A Chatbot After the Clinic Visit Helped Young People Understand Their Cancer Risk

experiment · JAMA Network Open · la publicación, 7 oct 2026 · gratis

Un chatbot ayudó a jóvenes con riesgo hereditario de cáncer a entender su riesgo antes de los 30

En un estudio con 106 jóvenes, los que usaron la herramienta después de su consulta mejoraron su comprensión del riesgo a corto plazo. La comprensión del riesgo de por vida y de los exámenes recomendados no mejoró de forma clara.

Versión breve · la versión detallada sigue, unos 9 min

Pregunte al chat de weeklyAI

Pregúnteme por este estudio: a quiénes se estudió, qué encontró y qué no dice.

Las conversaciones se guardan mientras exista weeklyAI, para mejorar la publicación. Se responde en el idioma en que usted escribe.

El estudio, de un vistazo
Quiénes: Adolescentes y adultos jóvenes con síndromes hereditarios de cáncer
Cuántos: 106
Dónde: Estados Unidos
Cuándo: Entre el 20 de diciembre de 2022 y el 30 de mayo de 2025
Tipo de estudio: experiment
Quién lo hizo: Dana-Farber, Emory, Universidad de Chicago e Instituto Huntsman
El límite que importa: Solo participaron 106 jóvenes, en centros académicos, y el 93% eran blancos

Jóvenes que entendían bien su riesgo de cáncer antes de los 30 años, después de la consulta

Solo consulta médica37%

Consulta más chatbot78%

Porcentaje de jóvenes que respondían correctamente cuál era su riesgo de cáncer antes de los 30 años, medido justo después de la consulta; el estudio no midió si después se hicieron los exámenes.

Consulta médica sola frente a consulta médica más chatbot

Solo la consulta médicafrente aLa consulta más el chatbot

Entendían bien su riesgo antes de los 30 años el 37% frente al 78%

Solo la consulta médicafrente aLa consulta más el chatbot

La mejora en el conocimiento del tamizaje recomendado no fue clara

Solo la consulta médicafrente aLa consulta más el chatbot

La reducción de la angustia no fue clara

El chatbot no aumentó la angustia de los jóvenes.
Lectura de weeklyAI

Ver · 0:52

Investigadores de cuatro centros de cáncer de Estados Unidos crearon un chatbot llamado AYA-RISE para enseñar a jóvenes con riesgo hereditario de cáncer sobre su riesgo y los exámenes de detección. Lo probaron con 106 jóvenes de 12 a 24 años que tenían uno de 9 síndromes hereditarios de cáncer. La mitad recibió el chatbot después de su consulta médica, y la otra mitad recibió solo la consulta.

Antes de la consulta, el 38% del grupo que solo tuvo la consulta sabía cuál era su riesgo de tener cáncer antes de los 30 años, y en el grupo del chatbot lo sabía el 52%. Después de la consulta, el 78% del grupo que usó el chatbot lo sabía, comparado con el 37% del grupo que solo tuvo la consulta.

El chatbot no aumentó la angustia de los jóvenes. De hecho, los puntajes de angustia fueron un poco más bajos en el grupo que lo usó, aunque esa diferencia no fue lo bastante clara como para sacar conclusiones firmes. El estudio tampoco encontró una mejora segura en lo que los jóvenes sabían sobre los exámenes recomendados para su síndrome, ni sobre su riesgo de por vida.

Los investigadores también midieron si los jóvenes entendían qué exámenes les correspondían según su edad y qué partes del cuerpo debían revisarse. En esos puntos no hubo diferencias claras entre los grupos.

Hay que tener en cuenta varias cosas. Solo participaron 106 jóvenes, todos atendidos en centros académicos, y el 93% eran blancos, así que no se sabe si el beneficio sería igual en otras familias y otros lugares. El estudio midió lo que los jóvenes sabían justo después de la consulta. No midió si después fueron de verdad a hacerse los exámenes ni si su salud mejoró.

El chatbot fue desarrollado por un equipo de investigación, sin usar inteligencia artificial generativa. La interfaz la creó una empresa llamada Clear Genetics, hoy Invitae/Labcorp. El estudio recibió fondos del Instituto Nacional del Cáncer de Estados Unidos, que no participó en su diseño ni en sus resultados. Varios autores declararon vínculos económicos con empresas de salud.

Si su hijo o hija tiene un síndrome hereditario de cáncer, vale la pena preguntar en su equipo de atención si existe una herramienta como esta, o si la están desarrollando, en el lugar donde reciben atención.

Qué significa para usted

Si su hijo o hija tiene uno de estos síndromes hereditarios, puede preguntar en su equipo de atención si allí usan o preparan una herramienta parecida, porque este estudio se hizo solo en cuatro centros académicos de Estados Unidos y con pocas familias. También puede observar si en la consulta alguien le explica al joven su riesgo a corto plazo en palabras que él entienda, y pedir que sea un profesional de la salud quien aclare cualquier duda médica.

Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794

Quién pagó: El estudio fue financiado por la subvención 1U01CA243688 del Instituto Nacional del Cáncer; el financiador no tuvo ningún papel en el diseño, la realización, el análisis ni la publicación del estudio, y la interfaz del chatbot fue desarrollada por Clear Genetics (ahora Invitae/Labcorp).

No tome esto como consejo médico profesional.

Versión detalladaLos pasajes copiados del artículo, las ilustraciones y cada fuente con cuánto leímos de ella · 1865 palabras · unos 9 minLeerla →Cerrar

Un chatbot después de la consulta ayudó a jóvenes con riesgo hereditario de cáncer a entender mejor su riesgo antes de los 30 años

Un ensayo aleatorizado de 106 adolescentes y adultos jóvenes en cuatro centros académicos de Estados Unidos encontró esa mejora. No encontró lo mismo para el riesgo de por vida ni para el conocimiento del tamizaje recomendado, y el estudio no midió si los participantes se hicieron los exámenes.

Así podría verse · ilustración generada por weeklyAI.watch, no es una fotografía

En familias donde un diagnóstico de cáncer hereditario ya está sobre la mesa, la pregunta más urgente para un hijo adolescente no es qué pasará dentro de cincuenta años, sino qué puede pasarle antes de cumplir los 30. Un ensayo clínico aleatorizado probó si una herramienta electrónica podía ayudarles a entender ese riesgo con más claridad que la consulta médica por sí sola. La intervención se llama AYA-RISE (por sus siglas en inglés, Educación sobre Riesgo y Tamizaje para Adolescentes y Adultos Jóvenes) y fue evaluada en 106 personas de entre 12 y 24 años, cada una con uno de nueve síndromes de predisposición hereditaria al cáncer, en cuatro centros académicos de Estados Unidos: el Instituto del Cáncer Dana-Farber, la Universidad de Emory junto con Children's Healthcare of Atlanta, la Universidad de Chicago y el Instituto Huntsman de la Universidad de Utah.

Los participantes fueron asignados al azar, en partes iguales, a dos grupos: uno que tuvo solo su consulta de predisposición al cáncer y otro que tuvo la consulta más el chatbot. Antes de la consulta y después de ella, todos respondieron encuestas. Al inicio, el 38% de los jóvenes del grupo de control (20 de 52) y el 52% del grupo de intervención (28 de 54) respondían correctamente cuál era su riesgo de cáncer antes de los 30 años. Después de la consulta, esos porcentajes fueron del 37% en el grupo de control (19 de 52) y del 78% en el grupo que usó el chatbot (42 de 54). La diferencia entre ambos grupos fue clara y los investigadores la consideraron estadísticamente significativa. En palabras simples: la consulta sola no cambió casi nada, y la consulta con el chatbot duplicó la proporción de jóvenes que entendían bien su riesgo a corto plazo.

Es importante detenerse en lo que el estudio no encontró. La mejora en el conocimiento del riesgo de por vida no fue estadísticamente significativa, es decir, no se puede afirmar que el chatbot la haya producido. Tampoco fue significativa la mejora en el conocimiento del tamizaje recomendado, ni la reducción de la angustia psicológica. Los investigadores midieron la angustia con una escala que va de 0 a 10, y la diferencia entre grupos no alcanzó el umbral estadístico. Lo que sí reportaron es que no observaron un aumento de la angustia después de la intervención, lo cual era una preocupación central: querían asegurarse de que entender mejor el riesgo no hiciera que los jóvenes se sintieran peor.

El problema de fondo es considerable. Más del 10% de los adolescentes y adultos jóvenes con cáncer tienen una predisposición hereditaria que eleva su riesgo de por vida de desarrollar nuevos cánceres¹. Estos jóvenes viven con la posibilidad de que el cáncer aparezca en cualquier momento, y en el caso de los participantes de este estudio el riesgo a corto plazo era lo bastante alto como para que el tamizaje formara parte de su atención médica continua². El tamizaje permite detectar cánceres temprano, cuando son más tratables. Sin embargo, los modelos de comunicación de riesgo diseñados específicamente para esta edad todavía están en desarrollo³.

Vale la pena entender qué es exactamente esta herramienta, porque no se parece a las aplicaciones de inteligencia artificial generativa que muchos padres conocen. AYA-RISE es un chatbot electrónico al que se accede mediante un enlace seguro desde una computadora, tableta o teléfono⁴. Su página principal ofrece seis opciones: conversar, aprender, planear, compartir, conectar y crecer. El chatbot permite a los jóvenes elegir el nivel de detalle que prefieren: por ejemplo, la información sobre el riesgo se ofrece en términos generales ("alto riesgo de cáncer en el futuro") o en números ("más de 5 de cada 10 personas desarrollarán cáncer en el futuro"), y una estructura ramificada les permite escoger⁵. Un dato que merece atención: todos los materiales fueron desarrollados por el equipo de investigación, y ninguno provino de inteligencia artificial generativa⁶. Es decir, no es un modelo de lenguaje improvisando respuestas, sino un sistema cerrado con información revisada por especialistas.

