Este whitepaper evalúa qué tareas de apoyo con IA en atención primaria y medicina interna tienen evidencia suficiente para considerarse con cautela, cuáles siguen siendo experimentales y qué gobernanza necesitarían los equipos latinoamericanos. Es una síntesis narrativa rápida basada en búsquedas en PubMed y búsquedas dirigidas realizadas en junio y julio de 2026, que abarca síntesis longitudinal, documentación, búsqueda en la historia clínica electrónica, mensajería, predicción de riesgo y apoyo diagnóstico. Es literatura gris no revisada por pares, publicada por Arkangel AI, y no evalúa ningún producto de Arkangel.
Una revisión sistemática de 519 estudios de modelos de lenguaje en salud encontró que solo el 5% usó datos reales de atención de pacientes. En un estudio integrado a la historia clínica electrónica, los borradores de respuesta a mensajes de pacientes generados con IA aumentaron en 21.8% el tiempo de lectura de los médicos, no redujeron de forma significativa el tiempo de respuesta y alargaron las respuestas en 17.9%, y un ensayo aleatorizado con 50 médicos no halló una mejora significativa del razonamiento diagnóstico con acceso a un modelo de lenguaje. Una revisión de algoritmos predictivos en atención primaria identificó 43 herramientas implementadas con evidencia pública limitada a lo largo de su ciclo de vida. La evidencia regional directa es escasa, encabezada por una revisión de alcance brasileña de 27 estudios, y los autores sitúan la IA como un apoyo revisable para la síntesis, la documentación y la búsqueda, no como una herramienta diagnóstica o terapéutica independiente.
