La IA en la salud no es solo una historia de tecnología; es una historia sobre cómo una de las industrias más conservadoras del mundo está aprendiendo a confiar en las máquinas con vidas humanas. Las noticias de 2026 reflejan tanto la promesa como los dolores de crecimiento.
Los Titulares que Importan
Las aprobaciones de la FDA están acelerándose. La FDA ha aprobado ahora más de 1,000 dispositivos médicos habilitados por IA. El ritmo está aumentando: más aprobaciones en la primera mitad de 2026 que en todo 2024. La mayoría están en radiología (análisis de imágenes), pero cardiología, oftalmología y patología están creciendo rápidamente.
Los escribas de IA se están volviendo comunes. La adopción de herramientas de documentación clínica con IA ha alcanzado un punto de inflexión. Sistemas de salud importantes —Kaiser Permanente, Mayo Clinic, Cleveland Clinic— están desplegando escribas de IA en toda su organización. Los médicos informan que ahorran de 1 a 3 horas al día en documentación, lo que se traduce en más tiempo con los pacientes.
Hitos en el descubrimiento de fármacos. Varios candidatos a fármacos descubiertos por IA han avanzado a ensayos clínicos de Fase II y Fase III. Si bien ninguno ha recibido aún la aprobación total de la FDA, la cartera está creciendo. Las áreas más prometedoras son: enfermedades raras (donde la economía tradicional del descubrimiento de fármacos no funciona) y resistencia a los antibióticos (donde se necesitan desesperadamente nuevos medicamentos).
Controversias sobre la IA diagnóstica. Varios estudios han planteado preocupaciones sobre las herramientas de diagnóstico por IA que funcionan de manera diferente entre poblaciones de pacientes. Un sistema de IA que funciona bien para un grupo demográfico puede funcionar mal para otro. Estos hallazgos están impulsando llamados a realizar pruebas y validaciones más rigurosas en poblaciones diversas.
Donde la IA Está Haciendo el Mayor Impacto
Departamentos de emergencia. Sistemas de triaje por IA que analizan síntomas de pacientes, signos vitales y antecedentes médicos para priorizar la atención. En departamentos de emergencia concurridos, estos sistemas ayudan a asegurar que los pacientes más graves sean atendidos primero. Los primeros resultados muestran tiempos de espera reducidos y mejores resultados para los pacientes críticos.
Patología. Sistemas de IA que analizan muestras de tejido para detectar cáncer y otras enfermedades. La patología digital combinada con IA es particularmente valiosa en áreas con escasez de patólogos: la IA puede examinar diapositivas y marcar áreas sospechosas para la revisión humana.
Manejo de enfermedades crónicas. Sistemas de monitoreo impulsados por IA para diabetes, insuficiencia cardíaca, EPOC y otras condiciones crónicas. Estos sistemas analizan datos de dispositivos portátiles y dispositivos de monitoreo en el hogar para detectar deterioro temprano y alertar a los equipos de atención.
Salud mental. Chatbots de IA y terapias digitales para la ansiedad, la depresión y el abuso de sustancias. Estas herramientas no reemplazan a los terapeutas, sino que extienden el acceso al apoyo en salud mental, particularmente en áreas desatendidas.
Salas de operaciones. Planificación quirúrgica asistida por IA y orientación en tiempo real durante los procedimientos. Sistemas de visión por computadora que ayudan a los cirujanos a identificar estructuras anatómicas, evitar áreas críticas y optimizar su enfoque.
Los Desafíos de los que Nadie Habla
Pesadillas de integración. Los sistemas de TI en salud son notoriamente fragmentados. Integrar herramientas de IA con registros de salud electrónicos (EHR), sistemas de imágenes y flujos de trabajo clínicos es técnicamente desafiante y costoso. Muchas herramientas de IA prometedoras fallan no porque la IA no funcione, sino porque no se pueden integrar en los sistemas existentes.
Resistencia de los clínicos. No todos los médicos ven la IA con buenos ojos. Algunos la ven como una amenaza a su autonomía. Otros son escépticos sobre la precisión de la IA. Y algunos tienen preocupaciones legítimas sobre la responsabilidad: si siguen una recomendación de IA que resulta ser incorrecta, ¿quién es responsable?
Brechas de reembolso. En muchos sistemas de salud, no hay un camino claro de reembolso para la atención asistida por IA. Si un hospital invierte en una herramienta de diagnóstico por IA, ¿cómo se le paga por usarla? El espacio de reembolso está evolucionando, pero aún es confuso.
Desafíos de validación. Probar que un sistema de IA funciona en un entorno clínico es más difícil que probar que funciona en un conjunto de datos de investigación. Los datos clínicos del mundo real son más desordenados, diversos y complejos que los conjuntos de datos de investigación seleccionados. Los sistemas de IA que funcionan bien en estudios a veces tienen un rendimiento inferior en la práctica.
Preocupaciones de equidad. Las herramientas de IA en salud se están desplegando principalmente en sistemas de salud bien financiados en países ricos. Los pacientes que podrían beneficiarse más —en comunidades desatendidas y países en desarrollo— a menudo tienen el menor acceso. La IA podría ampliar las disparidades de salud en lugar de reducirlas.
El Panorama de la Inversión
La inversión en IA en salud sigue siendo fuerte:
Inversión total: Más de $15 mil millones invertidos en startups de IA en salud en 2025, con 2026 en camino de superar esa cifra.
Áreas calientes: El descubrimiento de fármacos impulsado por IA, la documentación clínica, la imagenología diagnóstica y el manejo de enfermedades crónicas están atrayendo la mayor parte de la financiación.
Consolidación: Las empresas de salud más grandes están adquiriendo startups de IA. La adquisición de Nuance por parte de Microsoft (para IA en documentación clínica) estableció el modelo, y acuerdos similares están ocurriendo en toda la industria.
Mi Opinión
La IA en salud está en la fase de “valle de la desilusión”, más allá del bombo inicial, lidiando con los desafíos de implementación en el mundo real, pero logrando un progreso genuino. La tecnología funciona para aplicaciones específicas y bien definidas. El desafío es escalarla a lo largo del sistema de salud mientras se abordan problemas de equidad, integración y confianza.
La IA en salud más impactante no es la más llamativa. Es el escriba de IA que le da a los médicos una hora extra con los pacientes. Es el sistema de triaje que asegura que los pacientes más graves sean atendidos primero. Es el sistema de monitoreo que detecta un empeoramiento de insuficiencia cardíaca antes de que se convierta en una emergencia.
Estos no son avances que capturan titulares. Son mejoras incrementales que, colectivamente, hacen que la atención médica sea mejor. Y así es exactamente como la atención médica siempre ha mejorado: paso a paso con cuidado.
🕒 Published: