INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA FARMACÉUTICA: EVIDENCIAS DE EFICACIA, LIMITACIONES METODOLÓGICAS Y DESAFÍOS DE IMPLEMENTACIÓN RESPONSABLE

Resumen

Este artículo analizó las aplicaciones de la inteligencia artificial en la práctica farmacéutica con base en estudios originales publicados entre 2021 y 2026. La metodología consistió en una revisión sistemática en seis bases de datos con cuatro estrategias de búsqueda, resultando en 8.622 registros identificados, evaluación de 140 artículos en texto completo e inclusión de 31 estudios en cuatro ejes temáticos: soporte a la decisión clínica y adherencia, farmacovigilancia y predicción de reacciones adversas, interacciones medicamentosas y farmacocinética, y descubrimiento de fármacos. Los resultados demostraron eficacia clínica en ensayos aleatorizados, con adherencia medicamentosa del 77,4% frente al 58,6% en el control y retorno de 12,4:1 en gestión farmacéutica con IA. Los modelos predictivos de farmacovigilancia alcanzaron AUC entre 0,876 y 0,921, y los modelos de lenguaje de gran escala presentaron tasas de alucinación factual entre el 6% y el 23%, con errores clínicamente peligrosos en hasta el 7,3% de las recomendaciones generadas. El análisis concluyó que la barrera central para la adopción de estas tecnologías no es el rendimiento computacional sino la traslación clínica, evidenciada por caída del F1-score de 0,82 a 0,34 en transferencia inter-hospitalaria y por la ausencia de validación prospectiva multicéntrica en la mayoría de los estudios.