Puntos Clave
- El estudio siguió aproximadamente 126.000 historias difundidas por cerca de 3 millones de personas más de 4,5 millones de veces durante 11 años, entre 2006 y 2017.
- Para determinar qué era verdadero y falso se utilizaron 6 organizaciones independientes de verificación, cuya concordancia fue del 95 al 98 %.
- La información falsa viajó más lejos, más rápido, más profundamente y más ampliamente que la verdadera en todas las categorías analizadas.
- Las noticias verdaderas raramente alcanzaron a más de 1000 personas, mientras que el 1 % de las cascadas falsas de mayor difusión llegó habitualmente a entre 1000 y 100.000.
- Para alcanzar a 1500 personas, la verdad necesitó aproximadamente 6 veces más tiempo que la falsedad.
- Para alcanzar una profundidad de 10 niveles, las noticias verdaderas necesitaron aproximadamente 20 veces más tiempo que las falsas.
- Una historia falsa tuvo aproximadamente 70 % más probabilidades de ser retuiteada, incluso después de considerar características de los usuarios y sus cuentas.
- Las falsedades resultaron significativamente más novedosas y estuvieron asociadas con mayor sorpresa y disgusto.
- Los bots no explicaron la diferencia principal: al retirarlos del análisis, la información falsa continuó mostrando una propagación superior.
- El estudio no investigó específicamente desinformación médica, por lo que sus porcentajes no deben trasladarse directamente a vacunas, medicamentos u otros contenidos sanitarios.
- Su relevancia para la medicina es conceptual: la evidencia científica circula dentro de un ecosistema en el que lo falso puede tener ventajas de novedad, velocidad y difusión.
Una carrera entre la verdad y la mentira
Imaginemos 2 noticias publicadas al mismo tiempo.
Una es verdadera
La otra es falsa
Las 2 comienzan a circular por una red social. Una persona las comparte, después otra, después otra. Se forman cadenas cada vez más grandes.
¿Cuál llega primero? ¿Cuál alcanza a más personas? ¿Cuál penetra más profundamente en la red?
Durante años se asumió que internet facilitaba la difusión de información falsa. Pero demostrarlo requería algo mucho más difícil: reconstruir millones de interacciones y comparar sistemáticamente cómo viajaban la verdad y la falsedad.
Eso hicieron Soroush Vosoughi, Deb Roy y Sinan Aral, investigadores del Massachusetts Institute of Technology (MIT).
En 2018 publicaron en Science uno de los estudios más grandes realizados hasta entonces sobre la difusión de información verdadera y falsa en una red social (1).
La carrera tuvo un ganador muy claro: la mentira
11 años, 126.000 historias y 4,5 millones de publicaciones
Los investigadores analizaron Twitter —actualmente X— desde 2006 hasta 2017.
Fueron aproximadamente 11 años de circulación de información.
Reconstruyeron cerca de 126.000 historias o rumores, difundidos por aproximadamente 3 millones de personas más de 4,5 millones de veces (1).
Después siguieron cada historia.
No solamente preguntaron cuántas veces había sido compartida. Midieron cuánto tardaba en propagarse, a cuántas personas llegaba, cuántos niveles alcanzaba dentro de una cadena de retuits, qué amplitud adquiría y qué tan “viral” era su estructura.
El conjunto incluía información sobre política, negocios, terrorismo, ciencia, entretenimiento, desastres naturales y leyendas urbanas.
La categoría más numerosa fue política: aproximadamente 45.000 cascadas.
¿Quién decide qué es verdadero y qué es falso?
Los investigadores no clasificaron arbitrariamente las noticias.
Utilizaron 6 organizaciones independientes de verificación: Snopes, PolitiFact, FactCheck.org, Truth or Fiction, Hoax-Slayer y Urban Legends.
Las historias fueron clasificadas como verdaderas, falsas o mixtas.
La concordancia entre las organizaciones de verificación fue extraordinariamente alta: entre el 95 y el 98 %.
Los autores, además, evitaron deliberadamente utilizar el término fake news.
Para 2018, la expresión ya se había transformado en una etiqueta política utilizada muchas veces para desacreditar información simplemente porque alguien no estaba de acuerdo con ella.
El estudio necesitaba una clasificación mucho más concreta: verdadero o falso según organizaciones independientes de verificación.
Se larga la carrera
Cuando los investigadores reconstruyeron las cadenas de difusión apareció un patrón extraordinariamente consistente.
Las noticias falsas viajaban más lejos, más rápido, más profundamente y más ampliamente que las verdaderas.
El fenómeno no ocurrió solamente con la política. Apareció en todas las categorías de información analizadas.
