Una revisión sistemática (RS) es un estudio científico secundario que recoge, valora críticamente y sintetiza de forma estructurada toda la evidencia disponible sobre una pregunta de investigación claramente definida, siguiendo un protocolo explícito y reproducible para minimizar sesgos.
Los elementos clave de una RS son tres: 1) se parte de una pregunta concreta y bien formulada (pregunta estructurada); 2) identifica y selecciona de manera sistem ática todos los estudios relevantes, aplicando criterios de inclusión y exclusión previamente definidos; 3) evalúa la calidad metodológica de los estudios incluidos y sintetiza sus resultados, de forma cualitativa y, cuando procede, cuantitativa mediante metaanálisis. Y el objetivo es proporcionar una síntesis completa, transparente y lo más libre de sesgos posible de la evidencia disponible sobre un tema, permitiendo extraer conclusiones fiables; y a partir de ahí, servir de base para la toma de decisiones clínicas, la elaboración de guías de práctica clínica y la identificación de lagunas de conocimiento que orienten nuevas líneas de investigación.
Hemos venido realizando las RS principalmente de forma manual, lo que es un laborioso método que requería mucho tiempo y recursos. Y en este apartado también la inteligencia artificial (IA) ha entrado en escena, proporcionando un método escalable para acelerar todo el proceso y gestionar enormes cantidades de datos de forma más eficaz.
Veamos algunos aspectos clave del papel de la IA en las RS de la literatura.
1. Automatización del proceso de RS. Los algoritmos de Procesamiento del Lenguaje Natural (PLN) utilizados en IA son expertos en rastrear grandes bases de datos para encontrar estudios relevantes para las RS. Estos algoritmos pueden reconocer las tendencias de las palabras clave, comprender el contexto y excluir los documentos irrelevantes para garantizar que solo se selecciona la literatura científica significativa para su evaluación.
2. Síntesis y extracción de datos. Los modelos de aprendizaje automático se entrenan para extraer automáticamente conclusiones clave de un conjunto de artículos científicos. Con la ayuda de la IA, la extracción de datos se vuelve más fiable, completa y coherente al identificar patrones en la presentación de los datos en diferentes artículos.
3. Detección de sesgos en la investigación. Los sesgos de investigación pueden obstaculizar los resultados de la investigación y llevar a conclusiones distorsionadas. Por ello, actualmente se utilizan algoritmos de IA para identificar sesgos en determinadas investigaciones, como el sesgo de publicación o el sesgo de selección en la investigación cualitativa. Al detectar estos sesgos primarios de la investigación, los revisores pueden tenerlos en cuenta en su síntesis, que consiste en combinar los resultados de múltiples estudios para extraer conclusiones más sólidas y fiables.
4. Mantenernos informado con la nueva literatura. Las RS pueden quedar obsoletas con facilidad debido a la naturaleza dinámica y en constante crecimiento de la investigación. Sin embargo, con la ayuda de las herramientas de IA, puede buscar constantemente en las bases de datos las investigaciones más recientes y apoyar la síntesis de pruebas y los metaanálisis de la bibliografía existente. Cuando se publican artículos relevantes, la IA puede incorporarlos fácilmente a la revisión actual para mantenerla al día.
Lista de herramientas de IA para la RS de la literatura:
Ventajas destacadas: acelera RS hasta dos veces más rápido que OpenAI Deep Research y 50 veces más relevante que Google Scholar, organizando resultados en tablas, resúmenes con citas y exportables; y hace una organización centralizada: guarda resúmenes, tablas y reportes en un solo lugar, soporta integración con gestores bibliográficos y exportación a PDF o web.
Ventajas destacadas: ifrece colaboración en tiempo real desde cualquier navegador, con rastro de auditoría completo para mayor transparencia y cumplimiento normativo; soporta datos complejos (jerárquicos) y exportaciones personalizadas, mejorando la calidad y escalabilidad de revisiones sistemáticas en salud y otras áreas
Ventajas destacadas: ofrece soporte completo por email (respuesta en un día laboral), gratuidad para revisores Cochrane/Campbell vía Archie y colaboración en tiempo real desde cualquier dispositivo; proporciona rastro completo de auditoría, escalabilidad y recursos educativos como presentaciones y playlists de videos para facilitar su uso.
Ventajas destacadas: ahorra tiempo significativo al eliminar duplicados, optimizar cribado y permitir trabajo móvil; mejora la precisión, reproducibilidad y adherencia a estándares como PRISMA, manteniendo datos limpios y enfocados en estudios relevantes.
Ventajas destacadas: mejora la colaboración cooperativa, la precisión en la extracción de datos y la reproducibilidad mediante historial visible y consensos automáticos.; facilita la adherencia a estándares como PRISMA y reduce sesgos en la evaluación de evidencia, ideal para equipos académicos y clínicos.
Cuatro son las ventajas principales del uso de herramientas de IA en las RS de la literatura: eficacia (reducen significativamente el tiempo necesario para completar una revisión), precisión (los algoritmos de IA garantizan una extracción de datos y un análisis estadístico sin errores humanos en todo momento), exhaustividad (al escanear enormes cantidades de datos) y colaboración (la mayoría de las herramientas de IA vienen con funciones integradas de gestión de proyectos que apoyan la colaboración en equipo, proporcionando resultados uniformes y coherentes).
Pero a pesar de estas ventajas de la IA, hay que tener muy en cuenta en su uso que los datos utilizados para entrenar los algoritmos de IA determinan su calidad (y es esencial asegurarse de que estos algoritmos se entrenan en varios conjuntos de datos de alta calidad para evitar sesgos o errores). Y, además, y esto es muy importante: la supervisión humana es inevitable. Porque para garantizar que los resultados de la IA sean pertinentes, los investigadores deben validarlos.
Porque las RS pueden ser mejores y más rápidas si unimos la experiencia humana y las capacidades de la IA.
