IA en medicina: los dispositivos que ya diagnostican pacientes reales en 2026

• • El panorama: de la promesa a la práctica — más de 1,400 dispositivos ya aprobados
• • Visión artificial: la IA que ve en una imagen lo que el ojo humano no
• • Ultrasonido con IA: el diagnóstico por imagen deja de depender del experto
• • Wearables y parches: el diagnóstico continuo que llevas puesto
• • La letra chica: el problema de confianza que la IA médica aún no resuelve

Julio 2026 · 8 min de lectura

La IA en medicina dejó de ser una promesa académica: ya hay más de 1,400 dispositivos aprobados diagnosticando pacientes reales

Durante años, la inteligencia artificial en medicina fue sobre todo un tema de congresos y papers. En 2026 ya es una realidad clínica medible: la FDA estadounidense ha autorizado más de 1,451 dispositivos médicos habilitados con IA, y la agencia europea EMA supera los 200. El ritmo de aprobación se ha acelerado de forma notable — de un promedio de 7 dispositivos al mes en 2019 a cerca de 30 mensuales en 2025, con un récord de 39 aprobaciones en un solo mes. La radiología concentra la mayoría abrumadora: cerca de 1,104 de esos dispositivos —un 76%— son herramientas de análisis de imagen médica.

El diagnóstico es, con diferencia, el terreno donde la IA ha demostrado más valor. Hay dos razones. Primero, gran parte del diagnóstico moderno consiste en interpretar patrones —en una radiografía, una mamografía, un fondo de ojo, una muestra de patología—, exactamente la tarea en la que los modelos de aprendizaje profundo destacan. Segundo, la escasez global de especialistas satura los sistemas de salud: la IA promete acortar los tiempos de espera y llevar diagnóstico de calidad a zonas rurales o con pocos médicos. Los estudios sitúan las mejoras de precisión entre un 5% y un 26% en programas de detección de cáncer, y reducciones de tiempo de respuesta de entre 30% y 50% en entornos de emergencia. El mercado global de IA en salud ya supera los 45,000 millones de dólares, con proyecciones que lo llevan a 188,000 millones para 2030.

La IA que detecta el cáncer cinco años antes de que aparezca — y diagnostica sin que un médico mire la imagen

El caso más maduro de visión artificial diagnóstica es la detección de cáncer de mama. El sistema de IA para mamografías de Google, validado en un estudio publicado en Nature, redujo los falsos positivos casi un 6% en EE.UU. y un 1.2% en Reino Unido, identificando indicios de cáncer que algunos especialistas pasan por alto. Más impresionante todavía es un modelo del MIT y el Hospital General de Massachusetts que, aplicado a mamografías convencionales, predice el riesgo de cáncer hasta cinco años antes de que se desarrolle, clasificando correctamente en la categoría de mayor riesgo al 31% de los pacientes que luego enferman, frente al 18% de los modelos tradicionales. En detección de nódulos pulmonares, los sistemas de deep learning alcanzan un 94% de precisión frente al 65% de un radiólogo sin asistencia — y la combinación de humano más IA sube al 97%.

El salto conceptual más importante es el diagnóstico autónomo: sistemas que emiten un diagnóstico sin que un especialista tenga que interpretar la imagen. El pionero fue LumineticsCore (antes IDx-DR), el primer dispositivo de IA que la FDA aprobó para diagnóstico autónomo en 2018: analiza fotografías del fondo de ojo y detecta retinopatía diabética —principal causa de ceguera evitable en adultos— sin necesidad de un oftalmólogo. Es un cambio de rol profundo: la IA deja de ser una segunda opinión para convertirse en la primera línea de cribado, especialmente valiosa donde no hay suficientes especialistas. La visión artificial médica ya cubre prácticamente todas las modalidades: rayos X, TC, resonancia, ecografía, PET, mamografía, patología digital, radiografías dentales, dermatología y retina.

