¿Cuál es el sitio web?

Astrocyte

Inicio
Mexico
León
Astrocyte

Información de contacto, mapa y direcciones, formulario de contacto, horario de apertura, servicios, puntuaciones, fotos, videos y anuncios de Astrocyte, Empresa de tecnología de la información, León.

Astrocyte es un expediente clínico electrónico (EHR) con IA que agiliza tu consulta: notas, recetas, agenda y seguimiento del paciente en la nube, con seguridad y especialización para el entorno mexicano.

23/09/2026

Un estudio en JAMA midió 21 modelos de IA en 29 viñetas clínicas (16,254 respuestas). En diagnóstico diferencial, el fallo fue 0.90 a 1.00: se les atoró a los 21. En el diagnóstico final el fallo bajó de 0.40.
Astrocyte no usa la IA para diagnosticar. Extrae entidades. Tú aceptas o las tiras. El diferencial sigue siendo tuyo.
Rao et al., JAMA Network Open 2026.

22/09/2026

Un estudio midió modelos de IA en 1,100 interconsultas electrónicas de 10 especialidades (NO-HARM). Más del 80% del daño grave no fue un diagnóstico inventado: fue omitir algo. Un sistema con recuperación clínica (AMBOSS LiSA) llegó a F1 86.15; el mejor chatbot general de ese banco, GPT-5.6 Sol, a 70.12.
En Astrocyte la IA trae contexto del expediente y propone. Tú miras si faltó algo y firmas. No hay un modelo único para no omitir.
Wu et al., arXiv 2512.01241.

03/09/2026

El uso continuo de asistentes automatizados puede comprometer tus destrezas clínicas de tres formas: perder habilidades que ya dominabas por delegarlas en exceso (deskilling), no llegar a desarrollarlas porque el sistema las ejecutó desde el inicio (never-skilling, que genera una falsa sensación de competencia) o incorporar un error verosímil del modelo como propio (mis-skilling).
En un artículo de perspectiva publicado en Nature Medicine, Ke y colaboradores analizan estos riesgos en la educación médica. Los autores reconocen explícitamente que todavía no existe evidencia causal directa de estas pérdidas en médicos en formación, aunque citan estudios previos como el de Budzyń (2025), donde endoscopistas mostraron una caída de −6.0% en la detección de adenomas al realizar colonoscopias sin IA tras haberla usado de manera rutinaria.
Para evitar que los aprendices dependan de herramientas que no comprenden a fondo, los autores proponen una agenda de investigación y sugieren exigir una competencia clínica basal demostrada sin asistencia tecnológica antes de integrar la IA en el entrenamiento diario.
Ke et al., Nature Medicine 2026;32:1997-2006. DOI: 10.1038/s41591-026-04438-y.

02/09/2026

La descalibración ocurre cuando tu nivel de confianza deja de corresponderse con tu acierto real. En la práctica clínica, significa que puedes sentir una certeza absoluta ante un caso a pesar de haber elegido una respuesta equivocada.
Un ensayo clínico aleatorizado de tres brazos evaluó a 111 estudiantes de medicina resolviendo 25 preguntas de opción múltiple (2,775 respuestas). El grupo control sin explicaciones obtuvo 21.0% de aciertos con una confianza media de 1.42 en una escala de 1 a 3. Con explicaciones correctas de Gemini 2.5 Pro, el acierto fue de 22.6% y la confianza subió a 1.90. Con explicaciones deliberadamente engañosas de GPT-4, el acierto cayó al 9.2%, pero la confianza se mantuvo en 1.92. Además, el 70.27% de los errores en este último grupo eligió el distractor que sugería la IA, frente al 24.65% del control.
El estudio muestra que cualquier explicación articulada infla la seguridad subjetiva del usuario, incluso cuando induce fallos. Los autores aclaran que el trabajo se realizó en un solo país con estudiantes de tercer a quinto año sin rotaciones mayores y sobre viñetas teóricas, por lo que los resultados no pueden extrapolarse a especialistas.
Teng et al., npj Digital Medicine 2026;9:356. DOI: 10.1038/s41746-026-02547-z. ChiCTR2500111932. N=111.

01/09/2026

El sesgo de automatización ocurre cuando le das al modelo más crédito del que merece y aceptas su sugerencia aunque los datos de tu paciente apunten a otra dirección. En el consultorio, confiar a ciegas en una salida informática puede desviar tu propio criterio diagnóstico.
Un ensayo clínico aleatorizado de Qazi y colaboradores evaluó este comportamiento en 44 médicos con una mediana de 10 años de práctica y 20 horas de capacitación en IA, resolviendo 6 viñetas con ChatGPT-4o. Cuando el sistema introdujo errores deliberados en la mitad de los casos, el acierto en el razonamiento cayó de 84.9% (SD 19.7) a 73.3% (SD 30.5), con una diferencia ajustada de −14.0 puntos porcentuales. En la elección del diagnóstico principal, el acierto disminuyó de 90.5% a 76.1% (−18.3 puntos porcentuales).
Los autores destacan que se trata de un preprint basado en 264 evaluaciones de viñetas escritas, donde el grupo control contó con IA sin errores sembrados y no se registró si el médico modificó un juicio previamente escrito.
Qazi et al., medRxiv (septiembre 2025, preprint sin revisión por pares). DOI: 10.1101/2025.08.23.25334280. NCT06963957. N=44.