¿Por qué un chatbot y no simplemente una conversación más larga con el médico? Los modelos de comunicación de riesgo diseñados específicamente para esta edad todavía están en desarrollo, y se necesitan nuevos modelos que ayuden a los jóvenes a entender su riesgo y a aceptar el tamizaje que puede salvarles la vida³. Muchas veces la comunicación se da principalmente entre el médico y los padres, y los jóvenes esperan resultados de estudios que se revelan durante la visita, lo que dificulta hacer preguntas más amplias y absorber la información. El chatbot fue diseñado para usarse después de la consulta, cuando el joven puede explorar temas por su cuenta, en su propio tiempo y a su propio ritmo.

Otros trabajos que hemos leído, en distintos contextos, añaden matices a este tipo de hallazgo. Un estudio comparó cinco chatbots de inteligencia artificial generativa respondiendo preguntas de padres sobre deficiencia de vitamina D en niños; según el resumen del estudio, que fue lo único que pudimos leer porque el texto completo está detrás de una suscripción, 20 de 220 respuestas resultaron inseguras, y la seguridad no varió significativamente entre modelos⁷. Otra investigación analizó la legibilidad y calidad de respuestas de ChatGPT, Gemini y Perplexity sobre dolor torácico pediátrico; según el resumen, los textos de los tres modelos quedaron por encima del nivel de lectura esperado para sexto grado, es decir, resultaron difíciles de leer para muchas familias⁸. Un tercer estudio, también leído solo en su resumen, encontró que conversaciones breves con un chatbot aumentaron la intención de vacunar contra el VPH de inmediato, pero a los 45 días ese efecto se había desvanecido, y ninguna intervención aumentó la vacunación reportada⁹¹⁰.

Así lo leemos nosotros. La diferencia entre este estudio y buena parte de lo que se publica sobre inteligencia artificial en salud es que aquí la herramienta no improvisa: su contenido fue escrito y revisado por el equipo de investigación, y el chatbot fue diseñado para usarse después de una consulta médica, no en lugar de ella. Eso lo distingue de los chatbots generativos que cualquier familia puede abrir hoy en un teléfono. La pregunta que este ensayo deja abierta no es si la tecnología funciona, sino si funciona igual cuando el contenido no está curado, cuando el joven no tiene un diagnóstico claro o cuando la familia vive lejos de un centro académico. Nosotros esperaríamos que en esos contextos la mejora sea menor, y sabríamos que nos equivocamos si estudios futuros en comunidades y con poblaciones diversas mostraran resultados similares.

Hay algo que este estudio no puede responder y que a nosotros nos parece lo más importante para una familia. El ensayo midió cuánto entendían los jóvenes justo después de la consulta. No midió si después se hicieron los exámenes de tamizaje, ni si siguieron haciéndolos con el tiempo. Saber más no es lo mismo que actuar distinto. Usted puede preguntar en su próxima cita si su centro de salud tiene materiales o herramientas digitales para que su hijo explore su riesgo por su cuenta, y si esos materiales fueron revisados por el equipo médico. También puede preguntar si el joven tendrá oportunidad de hablar a solas con alguien del equipo, porque la consulta compartida con los padres no siempre es el mejor momento para que un adolescente pregunte lo que de verdad le preocupa.

Otros trabajos que leímos sobre chatbots en salud infantil sugieren una precaución que va más allá de este estudio. Una revisión de respuestas de varios modelos de lenguaje sobre un tema pediátrico común encontró que una parte de las respuestas eran inseguras, y que la calidad y la empatía variaban mucho entre modelos; los autores de ese trabajo, que leímos solo en su resumen, concluyeron que ninguna de esas herramientas está madura para sustituir una consulta médica profesional¹¹. Y otro estudio sobre dolor torácico en niños, también leído solo en su resumen, encontró que los textos generados por chatbots resultaban difíciles de leer para personas con menor alfabetización digital¹². La lección para una familia no es desconfiar de toda tecnología, sino preguntar siempre quién escribió el contenido, si un médico lo revisó y si existe una manera de verificar lo que la herramienta dice.

