales. Los autores, del Rambam Health Care Campus de Haifa (Israel), concluyen que un chatbot de uso general no debe emplearse para decidir si una radiograf\u00eda muestra una fractura.<\/p>\n

\"Matriz
Respuestas de ChatGPT-5 a una \u00fanica pregunta de s\u00ed o no, comparadas con la lectura de consenso de dos traumat\u00f3logos. Gr\u00e1fico de RT Medical con datos de Awad et al., Emergency Radiology, 2026.<\/figcaption><\/figure>\n

C\u00f3mo se evalu\u00f3 ChatGPT-5 en radiograf\u00edas de mu\u00f1eca<\/h2>\n

Bana Awad, Yaniv Keren y Dror Ronel tomaron las im\u00e1genes de MURA, un banco p\u00fablico publicado por Stanford en 2017, con 40.561 im\u00e1genes del miembro superior cuyos estudios fueron etiquetados como normales o anormales por radi\u00f3logos en la pr\u00e1ctica cl\u00ednica, usado como referencia para entrenar y comparar algoritmos. De las 3.697 proyecciones anteroposteriores (AP) de radio distal del archivo, descartaron las de mala calidad, los estudios pedi\u00e1tricos (la fisis abierta puede simular un trazo de fractura) y las radiograf\u00edas con material de osteos\u00edntesis. Se conservaron las im\u00e1genes tomadas a trav\u00e9s de yeso.<\/p>\n

Como la etiqueta de MURA se aplica al estudio completo y no precisa si hay fractura, la referencia fue otra: un residente s\u00e9nior de traumatolog\u00eda y un traumat\u00f3logo certificado revisaron cada imagen en conjunto, antes de que llegara al modelo, y solo la incluyeron cuando coincid\u00edan en que la fractura estaba presente o ausente con certeza.<\/p>\n

Entre el 1 de diciembre y el 28 de febrero, cada radiograf\u00eda se carg\u00f3 en la interfaz web p\u00fablica de ChatGPT, en un chat temporal nuevo, sin instrucciones de sistema, sin ejemplos, con la memoria desactivada y la configuraci\u00f3n por defecto. La pregunta fue siempre la misma: \u201c\u00bfHay una fractura en esta radiograf\u00eda? Responde s\u00ed o no.\u201d Se hicieron 396 env\u00edos. En 26 (6,6%) el modelo dio una respuesta evasiva y esas im\u00e1genes quedaron fuera del an\u00e1lisis principal, que incluy\u00f3 370 radiograf\u00edas: 170 con fractura (45,9%) y 200 normales.<\/p>\n

Sensibilidad del 51,2% y errores inclinados hacia los falsos negativos<\/h2>\n

La matriz de confusi\u00f3n muestra 87 fracturas detectadas y 83 omitidas; entre los estudios normales, 141 aciertos y 59 falsas alarmas. De ah\u00ed salen una sensibilidad del 51,2% (IC 95%: 43,7\u201358,6), una especificidad del 70,5% (63,8\u201376,4) y una exactitud del 61,6% (56,6\u201366,4). El kappa de Cohen, de 0,219, refleja una concordancia apenas aceptable con la referencia. Una prueba de McNemar post hoc confirm\u00f3 que los falsos negativos superaron a los falsos positivos (\u03c7\u00b2 = 4,06; p = 0,044).<\/p>\n

Al reincorporar las 26 respuestas evasivas, la sensibilidad oscil\u00f3 entre el 47,3%, si se cuentan como error o como \u201cno\u201d, y el 54,9%, si se tratan como \u201cs\u00ed\u201d, el supuesto m\u00e1s favorable al modelo. Proyectado a un servicio con una prevalencia de fractura del 20%, el rendimiento equivaldr\u00eda, por cada mil radiograf\u00edas, a 98 fracturas no detectadas y 236 falsas alarmas, con un valor predictivo positivo del 30,3%.<\/p>\n

\u201cDicho sin rodeos: un chatbot de uso general no debe utilizarse para decidir si una radiograf\u00eda muestra una fractura\u201d, escriben los investigadores.<\/p>\n