La falsedad mostró una ventaja sistemática frente a la verdad en alcance, velocidad, profundidad y amplitud de difusión.
1000 contra 100.000
Las noticias verdaderas raramente alcanzaron a más de 1000 personas.
En cambio, el 1 % de las cascadas falsas de mayor difusión llegó habitualmente a entre 1000 y 100.000 personas.
Es una diferencia potencial de 2 órdenes de magnitud.
Pero alcanzar más personas era solamente una parte del fenómeno.
Las falsedades también penetraban más profundamente en las redes. Una proporción significativamente mayor de noticias falsas superaba una profundidad de 10 niveles de retuits.
Y entre el 0,01 % de las cascadas falsas más difundidas, algunas superaron los 19 niveles de profundidad, aproximadamente 8 niveles más que las cascadas verdaderas comparables.
La falsedad no solamente alcanzaba a más personas. Seguía viajando.
La verdad necesitaba 6 veces más tiempo
Uno de los resultados más impactantes apareció cuando los investigadores analizaron cuánto tardaban las historias en alcanzar a 1500 personas.
La información verdadera necesitó aproximadamente 6 veces más tiempo que la falsa.
Después analizaron la velocidad con la que una historia avanzaba de persona en persona.
Para alcanzar una profundidad de 10 niveles, la verdad necesitó aproximadamente 20 veces más tiempo que la falsedad.
Las noticias falsas llegaron a una profundidad de 19 niveles casi 10 veces más rápido que lo que tardaron las verdaderas en alcanzar solamente 10.
No se trataba únicamente de que circularan más falsedades. Existía una diferencia en la manera en que se propagaban.
Una mentira tenía un 70 % más de probabilidades de ser compartida
Una explicación posible podía ser que quienes difundían información falsa tuvieran millones de seguidores, fueran cuentas famosas, estuvieran verificadas o llevaran años acumulando influencia.
Los investigadores analizaron esas posibilidades y encontraron prácticamente lo contrario.
En promedio, quienes difundían falsedades tenían menos seguidores, seguían a menos personas, eran menos activos, llevaban menos tiempo en Twitter y tenían menor probabilidad de poseer una cuenta verificada que quienes difundían noticias verdaderas.
Entonces ajustaron estadísticamente por esas diferencias.
El resultado persistió
La información falsa tuvo aproximadamente un 70 % más de probabilidades de ser retuiteada que la información verdadera.
Ese 70 % probablemente sea uno de los números que mejor resume todo el trabajo.
No era simplemente que las falsedades nacieran de cuentas más poderosas. Las personas parecían estar más dispuestas a compartirlas.
¿Qué tiene la mentira que no tiene la verdad?
Los investigadores buscaron entonces una explicación posible.
Y apareció una palabra: novedad.
Seleccionaron aproximadamente 5000 usuarios que habían compartido historias verdaderas o falsas.
Después analizaron cerca de 25.000 publicaciones a las que esas personas habían estado expuestas durante los 60 días previos a compartir cada historia.
Para hacerlo desarrollaron un modelo de 200 temas, entrenado con aproximadamente 10 millones de tuits en inglés.
La pregunta era: ¿la información falsa era más diferente de aquello que esas personas venían viendo?
La respuesta fue sí.
Utilizando 3 métricas diferentes, las noticias falsas resultaron significativamente más novedosas que las verdaderas.
Tiene sentido desde el comportamiento humano. “Lo que todos sabemos” tiene poco valor como novedad. En cambio, mensajes del tipo “lo que nadie te está contando” pueden sorprender, indignar y generar una necesidad inmediata de compartirlos.
Pero hay que ser rigurosos: el estudio encontró una asociación entre falsedad y novedad. No demostró que la novedad sea la causa de la mayor viralización.
Sorpresa, disgusto y confianza
Después apareció otra diferencia: las emociones.
Los investigadores analizaron las respuestas utilizando un léxico de aproximadamente 140.000 palabras y 32.000 hashtags, clasificados según 8 emociones: ira, miedo, anticipación, confianza, sorpresa, tristeza, alegría y disgusto.
Las falsedades generaban relativamente más sorpresa y disgusto.
Las noticias verdaderas generaban relativamente más confianza, alegría, tristeza y anticipación.
La información falsa era más novedosa, generaba más sorpresa y era compartida con mayor frecuencia.
Otra vez, el estudio no demuestra que estas emociones provoquen la viralización, pero permite identificar un patrón consistente.
Entonces, ¿deben ser los bots?
Parecía una explicación perfecta. Twitter estaba lleno de cuentas automatizadas. Si las noticias falsas viajaban tan rápido, probablemente los responsables fueran los robots.
Los investigadores los eliminaron estadísticamente del análisis.