El estudio tiene límites que sus propios autores reconocen. Solo el 25% de los jóvenes elegibles que fueron contactados aceptaron participar, y los investigadores redujeron la meta de inscripción durante el estudio para ajustarse a su cronología de financiamiento; esa inscripción limitada pudo haber afectado los resultados¹³. La investigación se hizo en centros académicos con clínicas de predisposición al cáncer ya establecidas, y la población carecía de diversidad racial y étnica¹⁴. El resultado principal requería comodidad con números, lo cual puede ser difícil para algunos jóvenes, aunque la medida se basó en un instrumento previamente desarrollado para esta población¹⁵. Además, las encuestas iniciales se administraron después de la asignación al azar, lo que pudo introducir un sesgo de expectativa, y el ensayo tenía poco poder estadístico para detectar efectos en los resultados secundarios, como la angustia.

El estudio fue financiado por el Instituto Nacional del Cáncer de Estados Unidos mediante una subvención, y el financiador no tuvo ningún papel en el diseño, la recolección de datos, el análisis, la interpretación ni la decisión de publicar. La interfaz fue desarrollada por Clear Genetics, ahora parte de Invitae/Labcorp. Varios autores reportaron conflictos de interés, incluyendo subvenciones, honorarios, empleo, acciones y roles de asesoría con diversas empresas. El ensayo se realizó entre el 20 de diciembre de 2022 y el 30 de mayo de 2025, y se publicó el 7 de octubre de 2026.

Para que una herramienta así llegue a las familias que más la necesitan, tendrían que ocurrir varias cosas. Los autores señalan que, a medida que las guías médicas evolucionen, la intervención tendrá que actualizarse para reflejar las recomendaciones vigentes¹⁶. También ofrecen la posibilidad de llevarla más allá de los centros académicos, a las comunidades donde muchos jóvenes reciben atención y donde los recursos para enfermedades raras suelen ser escasos¹⁷. Eso implicaría reducir las cargas de los procedimientos de estudio para facilitar la participación.

Lo que este ensayo deja en manos de una familia no es una aplicación que pueda descargar hoy, sino una manera distinta de pensar el momento después de la consulta. Si su hijo o hija tiene un riesgo hereditario de cáncer, la pregunta que puede llevar a la próxima cita no es si existe un chatbot, sino qué materiales revisados por el equipo médico puede usar su hijo por su cuenta, en un momento tranquilo, y cómo van a saber ustedes si lo que aprendió se traduce en decisiones de salud sostenidas en el tiempo. Esa pregunta, hoy, sigue sin respuesta en este estudio. ¿Qué le preguntaría usted a su equipo médico la próxima vez?

De dónde sale cada dato de contexto, y cuánto leímos de cada documento

Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "More than 10% of adolescents and young adults (AYAs) with cancer have a hereditary cancer predisposition, resulting in heightened lifetime risk of new cancers."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "AYAs with hereditary cancer predisposition live with the possibility that they may develop cancer at any time. Those in our study had sufficiently high short-term risk that tumor screening was part of ongoing medical care."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "AYA-specific models for cancer risk communication and care are still emerging; new models are needed to help AYAs understand risk and embrace lifesaving screening interventions."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "AYA-Risk Information and Screening Education (AYA-RISE; hereafter chatbot-based intervention) is an electronic chatbot-based intervention accessed via a Health Insurance Portability and Accountability Act of 1996–compliant hyperlink via computer, tablet, or phone."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The chat format allowed AYAs to obtain information in their preferred level of detail. For example, information about cancer risk was offered in general terms (“high risk of cancer in the future”) and in numbers (“more than 5 people out of 10 will develop cancer in the future”); a branching pattern allowed patients to choose their preferred level of detail."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The research team developed all material; no material was derived from generative artificial intelligence."
Shi P, Zhou T, Nie Q, Tao B, Li X, Zhu M. (2026). Cross-sectional comparative evaluation of five large language model–driven chatbots on an expert-curated 44-question set of parent-facing questions about pediatric vitamin D deficiency. Frontiers in Pediatrics. 10.3389/fped.2026.1927624 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "Twenty of 220 responses (9.1%) were unsafe; safety did not differ significantly across models (Cochran's Q = 3,704, df = 4, P = 0.448)."
Kıztanır H, Çetin Özbek E. (2026). The readability and quality paradox: Comparing ChatGPT, Gemini, and Perplexity outputs on pediatric chest pain queries. PLOS One. 10.1371/journal.pone.0359170 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "The median readability scores computed across all three AI models were found to be statistically and significantly above the targeted sixth-grade comprehension threshold, indicating a high level of difficulty (p < 0.001)."
Sehgal NKR, Rai S, Tonneau M, Agarwal AK, Cappella J, Kornides ML, et al. (2026). Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions. JAMA Network Open. 10.1001/jamanetworkopen.2026.16822 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "At 45 days, neither chatbot increased intent relative to controls, whereas public health materials maintained modest effects."
Sehgal NKR, Rai S, Tonneau M, Agarwal AK, Cappella J, Kornides ML, et al. (2026). Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions. JAMA Network Open. 10.1001/jamanetworkopen.2026.16822 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "No intervention increased self-reported vaccination uptake."
Shi P, Zhou T, Nie Q, Tao B, Li X, Zhu M. (2026). Cross-sectional comparative evaluation of five large language model–driven chatbots on an expert-curated 44-question set of parent-facing questions about pediatric vitamin D deficiency. Frontiers in Pediatrics. 10.3389/fped.2026.1927624 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "Findings are exploratory rather than evidence of stable model superiority and support multidimensional evaluation with clinician involvement for high-risk or individualized pediatric advice."
Kıztanır H, Çetin Özbek E. (2026). The readability and quality paradox: Comparing ChatGPT, Gemini, and Perplexity outputs on pediatric chest pain queries. PLOS One. 10.1371/journal.pone.0359170 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "Although generative AI formulations harbor considerable potential to provide extensive data on pediatric chest pain, the sophisticated, university-level linguistic architecture of these texts poses a substantial access barrier for individuals who lack proficient digital health literacy skills."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Only 25% of AYAs approached for this study enrolled, and we revised our enrollment goals during the study to match our funding timeline. Limited enrollment may have affected the results."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Our study was conducted at academic centers with established cancer predisposition clinics, and our population lacked racial and ethnic diversity."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Our primary outcome, knowledge of cancer risk, required comfort with numeracy, which can be challenging; however, it was based on a prior measure developed for AYAs."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "As guidelines evolve, the intervention will need to be updated to accurately reflect current standard of care recommendations and support evolving practices of clinical care teams."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - el artículo del que trata esta nota — el artículo completo — el pasaje: "These findings offer promise for dissemination beyond academic settings and into the community, where many AYAs receive care and where dedicated resources for rare diseases are often lacking; reducing burdens of study procedures may help to increase uptake."

