Resumen ejecutivo
La inteligencia artificial en medicina ya tiene evidencia sólida, medida con cientos de miles de pacientes reales y publicada en las revistas más exigentes, en tres frentes concretos: la detección oportuna de cáncer de mama, las alertas tempranas de deterioro del paciente hospitalizado y la carga administrativa del médico. Fuera de ahí, la evidencia es mucho más delgada de lo que sugiere el entusiasmo. De los 1,357 dispositivos con inteligencia artificial autorizados por la agencia sanitaria de Estados Unidos hasta diciembre de 2025, solo tres fueron evaluados midiendo lo que le pasa al paciente. El único producto del mundo que demostró encontrar más cánceres sin aumentar los falsos positivos, en un experimento de más de cien mil mujeres, no es de ninguno de los gigantes tecnológicos: es de una empresa pequeña de Países Bajos, con dinero público sueco. Y hay un expediente paralelo, igual de documentado, de cosas que no funcionaron.
Dos siglos después del cuaderno enrollado
En 1816, un médico francés llamado René Laënnec enrolló un cuaderno de papel para auscultar a una paciente sin apoyar la oreja en su pecho. De aquel gesto nació el estetoscopio, y el instrumento llegó casi igual hasta nuestros días: dos siglos de medicina moderna colgando del cuello del médico. En enero de 2026, The Lancet publicó el primer gran ensayo de un estetoscopio con inteligencia artificial, dirigido por el Imperial College de Londres en 205 consultorios británicos con más de millón y medio de pacientes registrados. El resultado anticipa todo lo demás que voy a contar: entre los pacientes a los que efectivamente se les puso el aparato, los diagnósticos nuevos de insuficiencia cardiaca casi se duplicaron y los de arritmia se triplicaron; pero en el conjunto de los consultorios, la detección no mejoró. La tecnología funcionó. Lo que no funcionó fue usarla.
Esa distancia —entre lo que el algoritmo puede hacer y lo que acaba haciendo dentro de un hospital— es el hilo de todo este artículo. Me pasé semanas leyendo lo que publican las revistas médicas, los hospitales sobre su propia operación, los reguladores y los fabricantes. Esto es lo que encontré.
Donde la evidencia es sólida: la mastografía
Es el terreno mejor documentado del mundo y conviene empezar por él. El ensayo MASAI, de la Universidad de Lund, repartió al azar a 105,934 mujeres suecas entre la doble lectura tradicional —dos radiólogos revisando cada mastografía— y la lectura apoyada con inteligencia artificial. La IA detectó 6.4 cánceres por cada mil mujeres contra 5.0 del método clásico, sin aumentar los falsos positivos, y redujo en 44% la carga de lectura de los radiólogos. En enero de 2026 llegó el resultado que de verdad importa: los cánceres que se escapan entre un estudio y el siguiente bajaron de 93 a 82, y la proporción de tumores que el programa de detección encuentra subió de siete a ocho de cada diez. Los tumores de más que encontró eran pequeños y sin ganglios afectados, así que no parece que la máquina esté inflando la cifra encontrando lesiones inofensivas. Vale la pena anotar quién pagó: la Sociedad Sueca del Cáncer y fondos públicos. No el fabricante.
Alemania lo midió en condiciones reales: el programa PRAIM, de la Universidad de Lübeck, siguió a 463,094 mujeres atendidas por 119 radiólogos en doce centros y publicó en Nature Medicine una detección 17.6% mayor sin aumentar las citas de revisión. Es la cifra más repetida del campo y hay que leerla con una advertencia que los propios autores escriben: el estudio lo financió Vara, la empresa dueña del algoritmo, tres de sus empleados firman el artículo, y los radiólogos escogían si usaban o no la herramienta. Es decir, los dos grupos no eran comparables. Cuatrocientas sesenta y tres mil mujeres no compensan ese defecto de diseño.
