Un equipo de la Universidad China de Hong Kong realizó la primera síntesis cuantitativa a nivel global sobre la efectividad de los chatbots basados en inteligencia artificial (IA) para mejorar la adherencia a tratamientos farmacológicos en pacientes con enfermedades no transmisibles. El análisis, publicado en PLOS Digital Health, encontró una mejora estadísticamente significativa con un tamaño de efecto medio, lo que respalda a estos sistemas como una herramienta complementaria viable para el manejo de padecimientos crónicos.
La revisión, registrada previamente en PROSPERO y conducida conforme a los lineamientos PRISMA, examinó nueve bases de datos científicas hasta agosto de 2025 y localizó siete estudios elegibles publicados entre 2017 y 2025, seis de los cuales, todos ensayos clínicos aleatorizados, se incorporaron al metaanálisis. En conjunto, los estudios incluyeron a 5,676 participantes de Estados Unidos, la región Asia-Pacífico y Europa, con condiciones que abarcaron a pacientes con accidente cerebrovascular en tratamiento anticoagulante, personas con hipertensión, diabetes tipo 2, distintos tipos de cáncer y quienes tomaban estatinas.
El resultado central mostró una diferencia media estandarizada agrupada de 0.69, una magnitud considerada de efecto medio según los criterios convencionales, con un intervalo de confianza de 95% que va de 0.17 a 1.22. La adherencia mejoró de forma más consistente entre pacientes con enfermedades cardiovasculares, mientras que un estudio en pacientes oncológicos reportó un efecto todavía mayor, aunque no fue posible combinarlo estadísticamente con el resto por tratarse de un único trabajo en esa categoría.
El análisis por subgrupos reveló patrones relevantes para el diseño de este tipo de herramientas. Las intervenciones diarias produjeron beneficios amplios y consistentes, las de frecuencia semanal o mensual generaron mejoras más modestas pero también significativas, mientras que los chatbots que solo respondían bajo demanda o de forma episódica no lograron una mejora estadísticamente significativa en la adherencia. Los autores explican que los cambios de hábito relacionados con la toma constante de medicamentos requieren interacción estructurada y regular, algo que los sistemas esporádicos no logran sostener en el tiempo.
La combinación de funciones dentro del chatbot también resultó determinante. Los sistemas que integraron tres capacidades, recordatorios de medicación, educación y acompañamiento en salud, y respuesta a preguntas en tiempo real, mostraron beneficios significativos, mientras que aquellos con solo dos funciones no alcanzaron ese nivel de efectividad. Un chatbot que ofrecía únicamente recordatorios, sin funciones adicionales, tampoco mostró una mejora relevante frente al cuidado estándar.
En cuanto a la forma de medir la adherencia, tanto los reportes autoinformados por los pacientes como el conteo físico de pastillas mostraron mejoras significativas asociadas al uso de chatbots, mientras que la métrica de proporción de días cubiertos, derivada de registros de farmacia, no alcanzó significancia estadística. Los autores señalan que futuras investigaciones deberían privilegiar instrumentos validados y estandarizados, como la Escala de Adherencia a la Medicación de Morisky de 8 ítems, en lugar de herramientas construidas de manera específica para cada estudio.
El equipo advierte que la heterogeneidad entre los estudios incluidos fue considerable, con un valor de I² de 97%, y que los análisis de sensibilidad, realizados retirando cada estudio de manera individual, no lograron eliminar esta variabilidad, lo que sugiere diferencias sistemáticas más que aleatorias entre las intervenciones evaluadas. Cinco de los siete estudios incorporaron mecanismos de seguridad clínica, como alertas automáticas a personal médico ante señales de alarma o líneas de contacto directo con médicos, un elemento que los autores destacan como esencial para la implementación responsable de estos sistemas.
Entre las limitaciones reconocidas, los investigadores señalan que el reducido número de estudios disponibles y la predominancia de investigaciones realizadas en Norteamérica limitan la posibilidad de generalizar los hallazgos a otros contextos, particularmente a países de ingresos bajos y medios, donde el acceso a tecnología digital y los niveles de alfabetización digital difieren de manera considerable. El equipo plantea que las próximas investigaciones deberán explorar cómo garantizar un acceso equitativo a estas herramientas en zonas rurales y remotas, así como evaluar modelos híbridos que combinen IA con supervisión humana para atender consultas complejas que los sistemas basados en flujos predefinidos aún no logran resolver.