No tome esto como consejo médico profesional.

experiment · JAMA Network Open · the paper, 7 Oct 2026 · free

A Chatbot After the Clinic Visit Helped Young People Understand Their Cancer Risk

In a study of 106 young people with inherited cancer risk, those who used the chatbot were more likely to know their risk before age 30. It did not improve every kind of knowledge, and the study cannot say whether anyone actually went for screening.

Short version · the longer version follows, about 6 min

Ask the weeklyAI chat

Ask me about this study: who was studied, what it found, and what it does not say.

Conversations are saved for as long as weeklyAI exists, to improve the publication. Answers come in the language you write in.

The study at a glance
Who: Adolescents and young adults with an inherited cancer risk condition
How many: 106
Where: United States
When: Published October 7, 2026
Kind of study: experiment
Who did it: Dana-Farber Cancer Institute and partner centers
The limit that matters: Only 25% of those approached joined; mostly White; academic centers only.

Accurate knowledge of cancer risk before age 30 after the clinic visit

Clinic visit alone37%

Clinic visit plus chatbot78%

Share of young people who could correctly state their risk of cancer before age 30, right after the visit. The study did not follow whether anyone actually went for screening.

Clinic visit alone compared with clinic visit plus chatbot

Clinic visit aloneagainstClinic visit plus chatbot

37% (19 of 52) had accurate knowledge of cancer risk before age 30, compared with 78% (42 of 54) in the chatbot group.

Clinic visit aloneagainstClinic visit plus chatbot

Knowledge of recommended screening improved in the direction of the chatbot but did not reach the threshold for a real difference.

Clinic visit aloneagainstClinic visit plus chatbot

Distress was slightly lower in the chatbot group, but the difference was not statistically significant.

The chatbot did not increase distress.
weeklyAI's reading

Watch · 0:54

Before the visit, only about half of the young people in the study knew their risk of cancer before age 30. After the visit, 42 of 54 who used the chatbot knew it. Among those who had the visit alone, 19 of 52 knew it.

That is 78 percent compared with 37 percent.

Researchers at four cancer centers in the United States built the tool, called AYA-RISE. It is a chatbot, a program that answers questions in writing on a phone, tablet or computer. Young people could read about their cancer risk in general terms or in numbers, whichever they preferred.

The study took place at Dana-Farber Cancer Institute, Emory University with Children's Healthcare of Atlanta, the University of Chicago, and the University of Utah Huntsman Cancer Institute. It included 106 young people, ages 12 to 24, each with one of nine inherited conditions that raise cancer risk. Half saw their care team and then used the chatbot. Half saw their care team alone.

The chatbot did not increase distress. Distress scores were slightly lower in the chatbot group, but that difference was not statistically significant, meaning it could have been chance.

Two other results also fell short of statistical significance. The chatbot did not clearly improve knowledge of recommended screening, and it did not clearly improve knowledge of lifetime cancer risk.

The study measured knowledge right after the visit. It did not follow whether young people went for their screening tests or stayed well. It cannot promise better health.

The young people were mostly White, and all were cared for at academic cancer centers. Only 25 percent of those approached joined the study. How well this would work in other families and other clinics is not known.