En España, el programa de Andalucía ensayó en Córdoba con 31,301 mujeres dejando que la IA descartara sola los casos de bajo riesgo: la carga de los radiólogos cayó 63.6% y la detección subió 15.2%, pero las mujeres llamadas a revisión aumentaron casi 15%, y ese segundo dato no cumplió el criterio que los propios investigadores se habían fijado. Italia simuló el sistema sobre 89,176 estudios reales del programa de Reggio Emilia y encontró que podía quitar entre 13% y 36% de la lectura humana sin perder cánceres. Francia hizo la cuenta más honesta de todas: sobre 13,186 mujeres de la región de París, colocar la IA antes de la segunda lectura habría ahorrado dos tercios del trabajo del segundo radiólogo a cambio de cuatro cánceres perdidos y 4,807 falsos positivos. Noruega revisó un millón de mastografías de diecisiete años y encontró que, con el umbral que más ahorra trabajo, un tercio de los cánceres que aparecen entre un estudio y el siguiente habrían quedado clasificados como normales.
Y luego está el dato británico, que nadie cita y es el más incómodo. Una unidad del hospital universitario de Derby, con más de 135,000 mujeres en su programa de detección, dejó correr una plataforma comercial en tiempo real como tercer lector silencioso, sin alterar la atención, y después revisó las discrepancias. De 9,547 casos, la IA marcó 1,135 que los humanos no habían mandado a revisión: al revisarlos, uno solo ameritó llamar a la paciente, y no tenía cáncer. En sentido contrario, ocho cánceres que los radiólogos sí detectaron —el 8.8% de todos los del periodo— pasaron inadvertidos para la máquina. La IA no encontró ni un solo cáncer adicional. Los autores publicaron la conclusión sin suavizarla: en su unidad el sistema fue inferior a los lectores humanos y no tiene exactitud suficiente para considerarse en el programa nacional. Por eso el Reino Unido no ha adoptado la IA en su programa de detección de cáncer de mama y está corriendo EDITH, el experimento más grande que existe sobre el tema: 660,000 mujeres en unos treinta centros, con primer reclutamiento en mayo de 2026 y cierre en noviembre de 2028. Hasta entonces, nadie tiene la respuesta británica.
Lo que los hospitales reportan de su propia operación
Kaiser Permanente, uno de los mayores sistemas de salud sin fines de lucro de Estados Unidos, con sede en Oakland, California lleva un sistema de alerta temprana en los 21 hospitales de su red del norte de California y publicó en el New England Journal of Medicine que, entre los pacientes que activaron la alerta, la mortalidad a 30 días fue de 15.8% frente a 20.4% del grupo de comparación. Johns Hopkins vigiló a 590,736 pacientes con su sistema de alerta de sepsis —la infección generalizada que puede matar en horas— y encontró en Nature Medicine que cuando el médico confirmaba la alerta en menos de tres horas la mortalidad bajaba más de tres puntos. La Universidad de California en San Diego midió el suyo en dos salas de urgencias sobre 6,217 pacientes con sepsis y calculó unos veintidós sobrevivientes adicionales. Mayo Clinic probó su electrocardiograma con IA en 22,641 adultos y elevó el diagnóstico de disfunción del ventrículo izquierdo de 1.6% a 2.1%.
El caso de la Universidad de Pensilvania es el que más me gustó, porque no es de imagen ni de alarmas. Un algoritmo marca a los pacientes oncológicos con alto riesgo de morir en los seis meses siguientes, y al oncólogo le llega un correo semanal comparándolo con sus colegas y un mensaje de texto el día de la cita. En 20,506 pacientes, las conversaciones sobre el final de la vida pasaron de 3.4% a 13.5% de los encuentros de alto riesgo, y la quimioterapia en las últimas semanas —que casi nunca beneficia a nadie— bajó de 10.4% a 7.5%. La máquina no diagnosticó nada: cambió una conversación que los médicos posponen.
El Servicio Nacional de Salud británico es el caso más interesante de política pública. Su herramienta de detección de infarto cerebral opera en más de 70 hospitales, y el estudio publicado en The Lancet Digital Health sobre 452,952 pacientes muestra que en los hospitales con IA la cirugía para retirar el coágulo pasó de 2.3% a 4.6% de los casos y que los traslados entre hospitales se acortaron 64 minutos. El mismo servicio hizo algo que nadie más ha hecho: puso a competir a ocho proveedores diagnóstico de retinopatía diabética —la revisión de fondo de ojo que evita que un paciente con diabetes se quede ciego— sobre los mismos 202,886 episodios reales, cerca de 1.2 millones de imágenes. Todos detectaron bien la enfermedad grave, pero los falsos positivos fueron de 4.3% a 61.4% según el proveedor, y el ahorro de trabajo humano, de 26% a 77%. Catorce veces de diferencia entre productos que hacen lo mismo y están todos autorizados. Esa tabla debería ser lectura obligatoria para cualquiera que esté comprando.