31/08/2026

Un metaanálisis de 106 experimentos (370 tamaños de efecto, 2020–2023) encuentra que, en promedio, el híbrido rinde peor que el mejor de los dos solos (g = −0.23). Si el humano ya gana, el híbrido ayuda (g = 0.46). Si la IA ya gana, el híbrido empeora (g = −0.54).
En tareas de decisión el híbrido pierde (g = −0.27). En crear contenido, la ganancia no llega a ser significativa (g = 0.19). Ponerle explicación o un número de confianza al modelo no cambió el resultado.
Es un metaanálisis preregistrado, no un ensayo clínico. Los diseños son distintos entre sí y hay sesgo de publicación posible. Medicina es una parte, no el todo.
Vaccaro, Almaatouq, Malone. Nat Hum Behav 2024. DOI 10.1038/s41562-024-02024-1

28/08/2026

Una perspectiva en JAMA afirma que, si la IA sola ya gana, poner al médico encima baja el score. En 106 experimentos, g = −0.54. En casos reales, ChatGPT-4 solo 92%; el médico usándolo, 76%.
Hay que ver quién lo firma. Neal Khosla es CEO de Curai. Vinod Khosla invierte en OpenAI, Curai y Limbic. El texto empuja atención autónoma para 2030.
Y el “híbrido” no es uno. En un estudio que ellos citan, el híbrido gana si la IA cierra el diagnóstico; si lo cierra el médico, pierde. En Microsoft el internista no tenía colegas, libros ni internet. En insulina son 16 contra 16. Casi todo es simulación. Ellos mismos citan a Bean: la falla suele estar en cómo se transmite la información entre el modelo y quien lo usa.
Emanuel, Baker-Butler, N. Khosla, V. Khosla. JAMA. DOI 10.1001/jama.2026.15380

27/08/2026

Pedirle al modelo que “sea” cirujano, oncológo o radiooncólogo cambia cómo habla, no cómo decide. En 100 casos de oncología gastrointestinal frente a la junta real, la concordancia quedó entre 78% y 87%, sin diferencia significativa entre marcos.
Lenguaje de especialidad: 97–100%. Sin correlación con acierto. Voto mayoritario: 87%. Junta simulada: 83%. El paper lo deja como apoyo a la decisión, no como simulador de especialista autónomo.
Stifini et al., npj Digital Medicine. DOI 10.1038/s41746-026-03069-4

26/08/2026

Hay 8,532 ensayos de IA registrados en ClinicalTrials.gov. La mayoría todavía no mide desenlace en paciente: 38% es validación retrospectiva (el modelo se prueba en datos ya guardados) y 21% es evaluación silenciosa (corre al lado de la consulta y no decide).
Imagen: 2,475 (29%). Texto clínico y NLP (procesar notas y lenguaje, no solo rayos X): 7 veces más entre 2018 y 2025. Pronóstico 4,324. Diagnóstico 3,828. Recomendar tratamiento: 768 (9%). 184 ensayos son semiautónomos; el 68% de esos, glucosa.
32 especialidades. El 80% se registró desde 2019. El abstract: hay más evaluación prospectiva, todavía no ensayos de desenlace con escala y geografía representativa.
Rokach, preprint arXiv:2607.22607

24/08/2026

Cleland et al., NEJM AI, 2026. Buscaron papers de IA en oftalmología desde 2008 (16,886 hallados; 6,362 incluidos). Los mapearon contra ceguera y contra oftalmólogos por país.
Cinco países: China 1,824 (28.7%), EE. UU. 1,225 (19.3%), India 431 (6.8%), Corea del Sur 261 (4.1%), Reino Unido 216 (3.4%).
Los cartogramas son el desfase: más papers donde hay más oftalmólogos y menos ceguera. Donde más se necesita evidencia, hay menos.
No dicen que la IA ya aumentó la desigualdad. Dicen dónde se genera la evidencia. Si se valida solo ahí, el hueco crece.
Cleland et al., ICEH / LSHTM. DOI 10.1056/AIcs2600267

Dirección

León

Página web

https://expedienteastrocyte.com/

Notificaciones

Sea el primero en enterarse: le enviaremos un correo electrónico cuando Astrocyte publique novedades y promociones. Su dirección de correo electrónico no se utilizará para ningún otro fin y puede darse de baja en cualquier momento.