If your child has one of these inherited conditions, ask their care team whether a tool like this is available or being developed where you receive care.

What this means for you

If your child has one of these nine inherited conditions, you can ask their care team whether a tool like this exists or is being developed where you receive care. What this study cannot tell you is whether the chatbot changed anything beyond that first understanding, since it did not follow whether young people went for screening or stayed well.

Who paid: The study was funded by National Cancer Institute grant 1U01CA243688; the funder had no role in the design, conduct, analysis, or publication of the study, and the chatbot interface was developed by Clear Genetics (now Invitae/Labcorp).

Do not take this as professional medical advice.

The longer versionThe passages copied from the paper, the pictures, and every source with how much of it we read · 1256 words · about 6 minRead it →Close

A Chatbot After the Clinic Visit Helped Young People With Inherited Cancer Risk Understand One Number. Not Every Number.

The tool was built by the research team, not generated by AI. It improved knowledge of risk before age 30, and the study could not show it eased distress.

How it could look · illustration generated by weeklyAI.watch, not a photograph

Some families carry a gene that raises the chance of cancer, and the young people in those families have to learn what that means while they are still becoming adults. In a randomized trial published October 7, 2026, in JAMA Network Open, 106 adolescents and young adults aged 12 to 24 with one of nine hereditary cancer predisposition syndromes were assigned by chance to a cancer predisposition clinic visit alone or to that visit plus a chatbot-based tool called AYA-RISE. After the visit, 37 percent of the young people who had the visit alone — 19 of 52 — could correctly state the average risk of cancer before age 30 for someone with their syndrome. In the group that also used the chatbot, 78 percent — 42 of 54 — could.¹

The authors are Junne Kamihara and colleagues at Dana-Farber Cancer Institute and partner centers, and the study was funded by a National Cancer Institute grant. The chatbot did not do well on everything the researchers measured. Knowledge of recommended screening improved in the direction of the tool but did not reach the threshold the researchers had set for calling it a real difference. Knowledge of lifetime risk did not either. And on distress, the tool was associated with slightly lower distress than the visit alone, but again below that threshold — the trial was too small to settle the question.²

What the study did show on that front is the absence of harm it could measure: the researchers checked psychological experiences specifically to see whether better knowledge came at the cost of well-being, and they did not find increased distress after the intervention.³ Only 25 percent of the young people approached enrolled, and the researchers revised their enrollment goal during the study to fit their funding timeline; they say the limited enrollment may have affected the results.⁴ The study ran at academic centers with established cancer predisposition clinics, and the participants lacked racial and ethnic diversity.⁵ The main question also required comfort with numbers, which can be hard.⁶

To picture the size of the matter: more than 10 percent of adolescents and young adults with cancer have a hereditary cancer predisposition, which means a heightened lifetime risk of new cancers.⁷ The young people in this study had short-term risk high enough that tumor screening was already part of their ongoing medical care.⁸

The technology itself is worth understanding, because it is not what most people picture when they hear "chatbot." AYA-RISE was reached through a secure web link on a computer, tablet or phone.⁹ Inside, the young person could choose how much detail they wanted: risk described in general terms as a high chance of cancer in the future, or in numbers, as more than 5 people out of 10 developing cancer in the future, with a branching path letting them pick their preferred level.¹⁰ And the words were not written by a generative AI system. The research team developed all of the material.¹¹ That is a real distinction. This was a curated, clinician-built information tool wearing a chat interface — not a general-purpose model improvising answers about a child's cancer risk.

The reason anyone built it: models for talking about cancer risk with this age group are still emerging, and new ones are needed to help them understand risk and take up screening that can save lives.¹²

Here is how we read it. A young person who has just been told a number about their own body may leave the room holding a distorted version of it — hearing a short-term risk as a life sentence, or shrugging it off entirely. The pattern we expect is that a tool a teenager can open alone, at their own pace, reaches them in a way a parent-supervised conversation in an exam room does not. If we are wrong, it would look like this: the young people who used the chatbot would have grasped their short-term risk no better than those who only saw the clinic team — and that is not what happened here.

There is a second thing we would watch for. A tool that answers questions about cancer risk can be trusted more than a family's own understanding, and a young person may treat its wording as the final word. Ask who can see what your child types into the tool and whether a summary goes into the medical record. Treat it as a place to prepare questions for the care team, not as the authority that decides anything.