Conviene ser igual de riguroso con los resultados ambiguos. El Unity Health de Toronto publicó en el CMAJ que su sistema CHARTwatch acompañó una caída de la mortalidad de 2.1% a 1.6%, y su comunicado de prensa tituló una reducción de 26%. Leído con cuidado, el resultado principal quedó justo en el límite de lo que se considera concluyente, y la comparación contra los servicios del mismo hospital que no usaron el sistema no lo fue. Hay además un hallazgo que el comunicado no menciona: entre los pacientes de bajo riesgo, los traslados a terapia intensiva subieron. Algo parecido pasó en Mount Sinai de Nueva York, donde las alertas aumentaron 43% las escaladas de atención en lugar de reducirlas, aunque la mortalidad bajó. Y en el ensayo CONCERN, sobre 60,893 ingresos en cuatro hospitales, el riesgo de morir bajó más de un tercio y al mismo tiempo los traslados no previstos a terapia intensiva subieron 25%. Ninguno de los tres es un fracaso. Los tres dicen lo mismo: la alerta mueve el sistema entero, no solo al paciente que la activó.
La nota clínica: el beneficio es real, pero no es el que se anuncia
Aquí está la adopción más rápida de toda la historia reciente de la informática médica, y la evidencia más convergente. El estudio más grande, publicado en JAMA en abril de 2026, siguió a 8,581 clínicos de cinco instituciones académicas, de los cuales 1,809 adoptaron un asistente que escucha la consulta y redacta la nota. Por cada ocho horas de consulta, el tiempo de documentación bajó dieciséis minutos y el total en el expediente, trece. Los propios autores califican las disminuciones de modestas. Y el dato que casi nadie reproduce: el tiempo que el médico pasa en el expediente fuera de su horario laboral no cambió de forma apreciable. El Servicio Nacional de Salud británico midió nueve centros, 192 clínicos y 17,452 consultas y reportó una caída del tiempo de escritura a la mitad, con la atención directa al paciente subiendo de 70% a 86% de la sesión. Kaiser reporta 7,260 médicos usando el sistema en 2.6 millones de consultas y cerca de 16,000 horas de escritura ahorradas.
Lo que sí está sólidamente demostrado es otra cosa: el agotamiento del médico baja. Seis estudios independientes coinciden, con caídas de unos trece puntos, y el único experimento que repartió a los profesionales al azar —66 clínicos de Wisconsin, 71,487 notas— encontró una mejora clara. Es un resultado que importa en un oficio donde el desgaste es epidémico. Pero no es lo mismo que ahorrar tiempo, y conviene no confundirlos: en la red española Quirónsalud, que es la evidencia europea más grande con 2.33 millones de consultas asistidas, la consulta con asistente duró 15.01 minutos y sin él 14.65. Ligeramente más larga. Los propios autores formulan el beneficio como hipótesis: que el tiempo ganado se reinvierta en mirar al paciente.
Y hay una auditoría que nadie debería saltarse. En mayo de 2026, la Auditoría General de Ontario revisó los veinte proveedores que el gobierno provincial había precalificado para vender estos asistentes al sistema de salud. Les dieron a todos las mismas dos grabaciones simuladas. Los veinte produjeron notas con algún tipo de inexactitud. Nueve de veinte inventaron información que nadie había dicho —incluidas frases como «no se encontraron masas»— y hasta sugirieron tratamientos. Doce de veinte anotaron un medicamento distinto del que el médico había recetado. Diecisiete de veinte omitieron detalles clave sobre la salud mental del paciente. La auditoría encontró además por qué: en la licitación, la exactitud de las notas valía 20 puntos de 530, el 4% de la calificación, y tener presencia en Ontario valía 159. No había puntaje mínimo por rubro, así que un proveedor podía sacar cero en exactitud, cero en control de sesgos y cero en seguridad, y quedar aprobado igual. Once de los veinte ni siquiera entregaron la auditoría de seguridad que las bases exigían. La oficina de rendición de cuentas del gobierno estadounidense llegó por otro camino a la misma inquietud: en julio de 2026 advirtió que casi no hay estudios independientes sobre la exactitud de estas herramientas, que algunas no conservan las grabaciones —lo que vuelve imposible auditarlas— y que podrían encarecer la atención si registran más diagnósticos y servicios que el médico escribiendo a mano.
