Calidad del Informe Pericial: Cómo la IA Detecta Errores Críticos Antes de la Firma

Hay dos formas de mirar la inteligencia artificial aplicada al peritaje médico. La primera, más comentada, es la que pone el foco en la velocidad: hacer lo mismo en menos tiempo. La segunda, menos discutida pero clínicamente más importante, es la que pone el foco en la calidad: hacer mejor lo que de otro modo se haría con los mismos errores que llevamos décadas cometiendo.

Esta entrada se ocupa de la segunda. Porque cuando se habla de IA y peritaje, la conversación honesta no es sobre productividad. Es sobre rigor.

Los errores que el perito comete por agotamiento

Un informe pericial complejo —una negligencia médica, una incapacidad laboral con patología previa relevante, un accidente con múltiples lesiones concurrentes— tarda en producirse 15-20 horas. Esas horas no son consecutivas: están repartidas entre llamadas, urgencias clínicas y otras pericias en marcha. El perito vuelve al expediente cansado, recordando solo parcialmente lo que pensó la sesión anterior.

En esas condiciones, los errores que aparecen son sistemáticos:

• Inconsistencias temporales. Una fecha en la página 3 no concuerda con otra en la página 18. El perito no las ve porque ha leído mucho material entre ambas páginas.
• Conclusiones desconectadas de los datos. El cuerpo del informe describe una limitación funcional de hombro del 25%, pero la conclusión final habla del 30%. Error de transcripción que invalida la valoración.
• Documentación olvidada. El expediente incluye un informe previo que contradice la conclusión del perito. El perito lo recordó cuando lo leyó, pero lo olvidó al redactar las conclusiones. El abogado contrario lo saca en el juicio.
• Cálculos del baremo incorrectos. Aplicación de la tabla equivocada, error en el factor de corrección por edad, fórmula de combinación de secuelas mal aplicada. Aritmética mal hecha bajo cansancio.
• Estructura incompleta. Falta el listado completo de documentación analizada o las conclusiones no están numeradas conforme a la práctica forense esperada.

Cada uno de estos errores puede comprometer la pericia. Y todos ellos son verificables por una IA correctamente entrenada antes de que el perito firme.

Las cuatro categorías de calidad que la IA verifica

Calidad estructural. ¿Están todos los apartados que exige la LEC? ¿La documentación analizada está listada de forma exhaustiva? ¿Las conclusiones están numeradas y son contestables individualmente? ¿El encabezamiento incluye el procedimiento judicial al que va dirigido el informe? La IA recorre el documento y marca cada elemento ausente.

Calidad de coherencia interna. ¿Las fechas son consistentes a lo largo del informe? ¿Los diagnósticos del cuerpo coinciden con los de las conclusiones? ¿Los días impeditivos sumados equivalen a los declarados en el baremo? ¿Las cifras económicas finales son compatibles con los puntos asignados? Estas verificaciones requieren leer el informe completo simultáneamente, algo que el cansancio humano dificulta.

Calidad de coherencia clínica. ¿El mecanismo lesional descrito es compatible con las lesiones diagnosticadas? ¿La evolución clínica es plausible con la patología? ¿La medicación referida es coherente con el cuadro? La IA compara la narrativa del informe con la literatura clínica de referencia y marca inconsistencias.

Calidad de los cálculos. ¿La tabla del baremo aplicada es la correcta para esta lesión y esta jurisdicción? ¿La combinación de secuelas usa la fórmula de Balthazard cuando corresponde? ¿El factor de corrección por edad se aplicó al rango correcto? ¿Los días no impeditivos están bien diferenciados de los impeditivos? Aritmética verificada contra la fuente oficial.

El concepto de doble revisor: una asignatura pendiente

En cirugía hay un principio: la prevención de errores quirúrgicos mejora cuando dos profesionales independientes verifican el mismo paciente. En radiología, la doble lectura de mamografías reduce los falsos negativos. En aviación, todo procedimiento crítico requiere verificación cruzada por un segundo piloto.

El peritaje médico históricamente no ha tenido doble revisor. El perito firma su informe y lo entrega. Si tiene errores, se descubrirán cuando el perito de la parte contraria los señale en juicio —cuando ya es tarde para corregirlos.

La IA aplicada al control de calidad funciona como ese doble revisor que el peritaje no había tenido. Lee el informe completo con criterios formales, estructurales y clínicos, y devuelve una lista de hallazgos que el perito puede revisar en 10 minutos antes de la firma. La diferencia entre un informe que pasa esa revisión y uno que no la pasa es, simplemente, que el segundo lleva errores que invalidarán parte del trabajo.

