Cómo la inteligencia artificial está cambiando el diagnóstico veterinario en México

En julio de 2025, todo el estado de Guanajuato no tenía un solo hospital veterinario capaz de diagnosticar cáncer, enfermedades cardiacas o lesiones ortopédicas complejas en mascotas — así lo reconoció la propia veterinaria a cargo cuando por fin abrió uno, con lista de espera para su tomógrafo desde antes de inaugurarse. No es un caso aislado: en el país hay, según describe uno de los pocos radiólogos veterinarios certificados por el American College of Veterinary Radiology (ACVR, el estándar internacional), muy pocos especialistas con esa certificación en todo México. Muchos operan como telerradiología — leyendo estudios que veterinarios de otras ciudades les envían — precisamente porque no hay suficientes para cubrir cada clínica.

Es en ese vacío donde la inteligencia artificial promete algo real: acercar una segunda opinión especializada a clínicas que hoy no tienen acceso a una. La pregunta es si ya está lista para hacerlo — y la evidencia científica reciente da una respuesta con matices, no un sí rotundo.

Lo que la evidencia sí respalda: IA a la altura de especialistas — en el laboratorio

Un estudio publicado en Frontiers in Veterinary Science comparó un software comercial de IA para radiografía (usado ampliamente en clínicas) contra 11 radiólogos veterinarios certificados, interpretando 50 estudios reales de perros y gatos. El resultado: la IA igualó al mejor radiólogo humano en precisión general y superó estadísticamente al radiólogo promedio.

Pero el desempeño no fue parejo. La IA fue excelente confirmando que una radiografía no mostraba nada anormal (94.4% de aciertos, mejor que 10 de los 11 radiólogos). Fue notablemente peor detectando anormalidades reales — solo 68.8% de sensibilidad, mientras que el radiólogo promedio detectó más del 80%. Los propios autores del estudio son claros: la IA “no ofrece diagnósticos diferenciales” y su conclusión es que la tecnología complementará, no reemplazará, a los especialistas humanos.

Un segundo estudio, publicado en Scientific Reports, entrenó un modelo de IA para clasificar fracturas de huesos largos en perros y alcanzó 99.76% de precisión — el número más alto de toda esta investigación. El matiz importante: se probó en un conjunto de datos académico, curado y balanceado — exactamente el tipo de condiciones controladas donde la IA suele lucir mejor.

La brecha entre el laboratorio y la clínica real

Ahí está el punto que más importa. Un estudio publicado en el Journal of the American Veterinary Medical Association (JAVMA) hizo algo distinto: en vez de usar radiografías académicas cuidadosamente seleccionadas, sometió a 6 plataformas comerciales de IA veterinaria a radiografías reales de consultorios de práctica general, con diagnóstico ya confirmado por cirugía, necropsia, tomografía, ultrasonido o respuesta al tratamiento.

Los resultados fueron muy distintos a los de laboratorio: precisión balanceada de apenas 60% a 65%, y sensibilidad tan baja como 28% para detectar ciertos hallazgos — es decir, diagnósticos perdidos con frecuencia. El dato más preocupante: la obstrucción intestinal — una urgencia quirúrgica real — tuvo una sensibilidad de apenas 23% a 69% según la plataforma. Eso significa que, en el peor de los casos, una de estas herramientas pasó por alto la mayoría de las obstrucciones reales que se le presentaron.

La conclusión de los propios investigadores, en sus palabras: “ninguna [plataforma] parece adecuada para uso clínico en su forma actual” y hacen falta más validaciones independientes antes de integrar estas herramientas de forma segura a la práctica clínica. Es el mismo patrón que documentamos en nuestro artículo sobre IA y síntomas humanos: en condiciones de laboratorio la IA luce casi perfecta; en la práctica real, con casos imperfectos y variados, el desempeño cae.

Detectar una señal no es lo mismo que hacer el diagnóstico

Un estudio en Veterinary Radiology & Ultrasound sobre detección de insuficiencia cardiaca en perros y gatos ilustra por qué. La IA identificó hallazgos individuales en la radiografía con muchísima precisión: 98% de sensibilidad para patrón intersticial, 100% para cardiomegalia, 95% para patrón vascular en perros. Números casi perfectos.