Lo que publican los fabricantes, y lo que no publican
Si solo se puede retener una cifra de este artículo, que sea esta. En agosto de 2026, un grupo del MIT, Johns Hopkins, la Universidad de Toronto y la Universidad de Bergen publicó en PLOS Digital Health el cruce de los 1,357 dispositivos con inteligencia artificial autorizados por la agencia sanitaria estadounidense hasta diciembre de 2025 contra los registros de ensayos clínicos y la literatura médica. Treinta y cuatro tenían un estudio prospectivo registrado. Doce tenían publicación revisada por pares. Y tres —el 0.2%— habían medido lo que le pasó al paciente: mortalidad, complicaciones, reingresos. La frase de los autores no necesita glosa: la aprobación regulatoria se adelantó a la validación clínica. Un análisis anterior, sobre los 691 dispositivos autorizados hasta 2023, encontró que el 95.5% no reportaba ni siquiera quiénes eran los pacientes con los que se había probado, y contabilizó 489 eventos adversos en 36 dispositivos —458 fallas, 30 lesiones, una muerte— además de 40 dispositivos retirados del mercado en 113 ocasiones, casi siempre por errores de software.
Con ese telón de fondo, revisemos a los grandes. Epic, el expediente clínico de 310 millones de pacientes dice tener más de 150 capacidades con IA en desarrollo y más de 300 sistemas de salud usándolas. En marzo de 2026, un equipo de Northwell Health juntó toda la validación independiente que existe de todo su catálogo: veintidós estudios, en total. Y en tres de sus modelos las cifras que Epic publicaba eran sistemáticamente mejores que las que se encontraron al medirlos fuera de casa. Su modelo de sepsis, el más famoso, ya había sido desmentido por la Universidad de Michigan en 2021 sobre 38,455 hospitalizaciones: dejó sin identificar a dos de cada tres pacientes con sepsis y disparó alertas en casi una de cada cinco hospitalizaciones. Epic lo reemplazó por una versión nueva, que efectivamente acierta más; de cada cien alertas que lanza, entre 74 y 87 siguen siendo falsas.
Aidoc, que opera en más de 1,200 hospitales, publica en su sitio «96% de exactitud». La evaluación independiente más grande que existe —la Universidad Emory, sobre 101,944 tomografías de cráneo de 74,142 pacientes en diecisiete sedes, sin conflicto de interés declarado— midió una exactitud de 96.6%. La cifra del fabricante es correcta. Lo que esa cifra esconde es que el modelo deja pasar casi una de cada cinco hemorragias; que de los sangrados de días atrás detecta menos de la mitad, y de los antiguos apenas más de la mitad; y que en consulta externa su desempeño cae. No hay mentira en el número. Hay elección de número: cuando la enfermedad es poco frecuente, la «exactitud» se ve espléndida, aunque el sistema se esté perdiendo pacientes, porque acertar que los sanos están sanos es fácil y son casi todos. Es el truco estadístico más extendido del sector, y está a la vista de cualquiera que lea el artículo original.
