Chatbots de IA en el examen de endodoncia: resultados
Un estudio publicado en julio de 2026 en el Journal of Endodontics hizo que GPT-4o y Gemini 2.5 Pro presentaran un examen oral simulado de la American Board of Endodontics. Ambos obtuvieron calificaciones notablemente altas. Esto es lo que ese resultado significa — y lo que no significa — para su atención dental.
Todo endodoncista especialista ha enfrentado el examen oral de la Junta Americana de Endodoncia — una evaluación en vivo, basada en casos clínicos, en la que los examinadores analizan el diagnóstico, la planificación del tratamiento y la bibliografía detrás de cada decisión. En el número de julio de 2026 del Journal of Endodontics, un grupo de investigadores planteó una pregunta muy oportuna: ¿cómo les iría a los chatbots de inteligencia artificial de hoy en ese mismo examen?
Cómo funcionó el experimento
Dos endodoncistas especialistas del ámbito académico construyeron tres casos clínicos completos para el examen oral — con historia médica completa, historia dental y resultados de pruebas clínicas — cada uno seguido de 20 preguntas abiertas consecutivas al estilo del examen de la junta. Dos modelos de inteligencia artificial de acceso público, GPT-4o y Gemini 2.5 Pro, presentaron el examen. Los mismos dos examinadores calificaron de forma independiente cada respuesta en una rúbrica de 0 a 3, evaluando la validez de la respuesta, la validez de las citas y el desempeño general.
Los resultados
- Gemini 2.5 Pro: puntuación promedio general de 2.83 / 3
- GPT-4o: puntuación promedio general de 2.73 / 3
- Los modelos estadísticos no encontraron ninguna diferencia significativa entre las probabilidades de obtener una respuesta «excelente» en ambos modelos.
Bajo cualquier criterio, eso representa un resultado sólido en material de nivel especializado. Sin embargo, la conclusión de los autores fue cuidadosamente delimitada: los resultados «apoyan el concepto de usar chatbots de inteligencia artificial como apoyo en la educación endodóntica» — una herramienta de estudio para residentes, una forma de practicar el razonamiento clínico por casos. No un clínico.
Lo que una calificación de examen no mide
Una simulación de examen oral le entrega a la IA un caso perfectamente documentado: cada prueba ya realizada, cada hallazgo ya registrado. La endodoncia real es lo que ocurre antes de que exista ese expediente — y también después:
- Obtener los hallazgos. Pruebas de frío, percusión, palpación, pruebas de mordida, lectura de cambios radiográficos sutiles — un chatbot no puede tocar un diente. Y el dolor dental es un impostor muy conocido: incluso los estudios de imagen asistidos por IA tienen limitaciones reales.
- Juicio ante la ambigüedad. Los pacientes reales rara vez presentan casos de libro de texto. El dolor referido, los dientes fisurados y la anatomía en proceso de cicatrización no vienen con un manual de respuestas.
- Las manos. Localizar un conducto calcificado bajo el microscopio o realizar una apicectomía es una habilidad física que ningún modelo de lenguaje posee.
Dónde la IA realmente ayuda — incluso en nuestra consulta
No somos escépticos de la inteligencia artificial. Este sitio web cuenta con un asistente de IA que responde preguntas frecuentes sobre tratamientos de conducto, seguros médicos y citas las 24 horas — porque para la educación y el acceso a la información, la IA es excelente, y este estudio lo confirma. Donde trazamos la línea es en el diagnóstico y el tratamiento: eso queda en manos de un especialista que pueda examinarlo en persona.
La conclusión
Que una IA obtenga 2.8/3 en un examen al estilo de la junta es un verdadero hito para la educación dental — y ninguna razón para saltarse una evaluación formal. Si un diente le está dando problemas, pregúntele lo que quiera a nuestro asistente de chat y luego programe una cita con un especialista. Llámenos al (669) 234-2354 — atendemos fines de semana para urgencias.
IA: el potencial no demuestra un beneficio para el paciente
Adición del equipo editorial de Silicon Valley Endodontics and Microsurgery. Solo los resúmenes de Swanson y Turgeon de esta adición fueron revisados clínicamente por Jason Kung, DDS, MS, el 30 de septiembre de 2026. Los demás resúmenes no están cubiertos por esa revisión; la revisión de estos dos resúmenes no actualiza la revisión clínica anterior de la página.
La IA de imágenes y los chatbots realizan tareas distintas. Los resultados de investigación no sustituyen un examen dental ni demuestran mejores resultados terapéuticos. Nuestra guía explica límites, privacidad y preguntas que puede hacer; no afirma que esta clínica use IA diagnóstica.
Las altas calificaciones no evitaron referencias inventadas: en la simulación de examen de Jalali, cada modelo fabricó cuatro citas. Otro estudio de Ourang utilizó cuatro escenarios hipotéticos de traumatismo dental, no un ensayo con pacientes. Las preguntas de estilo especializado recibieron mejores valoraciones, pero cambiaron tanto la redacción como el contenido clínico; no puede atribuirse la diferencia solo a la redacción. Hubo consejos peligrosos. Verifique las referencias y no deje que un chatbot retrase una evaluación urgente de traumatismo.
Jalali et al. (2026) · Ourang et al. (2026)Actualización editorial — 21 de octubre de 2026. Este resumen del estudio de Torabinejad, el elemento relacionado de resumen de evidencia y las preguntas frecuentes, y las siete traducciones están pendientes de revisión clínica. La aprobación del 30 de septiembre aplica únicamente al contenido anterior.
La pre-prueba de revista de 2026 de Torabinejad y colaboradores comparó ChatGPT-5.2 y Gemini 3.0 con clasificaciones de expertos en 645 dientes que requerían tratamiento de conductos inicial. La exactitud en endpoints individuales fue de 74–88%, pero el acuerdo sobre los tres endpoints clínicos en conjunto fue de 61.1%/59.4%, y sobre cuatro incluyendo la dificultad del caso, de 47.3%/46.2%. Estas son medidas de acuerdo distintas, no una tasa universal de error diagnóstico ni una estimación de daño al paciente. La variabilidad entre expertos y las pruebas mediante interfaz de consumo en un solo paso limitan la interpretación. A diferencia de las preguntas de práctica simuladas, este estudio evaluó registros clínicos retrospectivos; ninguno establece un diagnóstico autónomo seguro ni mejores resultados. Este resumen editorial y sus traducciones están pendientes de revisión clínica.
Torabinejad et al. (2026)Lea la guía para pacientes sobre IA en endodoncia