MAP‑CITAS es una herramienta de inteligencia artificial desarrollada por el Hospital Gregorio Marañón para mejorar la gestión de primeras consultas hospitalarias. Analiza automáticamente las derivaciones de Atención Primaria mediante procesamiento de lenguaje natural y clasifica a los pacientes según procesos asistenciales definidos por cada especialidad. Su implantación en Traumatología ha permitido reorganizar agendas, mejorar la adecuación clínica, incrementar la capacidad resolutiva en la primera consulta y optimizar el uso de recursos diagnósticos y asistenciales.
Candidatura
MAP-CITAS: cuando la IA mejora la experiencia de la primera consulta
Antecedentes
La derivación a consultas hospitalarias se realizaba sin clasificación clínica detallada, generando consultas heterogéneas, menor capacidad resolutiva y un uso ineficiente de recursos.
En servicios muy subespecializados, como Traumatología, este modelo provocaba derivaciones internas, más pruebas diagnósticas y múltiples visitas. Era necesario un sistema capaz de interpretar automáticamente el motivo clínico de derivación y asignarlo al especialista adecuado, favoreciendo la continuidad asistencial entre Atención Primaria y Hospitalaria.
Retos
El proyecto busca transformar la gestión de primeras consultas mediante IA, situando al paciente en el centro. Pretende asignar citas según el motivo clínico real, mejorar la satisfacción profesional reduciendo tareas administrativas, generar conocimiento científico replicable y avanzar hacia un sistema sanitario más digital, sostenible e inclusivo.
Entre sus retos se encuentran entrenar modelos capaces de comprender lenguaje clínico, alinear automatización con criterios médicos y lograr aceptación profesional manteniendo supervisión humana.
Fases
El proyecto siguió una metodología ágil con cinco fases: análisis inicial de flujos y configuración de criterios; formación a médicos y personal de admisión; pilotaje en varios servicios con dashboard en tiempo real; implantación completa en Traumatología con rediseño de agendas; y evaluación continua mediante datos, encuestas y grupos focales.
Se emplearon recursos técnicos (algoritmo de machine learning, aplicación web interna) y humanos (equipo de sistemas, admisión y especialistas clínicos).
Nuevos Servicios
MAP‑CITAS permite clasificar de forma autónoma un 35% de las solicitudes y alcanza un 95% de acierto validado por los especialistas. En Traumatología, las consultas monográficas creadas gracias a la herramienta lograron hasta un 49,6% de altas directas frente al 13,5% del modelo tradicional.
Se redujeron interconsultas, resonancias y estudios neurofisiológicos, optimizando recursos y disminuyendo visitas innecesarias. Esto implica menor gasto en pruebas, mejor utilización de agendas y más eficiencia operativa.
Conclusiones
Hemos visto que la IA, aplicada de forma ética y supervisada, mejora la atención sanitaria sin sustituir al profesional. MAP‑CITAS consigue una atención más eficiente, equitativa y centrada en las personas, incrementando la resolución en la primera consulta y reduciendo desplazamientos, esperas y pruebas no necesarias.
También mejora la experiencia profesional al permitir que cada especialista atienda patologías de su ámbito. El proyecto demuestra que la innovación pública puede humanizar procesos y fortalecer el sistema sanitario.
Patrocinadores Premios AAPP 2026