Viz.ai celebra diez años con 2,000 hospitales y unos 230 millones de pacientes. El único experimento con grupos repartidos al azar que evaluó este tipo de software en infarto cerebral —cuatro centros de Houston, 243 pacientes— encontró que el proceso se aceleró once minutos y que no hubo diferencia en la probabilidad de que el paciente quedara funcionalmente independiente a los noventa días. Google publicó en Nature, en 2020, el trabajo más célebre del campo en mastografía; nueve meses después, veintidós investigadores —entre ellos Trevor Hastie y John Ioannidis, de Stanford— publicaron en la misma revista una impugnación formal por falta de transparencia en el código y los datos. Google no comercializó el modelo: lo licenció a iCAD en 2022. Casi siete años después del artículo original, no existe una sola validación prospectiva publicada de ese modelo. Microsoft afirma 100,000 clínicos usando su asistente de documentación y no ha publicado un solo estudio propio revisado por pares; cuando un experimento de la Universidad de California en Los Ángeles lo midió contra un grupo de control con 238 médicos, su producto no se distinguió del control y el competidor sí. Oracle anuncia «casi 30%» de reducción del tiempo de documentación sin decir con cuántos médicos, con qué método, contra qué línea base ni en qué periodo. De Therapixel, de Suki y de Ambience no encontré una sola publicación independiente sobre sus productos. Nvidia, que aparece en comunicados de hospitales de medio mundo, no tiene ningún dispositivo médico propio autorizado: vende cómputo, y eso está bien, pero no es un respaldo clínico.
Hay dos excepciones honradas que vale la pena nombrar. Google sí tiene evidencia prospectiva real y publicada de su algoritmo de retinopatía diabética, desplegado en el programa público de Tailandia —donde fue más sensible que los propios especialistas en retina— y en 45 sedes del sur de la India, tras evaluarº a 600,000 personas; toda esa evidencia, eso sí, la firma y la financia Google, y de cada dos pacientes que el algoritmo marca como graves, uno no lo es. Y el producto con la mejor evidencia de todo este campo, el de MASAI, no es de ningún gigante: es Transpara, de ScreenPoint Medical, una empresa pequeña de Nimega, en Países Bajos, validada con dinero público sueco. Eso invierte por completo la narrativa habitual.
Lo que falló, que es parte del expediente
En el Reino Unido, el ensayo LungIMPACT analizó 93,326 radiografías de tórax en cinco hospitales para ver si priorizar con IA aceleraba el diagnóstico de cáncer de pulmón: el tiempo habitual hasta la tomografía fue de 53 días con IA y 53 días sin ella. En Dinamarca, un experimento sobre 169,049 llamadas al número de emergencias probó si una alerta automática ayudaba al operador a reconocer un paro cardiaco: no mejoró nada, y de cada cien alertas de la máquina ochenta y dos eran falsas, contra cuarenta y cuatro del humano. En Italia, en el escenario que más importa —pacientes que ya dieron positivo en la prueba de sangre oculta—, la colonoscopia asistida no mejoró la detección de las lesiones avanzadas, su objetivo principal, y tardó un minuto más. En Kenia, un experimento con 9,691 pacientes reales atendidos con apoyo de un modelo de lenguaje no mostró beneficio clínico alguno. En Bélgica, una aplicación de teléfono para cáncer de piel evaluada por el Hospital Universitario de Gante sobre 1,904 lesiones falló al capturar la imagen en uno de cada seis casos en condiciones óptimas, y cuando la foto la tomaba el propio usuario, lo lograba en el 29%.
Dos hallazgos me parecen los más importantes de toda esta sección, porque no hablan de la máquina sino de nosotros. En Polonia, cuatro centros documentaron que los médicos que hacen colonoscopias y se acostumbraron a trabajar con IA detectaban seis puntos menos de pólipos precancerosos cuando volvían a trabajar sin ella: la habilidad se atrofia. Y en el Reino Unido, un estudio de seguimiento de la mirada sobre lectores del programa de detección encontró que, en los casos donde la IA se equivocó marcando un cáncer como normal, la proporción que los radiólogos detectaban se desplomó de 71% a 39%, y sus ojos se posaron menos tiempo sobre el tumor que la máquina no vio. El error de la máquina se contagia al humano que la supervisa. La agencia regulatoria británica llegó a la misma conclusión por otra vía al cerrar la segunda fase de su laboratorio regulatorio en junio de 2026: la supervisión humana se degrada con el tiempo, porque el usuario deja de escrutar lo que le ha resultado confiable.
