La inteligencia artificial está dando a los fabricantes de fraude científico una herramienta sin precedentes: la capacidad de producir estudios médicos convincentes a escala industrial, advirtió el epidemiólogo John Ioannidis en una entrevista publicada el 14 de octubre por el Institute of Art and Ideas.

Ioannidis, profesor de medicina de la Universidad de Stanford, es conocido por el artículo de 2005 “Why Most Published Research Findings Are False”, una de las críticas más citadas a la calidad de la evidencia biomédica. Dos décadas después, sostiene que el problema empeoró.

El punto de partida es el volumen. Cada año se publican unos tres millones de artículos biomédicos y buena parte son de baja calidad. Un estudio citado por Ioannidis estimó que el 5,8% de los trabajos publicados en 2023 era enteramente falso, y la proporción va en aumento.

La evidencia disponible es igual de incómoda. De 1.567 intervenciones médicas analizadas, solo el 5,6% contaba con evidencia de alta calidad que respaldara sus beneficios; más del 94% carecía de ese respaldo. “La medicina basada en evidencia se convirtió hace tiempo en medicina basada en finanzas, y avanza hacia una medicina basada en la corrupción”, dijo.

El salto reciente viene de la IA generativa. Los talleres de artículos fraudulentos, conocidos como paper mills, la usan para fabricar datos de pacientes, análisis estadísticos engañosos y referencias falsas. Lo que antes exigía semanas de trabajo ahora puede producirse en minutos.

El peligro no se queda en la deshonestidad académica. Si los estudios fabricados entran en las bases de datos médicas, pueden contaminar revisiones sistemáticas, distorsionar guías clínicas y, en última instancia, influir en decisiones sobre el tratamiento de pacientes.

Las citas inventadas añaden otra capa de confusión: son plausibles, incluyen autores reales y años creíbles, y muchas veces pasan el filtro de revisión. El propio Ioannidis describe un sistema que produce una avalancha de textos sintéticos mientras la revisión por pares sigue diseñada para evaluar trabajos individuales.

Los números de auditores independientes coinciden con esa advertencia. Una revisión publicada en The Lancet examinó 2,5 millones de artículos biomédicos y 97,1 millones de referencias: halló 4.046 citas fabricadas en 2.810 trabajos, con un aumento de más de 12 veces entre 2023 y 2025.

En cáncer, un modelo de aprendizaje automático de la Universidad Tecnológica de Queensland revisó 2,6 millones de estudios y marcó más de 250.000 con patrones de escritura similares a los de artículos retirados por fabricación. Son señales para revisión humana, no pruebas de fraude.

Otro análisis, difundido por Retraction Watch en septiembre, encontró que estudios vinculados a paper mills son citados en guías clínicas, documentos de política y patentes. La contaminación ya no está confinada a las revistas académicas.

La salida, según los expertos, combina controles editoriales más estrictos, detección automatizada de fraude y verificación de los datos originales. La IA puede acelerar descubrimientos médicos, pero también puede contaminar la evidencia en la que los médicos basan sus decisiones. El reto ya no es solo producir estudios fiables, sino asegurarse de que los publicados sean reales.

Fuentes
IAI TV — John Ioannidis: AI is generating “false, fraudulent and fake” medical research (14 de octubre de 2026)
Columbia University / Phys.org — Nearly 3,000 peer-reviewed medical papers have fake citations, AI-assisted audit finds
Queensland University of Technology — New tool exposes scale of fake research flooding cancer science
Retraction Watch — Paper mill studies get cited by clinical guidelines, policy docs and more, analysis finds

Crédito de la imagen: John Ioannidis, entrevista de IAI TV.