Cada vegada és més habitual que els xatbots responguin preguntes sobre medicaments. Si en recomanen sempre els mateixos, la tria deixa de dependre de l'evidència clínica i del preu, i això té conseqüències per als sistemes de salut. Un equip japonès-nord-americà ho ha mesurat.
L'estudi, publicat avui a «Nature Health» (DOI 10.1038/s44360-026-00205-y), l'ha liderat Daiju Ueda, de la Facultat de Medicina d'Osaka Metropolitan University, amb la col·laboració del MD Anderson Cancer Center de la Universitat de Texas. Els autors van demanar a cinc models (GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Flash, Llama 4 i MedGemma) que recomanessin fins a tres productes aprovats per la FDA en diversos escenaris simulats. Cada principi actiu tenia de mitjana 5,5 productes aprovats, però un de sol acaparava de mitjana el 97,5% de les primeres opcions.
Els models tendien a triar fàrmacs amb nom comercial conegut, molta visibilitat a Google o pàgina pròpia a la Viquipèdia, i menys els aprovats més tard o els més receptats a la pràctica. Algunes recomanacions contradeien la informació reguladora, com ara productes ja retirats. Amb dades dels Estats Units, els autors calculen que, si es prescrivís com recomanen els models, el cost anual de compra pujaria uns 55,6 milions de dòlars, un 1.019% més. Quan se'ls demanava prioritzar productes barats o genèrics, els models canviaven de tria, però la recomanació seguia concentrada en pocs productes.
La font és la nota de premsa de la universitat: no hem pogut llegir l'article sencer ni en coneixem les limitacions. L'estimació de cost és una simulació, no una mesura de prescripcions reals, i els escenaris són simulats. Els investigadors recomanen avaluar la IA sanitària per detectar biaixos en la tria de productes i combinar-la amb fonts fiables d'informació de medicaments i supervisió humana.