A escala de sistema, la propia Inglaterra publicó la evaluación independiente de su laboratorio nacional de IA, cuyo presupuesto pasó de 250 a 143.5 millones de libras. De los diez proyectos que llegaron a la última fase, con herramientas ya autorizadas y 22.5 millones de libras invertidos, solo dos demostraron mejoras claras en efectividad y eficiencia; dos desplegaron la herramienta sin mostrar beneficio frente a la mejor práctica existente; y muchos centros se quedaron sin plan de compra al acabarse el financiamiento, con frecuencia por falta de evidencia. En Países Bajos, la encuesta anual a las 69 organizaciones hospitalarias registró 68 implantaciones de IA radiológica en 2022 y, el mismo año, siete abandonadas. Los motivos que declaran no son de exactitud: son costo e integración informática.
Quién regula esto, y la respuesta corta es que todavía nadie del todo
La Unión Europea tiene el marco más ambicioso del mundo y acaba de aplazarlo. Su Reglamento de Inteligencia Artificial clasifica como de alto riesgo a todo sistema incorporado a un producto que requiera certificación, lo que cubre a prácticamente todos los dispositivos médicos; pero el paquete de simplificación aprobado el 8 de julio de 2026 corrió esas obligaciones hasta el 2 de agosto de 2028. Entretanto, no existe ninguna cifra oficial de cuántos dispositivos médicos con inteligencia artificial tienen marcado europeo. El conteo más cercano es académico, del Radboudumc: 173 productos de radiología certificados en 2023, de noventa proveedores. De ellos, uno de cada tres no tenía ninguna publicación revisada por pares, y la tendencia va en la dirección equivocada: conforme el mercado crece, la proporción de estudios hechos sin participación del fabricante baja, no sube.
El Reino Unido reconoce abiertamente el hueco: su agencia regulatoria se comprometió a empezar a contar los dispositivos con IA que entran al mercado británico en abril de 2027. Es decir, hoy no sabe cuántos hay. A cambio, hizo lo más serio que ha hecho un regulador sobre este tema: una comisión independiente encabezada por médicos del sistema público recogió evidencia de más de doce mil personas y publicó en septiembre de 2026 un informe con 44 recomendaciones que el gobierno aceptó íntegramente el 6 de octubre. Las tres que más me interesan: autorización por etapas, con despliegue inicial bajo supervisión estrecha y licencia plena solo al demostrar seguridad en el mundo real —la propia agencia lo compara con las placas de conductor en formación—; un registro público y buscable de seguridad por dispositivo, con sus incidentes adversos; y el derecho del paciente a que se le informe cuando se use inteligencia artificial en su atención. Su instituto de evaluación de tecnologías, NICE, ya trabaja así: autorizó tres productos para infarto cerebral «mientras se genera más evidencia» y mandó otros diez solo a investigación; y al aprobar una herramienta de triaje de lesiones de piel puso por escrito una salvaguarda que debería ser estándar: revisión humana obligatoria en personas de piel negra o morena, porque en los estudios que respaldaban al producto la participación de personas de piel negra fue del 0% y del 1%.
Canadá exige, por escrito, que los datos de entrenamiento reflejen a la población canadiense y que el fabricante reporte el desempeño por subgrupos, pero tampoco publica un conteo de lo que ha autorizado. Y Estados Unidos, que es quien más dispositivos ha aprobado, a agosto de 2026 todavía no tiene marco para la inteligencia artificial generativa en dispositivos médicos: abrió una consulta pública para construirlo. Ninguno de los 1,357 dispositivos de su lista está identificado como generativo, y la propia agencia advierte que su lista no es exhaustiva.
América Latina: Brasil manda, y la región mide poco
Brasil es el país con evidencia propia. La red de telecardiología de Minas Gerais, con casi 12 millones de electrocardiogramas interpretados a distancia desde 2006, probó un modelo para detectar chinches besuconas, que en Brasil se conoce como enfermedad de Chagas, en el sistema público: de 59,154 estudios marcó como sospechosos al 11.5%, y aunque solo detectó a uno de cada tres enfermos, es el primer tamizaje de su tipo publicado en Circulation. El Consejo Federal de Medicina brasileño puso en vigor en agosto de 2026 la primera regulación médica de IA de la región: el uso debe registrarse en el expediente, el paciente debe ser informado y queda prohibido delegar en la máquina la comunicación de un diagnóstico. Los grandes hospitales privados van por delante de los ministerios: el Albert Einstein de São Paulo, publicó una red neuronal de triaje dermatológico entrenada con 140,446 imágenes tomadas en tres hospitales municipales de São Paulo; Fleury prioriza tomografías desde 2019; Dasa revisa entre seis y diez mil informes diarios; el Sírio-Libanês usa algoritmos en siete de cada diez resonancias. Y, sin embargo, la propia ANVISA escribe en su agenda regulatoria para 2026-2027 que los apartados de inteligencia artificial y aprendizaje automático «deben ser incorporados» a su norma de software médico. Es decir: el regulador más avanzado de la región reconoce que todavía no los tiene.