This study belongs to a family of research on chatbots and children's health, and the other members of that family are less encouraging. One cross-sectional study compared five large language model-driven chatbots answering caregiver questions about pediatric vitamin D deficiency; in that single-run evaluation, 20 of 220 responses — 9.1 percent — were unsafe, with no significant difference in safety across the models. We could read only the summary; the full paper is behind a subscription.¹³¹⁴ The same summary concluded that findings like these are exploratory rather than evidence that one model is stably better, and that high-risk or individualized pediatric advice needs clinician involvement.¹⁵

A second study examined chatbot-generated text about pediatric chest pain and found the writing sat well above a sixth-grade reading level — a barrier for anyone without strong digital health literacy.¹⁶¹⁷ Its authors wrote that no model is currently mature enough to substitute for a professional medical consultation.¹⁸ A third study tested a chatbot that encouraged HPV vaccination in parents; brief conversations raised parents' stated intention to vaccinate compared with no intervention, but at 45 days neither chatbot still increased intent, and no intervention increased actual vaccination.¹⁹²⁰²¹²² That study's summary put the limit plainly: evidence that these tools improve durable, behaviorally relevant outcomes beyond existing health materials is limited.²³ We could read only the summaries of all three.

Put the two side by side. In the HPV study, the chatbot's advantage over doing nothing faded within weeks. In this trial, the chatbot's advantage was measured in the clinic or at home, right after the visit — not months later, and not in whether anyone went for screening. A separate short paragraph of the article notes that the intervention will need updating as screening guidelines change,²⁴ and that these findings offer promise for moving beyond academic settings into the community, where many young people receive care and where resources for rare diseases are often lacking.²⁵

What this makes possible for you, if your child carries a hereditary cancer risk, is narrow and real. After a specialist visit, ask your teenager to explain the risk back to you in their own words, and let them use whatever tool the clinic offers on their own rather than reading it to them. Watch whether they treat the information as a fixed verdict about their whole life or as something they can act on. Then ask the care team two questions: what exactly is this tool, and who wrote what it says? A chatbot built and reviewed by the clinic's own team is a different object from a general-purpose assistant answering whatever your child types at midnight. That distinction is the one this study can actually support — and the one worth carrying into your next appointment.