Pero cuando el software tuvo que combinar esos hallazgos individuales en una conclusión clínica real — ¿este animal está en insuficiencia cardiaca, sí o no? — su sensibilidad se desplomó a 9.8%. Sabe reconocer las piezas; le cuesta mucho armar el rompecabezas. Un segundo estudio sobre detección de carcinoma urotelial (un cáncer urinario agresivo en perros) encontró resultados igual de moderados: 69% de sensibilidad, 68% de precisión general — lejos de ser confiable como herramienta única.

En números: lo que dice cada estudio

• Radiografías, condiciones de laboratorio (Frontiers in Veterinary Science): la IA iguala al mejor de 11 radiólogos certificados en precisión general, pero solo detecta 68.8% de las anormalidades reales, contra más de 80% del radiólogo promedio.
• Radiografías, consultorio real (JAVMA, 6 plataformas comerciales): precisión balanceada de 60% a 65%; sensibilidad para obstrucción intestinal (urgencia quirúrgica) de solo 23% a 69% según la plataforma.
• Insuficiencia cardiaca (Veterinary Radiology & Ultrasound): hasta 100% de sensibilidad detectando hallazgos individuales, pero apenas 9.8% de sensibilidad al combinarlos en una conclusión clínica.
• Cáncer urotelial (Veterinary Radiology & Ultrasound): 69% de sensibilidad, 68% de precisión general — moderado, no confiable como única herramienta.
• Fracturas de huesos largos (Scientific Reports): 99.76% de precisión — pero en un dataset académico curado, no en condiciones de consultorio real.

¿Entonces esto reemplaza a mi veterinario?

No, y la propia evidencia lo dice sin rodeos. Donde la IA veterinaria sí puede ayudar hoy es como una segunda mirada — especialmente valiosa en zonas de México sin acceso a un radiólogo certificado — no como el criterio final. Es la misma filosofía que guió cómo cuidamos a Lula, nuestra perra de 16 años, sin reemplazar nunca a su veterinario: la IA organiza información y puede señalar algo que revisar, pero la decisión clínica final requiere a una persona con criterio — algo que, según el estudio de JAVMA, ni la mejor plataforma comercial logra de forma confiable todavía, sobre todo en los casos que más importan.

Cómo se usa bien una IA en una clínica (y cómo se usa mal)

La diferencia entre una herramienta útil y un riesgo no está en el software: está en el flujo de trabajo donde se inserta.

• Bien: la IA hace una lectura previa y el veterinario revisa el estudio con esa opinión al lado, como quien tiene una lista de verificación. Funciona sobre todo descartando normalidad —que es donde los estudios muestran sus mejores números— para no dejar pasar un hallazgo evidente en un día de 40 radiografías.
• Bien: la IA se usa como segunda mirada cuando el veterinario tiene una duda concreta, igual que se pide una opinión a un colega.
• Mal: la IA emite el informe y nadie lo revisa. En el estudio de JAVMA, la sensibilidad para obstrucción intestinal bajó hasta 23 % en una plataforma: eso significa perder la mayoría de las urgencias quirúrgicas que se le presentan.
• Mal: el resultado de la IA se usa para tranquilizar al dueño sin exploración física. Un “no se observan anormalidades” en un perro que vomita y tiene el abdomen doloroso no es un diagnóstico: es una imagen incompleta con un sello de software.

Qué preguntar si tu clínica usa IA

No es desconfianza, es la misma pregunta que harías por cualquier estudio. Cuatro frases concretas:

1. “¿Quién revisa el resultado de la IA?” — la respuesta correcta es un veterinario, con nombre y cédula, no “el sistema”.
2. “¿Este estudio lo va a leer también una persona?” — si la respuesta es no, pide la lectura humana.
3. “¿Qué pasa si la IA dice normal y mi perro sigue mal?” — la respuesta debe ser “se reevalúa, se repite o se hace otro estudio”, nunca “entonces no es nada”.
4. “¿La herramienta está validada para esto?” — muchas están entrenadas para radiografía de tórax y se usan para abdomen, o al revés.