El ultrasonido con IA: cuando cualquier médico —no solo el experto— puede hacer una ecografía de calidad

El ultrasonido siempre tuvo un cuello de botella: la calidad del diagnóstico dependía enormemente de la pericia de quien sostenía la sonda. La IA está eliminando esa barrera. Los ecógrafos portátiles de 2026 incorporan guía inteligente que le indica al operador cómo mover la sonda para capturar el plano correcto, miden estructuras de forma automática y señalan anomalías en tiempo real. El Butterfly iQ3, por ejemplo, incluye funciones como Auto B-Lines, cálculo automático del volumen de la vejiga, datación gestacional y etiquetado anatómico basado en aprendizaje profundo. La consecuencia es enorme para la equidad: incluso médicos con formación básica en ecografía pueden lograr exploraciones de alta calidad, lo que acerca el diagnóstico por imagen a clínicas rurales, unidades móviles y comunidades con escasez de especialistas.

La adopción institucional ya es oficial. En marzo de 2026, la Organización Mundial de la Salud publicó una actualización de sus protocolos clínicos para el uso de sistemas de ultrasonido integrados con IA, estableciéndolos como componente esencial para reducir errores en diagnósticos cardiovasculares y oncológicos. GE HealthCare, uno de los líderes del sector, acumula ya un centenar de aprobaciones de la FDA para dispositivos médicos con IA. La industria proyecta que, para finales de 2026, la mayoría de los ecógrafos portátiles del mercado incorporarán funciones básicas de inteligencia artificial de serie — pasando de ser una característica premium a un estándar.

Del hospital a la piel: los parches y relojes que diagnostican mientras haces tu vida normal

La frontera más nueva del diagnóstico con IA no está en el hospital, sino pegada al cuerpo. Investigadores del MIT liderados por el Dr. Xuanhe Zhao desarrollaron un parche de ultrasonido del tamaño de un sello postal que se adhiere a la piel y proporciona imágenes continuas de músculos, vasos sanguíneos, corazón, diafragma, pulmón o estómago durante al menos 48 horas. La visión de los investigadores es clara: varios parches en distintas partes del cuerpo que se comunican con el teléfono, donde algoritmos de IA analizan las imágenes según se necesite. Otros equipos han creado parches que miden con precisión pequeñas cantidades de sudor para el diagnóstico de enfermedades, monitoreando biomarcadores tanto en actividad como en reposo.

Los wearables de consumo ya contribuyen a este ecosistema de diagnóstico continuo. El Apple Watch detecta fibrilación auricular con una sensibilidad cercana al 98%, y su oximetría de pulso ha alertado a usuarios de apnea del sueño sin diagnosticar. En el Hospital Clínic de Barcelona, un sistema de IA analiza datos de wearables —frecuencia cardiaca, actividad, peso diario— para predecir descompensaciones en pacientes con insuficiencia cardiaca; desde 2024, las readmisiones hospitalarias se redujeron un 22%. El mercado de dispositivos de salud portátiles se estima en 70,000 millones de dólares en los próximos años. La promesa de fondo: pasar de una medicina reactiva —que actúa cuando ya hay síntomas— a una predictiva, que detecta la desviación antes de que se convierta en crisis.

Aprobados no es lo mismo que confiables: el problema de transparencia que la IA médica todavía arrastra

El entusiasmo tiene una contracara que conviene mirar de frente. Un análisis de la base de datos oficial de la FDA encontró que, de 521 autorizaciones de dispositivos médicos con IA revisadas, 226 no contaban con datos de validación clínica publicados. Dicho de otra forma: casi la mitad de los dispositivos aprobados llegaron al mercado sin evidencia clínica pública que respalde su desempeño. La razón es en parte regulatoria: alrededor del 97% de los dispositivos de radiología con IA se autorizan por la vía rápida 510(k), que permite comercializar más rápido demostrando “equivalencia sustancial” con productos ya existentes, sin exigir necesariamente ensayos clínicos nuevos.

Hay una segunda brecha: la que separa la aprobación de la adopción real. Aunque existen más de mil herramientas aprobadas, solo cerca del 30% de los radiólogos usa IA en su práctica clínica. Las barreras son concretas: problemas de integración con los flujos de trabajo, falta de reembolso específico por parte de aseguradoras, resistencia al cambio y escepticismo sobre el valor agregado real. El consenso profesional es claro y prudente: la IA médica funciona mejor como inteligencia aumentada —humano más máquina— que como reemplazo. El juicio clínico, la integración con la historia del paciente y la responsabilidad final del diagnóstico permanecen, y deben permanecer, en manos del médico. La tecnología ya demostró que puede ver lo que nosotros no; el reto de los próximos años es construir la confianza y la evidencia para usarla bien.