Where each piece of context comes from, and how much of it we read

Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "Following the clinic visit, 37% (19 of 52) of AYAs in the control group and 78% (42 of 54) in the chatbot-based intervention group had accurate knowledge, reflecting greater improvement in knowledge of cancer risk by age 30 years (OR, 3.50; 95% CI, 1.45-9.19; P = .005)."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "AYAs in the intervention group had non–statistically significant improvements in knowledge of recommended screening (OR, 2.17; 95% CI, 0.85-5.59; P = .11) and reductions in distress compared with AYAs in the control group (distress thermometer, β = −0.50; 95% CI, −1.09 to 0.08; P = .09)."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "We also assessed psychological experiences, including problems related to cancer predisposition and overall distress, to ensure that enhanced knowledge did not come at the expense of psychological well-being. Fortunately, we did not see increased psychosocial distress after the intervention."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "Only 25% of AYAs approached for this study enrolled, and we revised our enrollment goals during the study to match our funding timeline. Limited enrollment may have affected the results."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "Our study was conducted at academic centers with established cancer predisposition clinics, and our population lacked racial and ethnic diversity."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "Our primary outcome, knowledge of cancer risk, required comfort with numeracy, which can be challenging; however, it was based on a prior measure developed for AYAs."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "More than 10% of adolescents and young adults (AYAs) with cancer have a hereditary cancer predisposition, resulting in heightened lifetime risk of new cancers."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "AYAs with hereditary cancer predisposition live with the possibility that they may develop cancer at any time. Those in our study had sufficiently high short-term risk that tumor screening was part of ongoing medical care."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "AYA-Risk Information and Screening Education (AYA-RISE; hereafter chatbot-based intervention) is an electronic chatbot-based intervention accessed via a Health Insurance Portability and Accountability Act of 1996–compliant hyperlink via computer, tablet, or phone."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "The chat format allowed AYAs to obtain information in their preferred level of detail. For example, information about cancer risk was offered in general terms (“high risk of cancer in the future”) and in numbers (“more than 5 people out of 10 will develop cancer in the future”); a branching pattern allowed patients to choose their preferred level of detail."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "The research team developed all material; no material was derived from generative artificial intelligence."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "AYA-specific models for cancer risk communication and care are still emerging; new models are needed to help AYAs understand risk and embrace lifesaving screening interventions."
Shi P, Zhou T, Nie Q, Tao B, Li X, Zhu M. (2026). Cross-sectional comparative evaluation of five large language model–driven chatbots on an expert-curated 44-question set of parent-facing questions about pediatric vitamin D deficiency. Frontiers in Pediatrics. 10.3389/fped.2026.1927624 — only the abstract - the full text could not be fetched — the passage: "Twenty of 220 responses (9.1%) were unsafe; safety did not differ significantly across models (Cochran's Q = 3.704, df = 4, P = 0.448)."
Shi P, Zhou T, Nie Q, Tao B, Li X, Zhu M. (2026). Cross-sectional comparative evaluation of five large language model–driven chatbots on an expert-curated 44-question set of parent-facing questions about pediatric vitamin D deficiency. Frontiers in Pediatrics. 10.3389/fped.2026.1927624 — only the abstract - the full text could not be fetched — the passage: "In this single-run evaluation, the five chatbot services showed domain-specific performance differences without a significant safety difference."
Shi P, Zhou T, Nie Q, Tao B, Li X, Zhu M. (2026). Cross-sectional comparative evaluation of five large language model–driven chatbots on an expert-curated 44-question set of parent-facing questions about pediatric vitamin D deficiency. Frontiers in Pediatrics. 10.3389/fped.2026.1927624 — only the abstract - the full text could not be fetched — the passage: "Findings are exploratory rather than evidence of stable model superiority and support multidimensional evaluation with clinician involvement for high-risk or individualized pediatric advice."
Kıztanır H, Çetin Özbek E. (2026). The readability and quality paradox: Comparing ChatGPT, Gemini, and Perplexity outputs on pediatric chest pain queries. PLOS One. 10.1371/journal.pone.0359170 — only the abstract - the full text could not be fetched — the passage: "The median readability scores computed across all three AI models were found to be statistically and significantly above the targeted sixth-grade comprehension threshold, indicating a high level of difficulty (p < 0.001)."
Kıztanır H, Çetin Özbek E. (2026). The readability and quality paradox: Comparing ChatGPT, Gemini, and Perplexity outputs on pediatric chest pain queries. PLOS One. 10.1371/journal.pone.0359170 — only the abstract - the full text could not be fetched — the passage: "Although generative AI formulations harbor considerable potential to provide extensive data on pediatric chest pain, the sophisticated, university-level linguistic architecture of these texts poses a substantial access barrier for individuals who lack proficient digital health literacy skills."
Kıztanır H, Çetin Özbek E. (2026). The readability and quality paradox: Comparing ChatGPT, Gemini, and Perplexity outputs on pediatric chest pain queries. PLOS One. 10.1371/journal.pone.0359170 — only the abstract - the full text could not be fetched — the passage: "While Perplexity achieved the performance closest to the "gold standard" in terms of informational accuracy, no model is currently mature enough to substitute for a professional medical consultation due to observed citation biases and omissions."
Sehgal NKR, Rai S, Tonneau M, Agarwal AK, Cappella J, Kornides ML, et al. (2026). Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions. JAMA Network Open. 10.1001/jamanetworkopen.2026.16822 — only the abstract - the full text could not be fetched — the passage: "brief, multiturn interactions with an LLM chatbot increase parental intention to vaccinate children against human papillomavirus (HPV) compared with no intervention and government public health materials"
Sehgal NKR, Rai S, Tonneau M, Agarwal AK, Cappella J, Kornides ML, et al. (2026). Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions. JAMA Network Open. 10.1001/jamanetworkopen.2026.16822 — only the abstract - the full text could not be fetched — the passage: "Compared with no intervention, public health materials increased immediate vaccination intent (Cohen d = 0.53; 95% CI, 0.36-0.70), as did the default chatbot (d = 0.48; 95% CI, 0.30-0.65) and conversational chatbot (d = 0.33; 95% CI, 0.17-0.49)."
Sehgal NKR, Rai S, Tonneau M, Agarwal AK, Cappella J, Kornides ML, et al. (2026). Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions. JAMA Network Open. 10.1001/jamanetworkopen.2026.16822 — only the abstract - the full text could not be fetched — the passage: "At 45 days, neither chatbot increased intent relative to controls, whereas public health materials maintained modest effects."
Sehgal NKR, Rai S, Tonneau M, Agarwal AK, Cappella J, Kornides ML, et al. (2026). Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions. JAMA Network Open. 10.1001/jamanetworkopen.2026.16822 — only the abstract - the full text could not be fetched — the passage: "No intervention increased self-reported vaccination uptake."
Sehgal NKR, Rai S, Tonneau M, Agarwal AK, Cappella J, Kornides ML, et al. (2026). Large Language Model Chatbot Conversations vs Public Health Materials and Parental HPV Vaccination Intentions. JAMA Network Open. 10.1001/jamanetworkopen.2026.16822 — only the abstract - the full text could not be fetched — the passage: "evidence that they improve durable, behaviorally relevant outcomes beyond existing health materials is limited."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "As guidelines evolve, the intervention will need to be updated to accurately reflect current standard of care recommendations and support evolving practices of clinical care teams."
Kamihara, J., Cronin, A. M., Uno, H. et al. (2026). Chatbot Intervention and Cancer Risk Knowledge in Adolescents and Young Adults With Cancer Predisposition. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2026.35794 - the article this story is about — the whole article — the passage: "These findings offer promise for dissemination beyond academic settings and into the community, where many AYAs receive care and where dedicated resources for rare diseases are often lacking; reducing burdens of study procedures may help to increase uptake."

Do not take this as professional medical advice.