Aproximadamente 1 de cada 20 pacientes hospitalizados experimenta daños prevenibles, siendo la identificación errónea del paciente una causa raíz persistente tanto en la atención hospitalaria como ambulatoria [1, 2]. Si bien las pulseras físicas y las tarjetas médicas son el estándar de identificación actual, sus vulnerabilidades operativas (códigos de barras sucios, pulseras cortadas o controles de identificación pasivos) están bien documentadas en la práctica clínica diaria [2].
Para evaluar si la identificación biométrica mediante huellas dactilares respaldada con IA puede subsanar estas deficiencias de seguridad sin ralentizar el trabajo de los médicos, realizamos un estudio en un centro de pruebas especializado: el Hospital da Luz Learning Health Simulation Center en Lisboa [3].
Publicado en JMIR Biomedical Engineering. Este proyecto piloto, desarrollado a través de una colaboración entre la Universidad Loyola de Chicago, Heuristik Technologies y Luz Saúde, ofrece datos concretos sobre cómo funciona la verificación biométrica en flujos de trabajo clínicos realistas [3].
Diseño del estudio: Pruebas de estrés para evaluar la seguridad sin riesgo para los pacientes
Implementar sistemas biométricos no validados directamente en salas de hospitalización activas supone un riesgo operativo inaceptable. La simulación clínica de alta fidelidad ofrece una solución ideal: permite a los investigadores poner a prueba la usabilidad del software, los casos extremos y la integración del flujo de trabajo antes de introducir la tecnología en la atención directa al paciente.
Realizado en marzo de 2025, el ensayo evaluó una cohorte total de 18 participantes (edad media 36 años) en un flujo de trabajo hospitalario simulado:
- 9 Evaluadores de atención médica: Cinco enfermeras registradas, dos técnicos de atención al paciente y dos técnicos de servicio al cliente evaluaron el sistema en escenarios reales [3].
- 12 pacientes simulados: Se realizaron pruebas en tres entornos clínicos distintos (ambulatorio, preoperatorio y postoperatorio) utilizando cuatro dispositivos de escaneo Heuristik. Este grupo estaba compuesto por 9 participantes no clínicos más 3 enfermeras que asumieron un doble rol como evaluadores del sistema y pacientes simulados [3].
Para garantizar una estricta privacidad, la plataforma Heuristik funcionaba de forma independiente, sin integración con el sistema de historia clínica electrónica (HCE) en tiempo real. Los datos de las huellas dactilares se cifraban, se anonimizaban y procesaban en un servidor seguro en la nube, creando un puente seguro sin exponer los historiales médicos directos.
Lo que mostraron los datos
La evaluación analizó dos resultados principales: viabilidad técnica (precisión de coincidencia) y aceptabilidad por parte del personal (usabilidad y satisfacción) [3].
- Precisión de coincidencia del 100%: En todos los escaneos en el punto de atención en entornos ambulatorios, preoperatorios y postoperatorios, el sistema logró una tasa de coincidencia de identificación del 100 % utilizando al menos una huella dactilar registrada [3].
- 87.14 Puntuación de la Escala de Usabilidad del Sistema (SUS): El personal sanitario completó la encuesta estandarizada SUS de 10 ítems, puntuando el sistema con una media de 87,14 sobre 100 (con un rango de 70 a 97,5). En la investigación de usabilidad, las puntuaciones superiores a 68 representan una aceptabilidad superior a la media, lo que sitúa a la herramienta en un nivel muy favorable [4, 5].
- Tasas de aceptabilidad del usuario al 100%: El personal participante estuvo totalmente de acuerdo o de acuerdo en que el sistema era útil, fiable y eficaz para reducir los errores de identificación. Los comentarios abiertos destacaron la fiabilidad del sistema, su facilidad de uso y la rapidez de verificación [3].
Puntos clave: preparación para las salas de hospitalización
Si bien estos resultados preliminares demuestran una sólida viabilidad técnica y una alta aceptación por parte del personal, deben interpretarse dentro del ámbito natural de un estudio piloto inicial. El estudio se estructuró específicamente para establecer la viabilidad de referencia y la satisfacción del usuario, en lugar de medir la reducción de errores clínicos a largo plazo en todo el sistema [3]. Además, aunque la simulación de alta fidelidad imita eficazmente la dinámica central de la sala, no puede replicar completamente las presiones caóticas, los cambios bruscos de iluminación o las interrupciones frenéticas de un servicio de urgencias activo. A medida que la tecnología avanza hacia una implementación más amplia, nuestros próximos ensayos se centrarán en capturar métricas biométricas más detalladas, específicamente en evaluar las tasas de falso rechazo (FRR) al manipular huellas dactilares degradadas, húmedas o sucias directamente junto a la cama del paciente.
El programa piloto de simulación en el Hospital da Luz confirmó que la verificación biométrica asistida por IA puede lograr una alta precisión y una rápida adopción entre el personal de enfermería y administrativo. El establecimiento de esta base operativa proporciona la base necesaria para la siguiente fase: la validación in vivo con ensayos clínicos en entornos hospitalarios reales.
Publicar estos resultados en JMIR Biomedical Engineering valida la viabilidad técnica y la preparación operativa de nuestro sistema [3]. La simulación de alta fidelidad demuestra que la verificación automatizada de pacientes puede ser rápida, precisa y sencilla bajo restricciones clínicas realistas. Establecer esta base en el Hospital da Luz representa un fundamento necesario que allana el camino para una implementación segura, validada y eficaz en entornos sanitarios reales.
Referencias
[1] Panagioti, M., Khan, K., Keers, R. N., Abuzour, A., Phipps, D., Kontopantelis, E., Bower, P., Avery, A. J., & Avery, A. (2019). Prevalence, severity, and nature of preventable patient harm across medical care settings: Systematic review and meta-analysis. BMJ, 366, l4185. https://doi.org/10.1136/bmj.l4185
[2] Riplinger, L., Piera-Jiménez, J., & Dooling, J. P. (2020). Patient identification techniques - Approaches, implications, and findings. Yearbook of Medical Informatics, 29(1), 81–86. https://doi.org/10.1055/s-0040-1701984
[3] Schroers, G., del Rio Oliva, M., O'Rourke, J., Caballero, A., Barata Gomes, L., & Araújo, R. (2026). Fingerprint-based patient identification technology: Simulated pilot study on technical performance and usability. JMIR Biomedical Engineering, 11, e88657. https://doi.org/10.2196/88657
[4] Brooke, J. (1996). SUS-A quick and dirty usability scale. In P. W. Jordan, B. Thomas, B. A. Weerdmeester, & I. L. McClelland (Eds.), Usability Evaluation in Industry (pp. 189–194). Taylor & Francis.
[5] Lewis, J. R. (2018). The System Usability Scale: Past, present, and future. International Journal of Human–Computer Interaction, 34(7), 577–590. https://doi.org/10.1080/10447318.2018.1455307
