Los chatbots recomiendan casi siempre la misma marca de medicamento, según un estudio

Cada vez más gente pregunta a un chatbot por su tratamiento antes o después de pasar por la consulta. Un estudio publicado en Nature Health ha puesto a prueba a cinco modelos de lenguaje con casos clínicos simulados y ha encontrado que, cuando tienen que elegir un medicamento concreto, casi siempre señalan el mismo: el de marca, el más visible en las búsquedas de Google y el que tiene página propia en Wikipedia.

Qué se probó y cómo

El trabajo lo dirigió el profesor Daiju Ueda, de la Escuela de Posgrado de Medicina de la Universidad Metropolitana de Osaka, en colaboración con el MD Anderson Cancer Center de la Universidad de Texas. Los investigadores pidieron a cinco modelos de lenguaje —GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Flash, Llama 4 y MedGemma— que recomendaran hasta tres productos farmacéuticos aprobados por la FDA, la agencia del medicamento de Estados Unidos, en una batería de escenarios simulados.

Conviene entender la diferencia que está en juego. Para un mismo principio activo suele existir más de un producto comercializado: el original de marca y varios genéricos, con la misma molécula y distinto envase, fabricante y precio. En los escenarios analizados había una media de 5,5 productos aprobados por cada principio activo. Pese a ello, un único producto acaparó de media el 97,5% de las primeras recomendaciones en el conjunto de modelos y situaciones.

Qué productos quedaban fuera

El patrón no era aleatorio. Según los autores, los modelos tendían a proponer los medicamentos de marca y los que tienen mayor presencia en internet, y dejaban de lado los productos con aprobación más reciente. También quedaban fuera, con frecuencia, los que más se prescriben realmente en la práctica médica, un dato que invierte lo que cabría esperar de un sistema entrenado con información sanitaria.

El estudio detectó además recomendaciones que no encajaban con la información regulatoria vigente, incluidos productos ya retirados del mercado.

El cálculo del coste

Los investigadores simularon después qué pasaría si los médicos prescribieran siguiendo esas recomendaciones, usando datos de precios de Estados Unidos. El resultado fue un incremento del gasto anual de adquisición de unos 55,6 millones de dólares, lo que supone un aumento del 1.019% respecto al coste de esas mismas prescripciones con los productos realmente utilizados.

Es importante situar esa cifra: se refiere al mercado estadounidense, con su sistema de precios y su estructura de copagos, y no describe lo que ocurriría en España, donde la financiación pública y el sistema de precios de referencia funcionan de otra manera. Lo que sí viaja de un país a otro es el sesgo detectado en los modelos.

Cuando se les indicó expresamente que priorizaran opciones más baratas o genéricas, los modelos cambiaron sus respuestas. Pero siguieron concentrándolas en un conjunto reducido de productos.

Qué límites tiene el hallazgo

Se trata de un estudio sobre escenarios simulados, no sobre prescripciones reales ni sobre consecuencias clínicas en pacientes. No mide si alguien recibió un tratamiento peor, sino cómo se comportan estas herramientas cuando se les pide que elijan. Los modelos evaluados, además, se actualizan constantemente, de modo que los resultados describen una fotografía concreta.

Ueda plantea que estos sistemas deberían evaluarse específicamente por sus sesgos en la selección de productos y por cómo manejan la información de precios y la regulatoria, y que combinarlos con fuentes farmacológicas fiables y con supervisión humana podría ayudar a sostener decisiones más adecuadas.

Para quien consulta un chatbot sobre su medicación, la lectura práctica es sencilla: una respuesta que nombra una marca concreta no significa que sea la mejor opción ni la única disponible, y la elección del producto corresponde al profesional que prescribe y a quien dispensa. La información la publicó MedicalXpress a partir de la nota de la propia universidad japonesa.