Y ocurrió algo sorprendente: prácticamente nada.
Las noticias falsas continuaron viajando más lejos, más rápido, más profundamente y más ampliamente que las verdaderas.
Los autores utilizaron distintos algoritmos para identificar bots y modificaron los umbrales utilizados para clasificarlos.
La conclusión se mantuvo
Los bots aceleraban tanto la difusión de noticias falsas como la de noticias verdaderas, y lo hacían en magnitudes aproximadamente similares.
Por lo tanto, los bots no explicaban la diferencia fundamental entre ambas.
La explicación parecía mucho más incómoda: las personas.
Los seres humanos mostraban una mayor probabilidad de propagar información falsa que verdadera.
¿Y qué tiene que ver todo esto con la medicina?
Mucho. Pero hay que separar cuidadosamente lo que demostró el estudio de lo que podemos aprender de él.
Vosoughi y colaboradores no estudiaron específicamente desinformación médica.
No podemos afirmar, a partir de este trabajo, que una noticia falsa sobre una vacuna tenga exactamente un 70 % más de probabilidades de viralizarse que una verdadera, ni que una falsedad sobre cáncer llegue 6 veces más rápido a 1500 personas.
Trasladar directamente esas cifras a vacunas, medicamentos o enfermedades sería extrapolar los resultados más allá de los datos.
Su relevancia surge porque la medicina ya no circula solamente entre médicos, universidades, revistas científicas y organismos sanitarios.
Circula en el mismo ecosistema de información en el que circula todo lo demás.
Una afirmación sobre una vacuna compite con un video de pocos segundos.
Una recomendación nutricional basada en ensayos clínicos compite con una dieta milagrosa.
La información sobre un medicamento compite con testimonios personales, influencers, publicidad, algoritmos y afirmaciones que pueden ser verdaderas, imprecisas o directamente falsas.
La evidencia es lenta; una afirmación falsa puede aparecer en segundos
Existe además una asimetría fundamental.
Construir evidencia es lento. Un ensayo clínico puede requerir años. Una revisión sistemática necesita identificar, seleccionar y analizar estudios. Una guía requiere evaluar la calidad de la evidencia y formular recomendaciones.
Una afirmación falsa puede escribirse en segundos.
El estudio de Vosoughi y colaboradores agrega otra dimensión al problema: una vez producida, la falsedad puede poseer características que favorezcan su circulación.
Para quienes trabajan en salud, la comunicación deja de ser solamente un complemento de la medicina y pasa a formar parte del desafío de transmitir la evidencia.
La evidencia que nadie comprende, nadie recuerda o nunca alcanza al público difícilmente pueda competir con una falsedad sencilla, novedosa y emocionalmente poderosa.
Un estudio enorme, pero de otro internet
Los resultados deben interpretarse en su contexto.
El trabajo analizó Twitter entre 2006 y 2017.
No estudió el ecosistema actual de TikTok, Instagram, YouTube, WhatsApp o Telegram.
Analizó fundamentalmente información en inglés.
No estudió específicamente desinformación sanitaria.
Fue realizado antes de la explosión de la inteligencia artificial generativa.
Y, aunque describe extraordinariamente bien cómo se propagaba la información, no puede demostrar por qué cada persona decidió compartir una historia determinada.
Sus cifras no deberían trasladarse mecánicamente a las redes sociales de 2026.
Sin embargo, el fenómeno que documentó sigue planteando una pregunta extraordinariamente vigente.
Las conclusiones: ¿qué nos deja este estudio?
Cerca de 126.000 historias. Aproximadamente 3 millones de personas. Más de 4,5 millones de publicaciones. Once años de información circulando.
Y una conclusión consistente: la falsedad viajó más lejos, más rápido, más profundamente y más ampliamente que la verdad.
Tuvo aproximadamente 70 % más probabilidades de ser compartida.
La verdad necesitó alrededor de 6 veces más tiempo para alcanzar a 1500 personas y cerca de 20 veces más para avanzar 10 niveles dentro de una cadena de difusión.
Las falsedades fueron más novedosas y estuvieron asociadas con mayor sorpresa y disgusto.
Y cuando los investigadores retiraron a los bots de la ecuación, el fenómeno continuó.
Para la medicina, la enseñanza no es que estos números puedan trasladarse directamente a la desinformación sanitaria. La enseñanza es que tener razón no garantiza ser escuchado.
La evidencia científica compite por atención en un ambiente donde lo novedoso, sorprendente y emocional puede tener una enorme ventaja.
Producir buena ciencia sigue siendo indispensable.
Pero en el mundo actual existe un desafío adicional para médicos, científicos y comunicadores:
Hacer que la verdad también pueda viajar.