Lo que la IA no puede revisar

Esta sección es importante porque quienes venden IA tienden a omitirla. La IA no puede revisar:

• El razonamiento clínico complejo. Si tu valoración del nexo causal es discutible —algo legítimo en muchos casos— la IA no lo va a marcar. Esa es una valoración profesional que solo otro perito de la especialidad puede juzgar.
• La adecuación del tono al destinatario. Si tu lenguaje es demasiado técnico para un juez no médico o demasiado coloquial para un tribunal, la IA puede sugerir, pero el juicio último es tuyo.
• La elección de la documentación a citar. Si decidiste no incluir un informe que conoces, la IA no sabe que existe. Solo trabaja con lo que tiene.
• La estrategia pericial. Si tu informe está estructurado para apoyar a una de las partes en lugar de mantener neutralidad técnica, la IA difícilmente lo detectará. Esto sigue siendo responsabilidad ética del perito.

La IA es un asistente para errores formales y de coherencia. No es un asistente para criterio profesional. Confundir ambos es el error más frecuente al adoptar estas herramientas.

El indicador de calidad pericial: la tasa de impugnaciones acogidas

Hay un dato que pocos peritos siguen pero que es el mejor indicador de la calidad real de su trabajo: la proporción de informes que la parte contraria impugna con éxito en juicio. No las impugnaciones presentadas —cualquier abogado las presenta de oficio— sino aquellas que el tribunal acoge total o parcialmente.

Un perito con un 5% de impugnaciones acogidas tiene un trabajo razonablemente sólido. Un perito con un 20% tiene un problema sistémico, y casi siempre la causa está en errores formales y de coherencia que se podrían haber detectado antes de la firma.

Las plataformas con IA que verifican la calidad reducen esta tasa de forma medible. No porque mejoren el criterio del perito, sino porque eliminan los errores que son causa de impugnación más frecuente: incoherencias internas, cálculos del baremo incorrectos, ausencias de elementos formales exigidos.

Cómo PeriaMed implementa el control de calidad

PeriaMed integra el control de calidad en tres puntos del flujo de trabajo:

Durante la edición. Cada vez que el perito modifica una sección, el sistema verifica la coherencia con el resto del informe en tiempo real. Si cambias una fecha en una sección, te avisa si esa fecha aparece de forma distinta en otra parte.

Antes de la generación de conclusiones. El sistema valida que las conclusiones que el perito está a punto de redactar son consistentes con los datos del cuerpo del informe. No reescribe las conclusiones: marca incompatibilidades para que el perito decida.

Como revisión final pre-firma. Antes de exportar el documento, una verificación completa recorre el informe con todos los criterios estructurales, de coherencia y de cálculo. Devuelve una lista de hallazgos clasificados por gravedad. El perito decide cuáles son errores reales y cuáles son falsos positivos.

Esta arquitectura mantiene al perito como decisor último. La IA propone; el perito dispone. Pero el perito dispone con información que antes no tenía.

La adopción y el ego profesional

Una de las objeciones que aparecen al introducir control de calidad asistido por IA es la profesional: “He estado haciendo esto durante 20 años, no necesito que un algoritmo me revise el trabajo.”

La respuesta clínica honesta es que precisamente los profesionales con más experiencia son los que más beneficio obtienen del control de calidad sistemático. No porque cometan más errores que los noveles —cometen menos— sino porque los errores que cometen son sutiles y específicamente los que el agotamiento produce: inconsistencias menores, cálculos automatizados sin verificación, asunciones implícitas que un revisor externo cuestionaría.

En radiología, los radiólogos sénior que aceptan revisión asistida por IA mejoran sus métricas. Los que la rechazan mantienen sus métricas. Esto no es un juicio sobre competencia: es un dato sobre cómo funciona la calidad humana en cualquier disciplina compleja.

Calidad y RGPD: el control no puede hacerse a costa de la confidencialidad

Cualquier sistema de IA aplicado al peritaje médico procesa información clínica sensible. El control de calidad sobre el informe exige que la IA “lea” el documento completo, lo cual implica que esa documentación sale del ordenador del perito en algún momento.

Las plataformas serias resuelven esto con tres garantías que el perito debe verificar:

• Tratamiento de datos en territorio europeo. Los servidores deben estar en la UE para que aplique íntegramente el RGPD.
• Contrato de encargo del tratamiento (DPA) con el proveedor. Define quién es responsable y quién encargado, y qué medidas se aplican.
• Anonimización previa cuando es técnicamente viable. Antes de que la IA procese la información, los datos identificativos del paciente pueden eliminarse o sustituirse.

Sin estas garantías, el control de calidad asistido por IA puede ser deontológicamente problemático aunque funcione técnicamente.

Conclusión: la calidad como diferenciador de mercado

En un mercado pericial cada vez más competitivo, donde los abogados eligen al perito y comparan resultados, la calidad del informe es lo que sostiene la práctica profesional a largo plazo. No los honorarios bajos, no la rapidez. La calidad.

La IA bien aplicada al control de calidad pericial no sustituye al perito. Le da el doble revisor que la profesión nunca ha tenido. El perito que adopta esta herramienta no está delegando responsabilidad: está aceptando una verificación adicional que solo refuerza la solidez de su trabajo.

Y en un juicio donde la pericia se discute, ese refuerzo es lo que separa a quienes defienden con solvencia su informe de quienes descubren los errores cuando ya es tarde para corregirlos.