Y una pregunta para el veterinario, no para la máquina: “¿qué te dice tu exploración?”. La palpación, la auscultación y la historia clínica siguen siendo la parte del diagnóstico que ninguna imagen reemplaza.

El problema del dataset: por qué el 99 % del laboratorio no viaja

Cuando un estudio reporta 99.76 % de precisión en fracturas, hay que leer la letra pequeña: fue entrenado y probado con un conjunto académico, curado, balanceado y con ejemplos claros. En la vida real, la radiografía llega con el perro movido, con una placa sucia, con un paciente obeso o con una raza que no estaba en el set de entrenamiento.

Ese es el sesgo que más importa y el que menos se discute: si el modelo se entrenó con perros de ciertas razas y tamaños, su desempeño puede caer en los demás. Y a diferencia de la medicina humana, en veterinaria no existe un proceso regulatorio equivalente al de un dispositivo médico: nadie certifica que una plataforma “funciona” antes de venderse a una clínica. La validación la hace, en la práctica, el veterinario que la usa.

Dónde sí está funcionando hoy

Para no dejarlo todo en lo negativo: hay tres usos donde la evidencia y la práctica coinciden.

• Telerradiología asistida: en estados sin radiólogo certificado, una lectura automática revisada por un especialista remoto multiplica el acceso. Es el caso mexicano de Guanajuato que abre este artículo.
• Triaje y priorización: señalar qué estudio de una lista larga parece urgente ayuda a ordenar la fila de un hospital con un solo tomógrafo.
• Investigación y docencia: como paciente simulado o como comparador para entrenar residentes.

Preguntas rápidas

¿La IA puede reemplazar una radiografía interpretada por un veterinario? No de forma segura hoy. En condiciones reales de consultorio, ninguna de las 6 plataformas evaluadas por JAVMA alcanzó un desempeño confiable para uso clínico independiente.

¿Entonces la IA veterinaria no sirve de nada? No es la conclusión — en datasets controlados iguala a los mejores especialistas, y como apoyo (segunda opinión, no la única opinión) puede ser útil, sobre todo donde no hay especialista disponible.

¿Por qué falla más en emergencias como obstrucción intestinal? Los estudios no dan una causa única, pero el patrón se repite: la IA es mejor confirmando normalidad que detectando lo anormal — y una obstrucción real es, por definición, el hallazgo anormal que más urge no perder.

¿Debo pedir que no se use IA en el estudio de mi perro? No hace falta. Lo razonable es pedir que la lectura final sea de una persona y que te expliquen en qué se basa la conclusión. La IA como apoyo no le quita nada al estudio; la IA como sustituto, sí.

¿Cuándo buscar atención veterinaria?

Si tu mascota muestra señales que no sabes qué tan graves son — por ejemplo, dificultad para caminar o cambios digestivos — nuestras evaluaciones veterinarias gratuitas te ayudan a ordenar los síntomas antes de la consulta. Complementa eso con hábitos de cuidado preventivo — los cubrimos en nuestra guía de recomendaciones para mascotas — porque llegar a la consulta con buena información sigue rindiendo más que cualquier lectura automática. Es orientación, no un diagnóstico por computadora — la decisión sigue siendo de tu veterinario. Ante cualquier urgencia real, no la consultes con una IA: busca atención veterinaria de inmediato.

Fuentes

• Frontiers in Veterinary Science (2025). Comparación de un software comercial de IA contra 11 radiólogos veterinarios certificados.
• Journal of the American Veterinary Medical Association (JAVMA). Evaluación de 6 plataformas comerciales de IA en radiografías de práctica general.
• Veterinary Radiology & Ultrasound. Detección de insuficiencia cardiaca y carcinoma urotelial con IA.
• Scientific Reports. Clasificación de fracturas de huesos largos en perros.

Este artículo es orientativo y no sustituye la valoración de un veterinario.