Por qu\u00e9 un LLM multimodal no es un detector de fracturas<\/h2>\n

La comparaci\u00f3n obligada es con el software de detecci\u00f3n de fracturas basado en redes neuronales convolucionales (CNN), entrenado de extremo a extremo con radiograf\u00edas etiquetadas para una sola tarea. El primero de estos productos autorizado por la FDA, OsteoDetect, obtuvo la autorizaci\u00f3n De Novo en mayo de 2018 precisamente para se\u00f1alar fracturas de radio distal en adultos, como apoyo \u2014no como reemplazo\u2014 de la lectura m\u00e9dica. Los metaan\u00e1lisis citados en el art\u00edculo sit\u00faan la sensibilidad agrupada de esta clase de herramientas en torno al 90%. Los autores advierten que la comparaci\u00f3n es indirecta, porque poblaciones, bases de datos y est\u00e1ndares de referencia difieren, pero consideran que la brecha es demasiado grande para atribuirla solo al m\u00e9todo.<\/p>\n

El trabajo enumera mecanismos plausibles que su dise\u00f1o no permite separar. El codificador visual de un LLM multimodal est\u00e1 optimizado para im\u00e1genes naturales, no para interrupciones corticales sutiles en escala de grises. La pregunta binaria impide el razonamiento paso a paso y el contexto cl\u00ednico que, en otros estudios, mejoraron la exactitud de estos modelos entre 5 y 15 puntos porcentuales: el resultado es un piso y no un techo. Adem\u00e1s, la interfaz de consumo redimensiona y fragmenta las im\u00e1genes antes de que lleguen al modelo, sin documentar c\u00f3mo.<\/p>\n

El error que m\u00e1s pesa en el triaje de urgencias<\/h2>\n

En triaje, la direcci\u00f3n del error importa tanto como su frecuencia. Un falso positivo cuesta una segunda revisi\u00f3n o una proyecci\u00f3n adicional; un falso negativo puede enviar a casa a un paciente con una fractura sin inmovilizar, con riesgo de desplazamiento y consolidaci\u00f3n viciosa. Un sistema que responde \u201cno\u201d ante la mitad de las fracturas traslada el riesgo al lado que el triaje deber\u00eda proteger. El escenario simulado es el de un m\u00e9dico no radi\u00f3logo que, en el punto de atenci\u00f3n, sube la imagen y hace la pregunta m\u00e1s simple posible; en \u00e9l, alrededor de una de cada quince consultas ni siquiera devolvi\u00f3 una respuesta utilizable.<\/p>\n

En Am\u00e9rica Latina el paralelo es claro: en muchos servicios de urgencias la radiograf\u00eda de mu\u00f1eca la interpreta primero el m\u00e9dico de guardia, y el informe del radi\u00f3logo, presencial o por telerradiolog\u00eda, puede llegar despu\u00e9s del alta. En ese flujo, recurrir a una aplicaci\u00f3n de chat como segunda opini\u00f3n es justamente el uso que el estudio desaconseja. El propio art\u00edculo deja constancia de que ChatGPT-5 no est\u00e1 autorizado como dispositivo m\u00e9dico para uso radiol\u00f3gico por la FDA, la EMA, la MHRA brit\u00e1nica ni el Ministerio de Salud de Israel.<\/p>\n

El resultado se suma a otras se\u00f1ales de cautela. Incluso las herramientas dedicadas fallan sin contexto cl\u00ednico, como en el caso de la IA que marc\u00f3 un neumot\u00f3rax que no exist\u00eda<\/a>, y siete algoritmos comerciales para c\u00e1ncer de pulm\u00f3n en rayos X de t\u00f3rax<\/a> mostraron sensibilidades de entre el 21% y el 78%. Cuando un LLM justifica una respuesta equivocada, la experiencia del radi\u00f3logo es lo que evita aceptar el error<\/a>, una protecci\u00f3n que el usuario no especialista no tiene. En tareas de texto y con supervisi\u00f3n el panorama cambia: GPT-5 ya se us\u00f3 para ayudar a los pacientes a entender el informe radiol\u00f3gico<\/a>, y un LLM mejor\u00f3 la exactitud de los residentes en RM cerebral<\/a> como apoyo al razonamiento, no como juez final.<\/p>\n

