Antecedentes: La aplicación de guías clínicas para diabetes mellitus tipo 2 y osteoporosis en atención primaria enfrenta barreras como la complejidad de algoritmos terapéuticos y la inercia clínica. Los sistemas de apoyo a la decisión clínica con inteligencia artificial explicable (IA-X) representan una estrategia prometedora para optimizar la toma de decisiones.
Objetivo: Evaluar la viabilidad, impacto sobre inercia terapéutica, concordancia con manejo especializado y aceptabilidad de un sistema de apoyo con IA-X en atención primaria.
Métodos: Estudio observacional transversal de implementación simulada con 12 médicos de atención primaria. Los participantes resolvieron 20 casos clínicos reales anonimizados en dos escenarios: manejo habitual y asistido por IA-X. Se evaluaron tiempo de resolución, inercia terapéutica, concordancia con consenso de especialistas (analizado con el coeficiente kappa) y usabilidad (System Usability Scale).
Resultados: El tiempo mediano por caso aumentó de 6.8 a 9.6 minutos. La inercia terapéutica se redujo significativamente de 38.3% a 17.9% (reducción relativa 53.3%; p<0.001). La concordancia con el consenso especializado mejoró de 70.8% a 88.8%, con incremento del coeficiente kappa de 0.56 (moderado) a 0.78 (sustancial). No se identificaron contraindicaciones absolutas. La usabilidad fue alta (SUS 85.2±7.0) y el 83.3% manifestó intención de uso clínico.
Conclusiones: La implementación simulada de sistemas de apoyo con IA explicable fue viable, redujo la inercia terapéutica y mejoró la concordancia con el manejo especializado, con un aumento de tiempo clínicamente aceptable.