L\u00edmites del estudio y qu\u00e9 seguir de cerca<\/h2>\n

Los autores acotan el alcance: el hallazgo vale para esta versi\u00f3n del modelo, esta pregunta, esta regi\u00f3n anat\u00f3mica y esta base de datos, y no resuelve si flujos de trabajo bien dise\u00f1ados con LLM pueden aportar a la imagen musculoesquel\u00e9tica. La referencia provino de dos traumat\u00f3logos que leyeron juntos, no de radi\u00f3logos con lecturas independientes, sin tomograf\u00eda ni seguimiento para confirmar los casos. Como solo entraron radiograf\u00edas que ambos consideraron inequ\u00edvocas, las cifras probablemente reflejan el mejor escenario para el modelo. Cada imagen se envi\u00f3 una sola vez a un servicio no determinista que se actualiza de forma continua, y no se probaron otras formulaciones de la pregunta, la historia cl\u00ednica ni otros modelos.<\/p>\n

Para avanzar, el grupo propone adaptaci\u00f3n a la tarea, dise\u00f1o riguroso de la indicaci\u00f3n y del flujo de procesamiento, comparaci\u00f3n directa con CNN dedicadas sobre las mismas im\u00e1genes y evaluaci\u00f3n en varias regiones anat\u00f3micas, con referencia adjudicada por radi\u00f3logos. Mientras tanto, la lectura pr\u00e1ctica es que los detectores de fracturas validados y un chatbot conversacional son tecnolog\u00edas distintas, respaldadas por evidencia distinta, y que, en palabras de los autores, tratarlos como una sola cosa \u201cdistorsionar\u00eda a ambos\u201d.<\/p>\n

Fuente:<\/strong> AuntMinnie \u2014 ChatGPT-5 misses half of distal radius fractures on x-rays<\/a>. Art\u00edculo original (acceso abierto): Awad B, Keren Y, Ronel D. Performance of ChatGPT-5 under a minimal binary prompt for detection of distal radius fractures on plain radiographs. Emergency Radiology, 2026<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"

ChatGPT-5 omiti\u00f3 83 de 170 fracturas de radio distal en radiograf\u00edas, con sensibilidad del 51,2%. Conozca el estudio y sus l\u00edmites.<\/p>\n","protected":false},"author":5,"featured_media":19935,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"ngg_post_thumbnail":0,"_rt_cluster":"","fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[229,183],"tags":[],"class_list":["post-19975","post","type-post","status-publish","format-standard","has-post-thumbnail","category-inteligencia-artificial-es","category-radiologia-es"],"aioseo_notices":[],"rt_seo":{"title":"","description":"ChatGPT-5 omiti\u00f3 83 de 170 fracturas de radio distal en radiograf\u00edas, con sensibilidad del 51,2%. Conozca el estudio y sus l\u00edmites.","canonical":"","og_image":"","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"ChatGPT-5 y fracturas de radio distal","llms_summary":"Un estudio en Emergency Radiology (Awad, Keren y Ronel, Rambam, 2026) evalu\u00f3 ChatGPT-5 con una pregunta binaria en 370 radiograf\u00edas AP de radio distal de MURA: sensibilidad del 51,2%, especificidad del 70,5% y exactitud del 61,6%, con m\u00e1s falsos negativos que falsos positivos (McNemar p = 0,044).","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19975\/"}],"collection":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/"}],"about":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/types\/post\/"}],"author":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/users\/5\/"}],"replies":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/comments\/?post=19975"}],"version-history":[{"count":2,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19975\/revisions\/"}],"predecessor-version":[{"id":20006,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19975\/revisions\/20006\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/19935\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=19975"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=19975"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=19975"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}