Chile ofrece la historia más instructiva. En 2018 el ministerio presentó DART, un sistema chileno de lectura automática de retinografías, y lo desplegó en 28 centros de salud familiar. La validación original, sobre 1,123 exámenes, fue buena. Pero cuando otro grupo lo comparó contra tecnólogos médicos entrenados en un hospital público, con 371 pacientes, la máquina acertó igual al detectar la enfermedad y mucho peor al descartarla: mandó a revisión a casi la mitad de los sanos, contra menos de uno de cada diez que mandaban los humanos. Y en 2025 un reanálisis publicado en la Revista Médica de Chile sostuvo que la exactitud original estaba medida contra el criterio equivocado y la corrigió a la baja en los tres escenarios que probó. Ocho años después del lanzamiento, la Cuenta Pública de julio de 2026 del propio ministerio habla de la IA para fondo de ojo en futuro: «serán implementados». Mientras tanto, la retinopatía diabética es la cuarta garantía de salud más incumplida del país.
Colombia hizo en julio de 2026 algo que nadie más ha hecho: su Resolución 1644 permite explícitamente el uso de plataformas de inteligencia artificial en telemedicina, siempre bajo supervisión humana y con la advertencia expresa de que la IA «nunca podrá sustituir el juicio clínico»; y tiene en CITOBOT, del hospital público Siloé de Cali, el trabajo regional más prometedor en tamizaje de cáncer cervicouterino, con 650 mujeres y 2,648 imágenes, aunque sus propios autores piden validación externa antes de extenderlo. Argentina regula el software médico desde enero de 2025 sin mencionar la inteligencia artificial ni una sola vez en el texto. Y los dos países con los expedientes clínicos electrónicos nacionales más avanzados de la región, Uruguay y Costa Rica, no usan inteligencia artificial en ellos: en Uruguay lo único algorítmico documentado sirve para emparejar identidades de pacientes, y en Costa Rica, sobre una base de más de 63 millones de atenciones médicas, el estudio de caso del BID menciona la IA como «eventual uso» futuro. El cuello de botella de la región no es el dato. Es la capacidad de explotarlo.
Dos advertencias para cerrar el mapa regional. El único experimento con grupos repartidos al azar de inteligencia artificial clínica que encontré en toda América Latina es brasileño, de colonoscopia, con 622 pacientes, y salió negativo: no mejoró la detección. Y en Perú, cuando se probaron en Lima los once algoritmos de detección de tuberculosis por el sonido de la tos —entrenados con 733,756 toses de siete países—, el acierto se desplomó. Los autores lo dicen con todas sus letras: hacen falta modelos construidos con población propia. Según la Organización Panamericana de la Salud, en 2023 apenas cuatro países y territorios de las Américas tenían un marco regulatorio que contemplara la inteligencia artificial en salud, y la meta acordada para 2030 es llegar a treinta.
Lo que yo me llevo de todo esto
Laënnec enrolló aquel cuaderno porque necesitaba oír mejor y no tenía con qué. Doscientos años después tenemos con qué, y de sobra. Lo que escasea no son los algoritmos: es la disciplina de medirlos. Tres de 1,300 dispositivos autorizados han sido evaluados por lo que le pasa al paciente. El producto con la mejor evidencia del mundo viene de una empresa pequeña con financiamiento público, no de una global y donde se midió bien, aparecieron los dos hallazgos que nadie quería: que la habilidad del médico se atrofia con el uso, y que el error de la máquina se le contagia a quien la supervisa.
Nada de esto es un argumento contra la inteligencia artificial en la medicina. Es un argumento a favor de comprarla como se compra un medicamento: preguntando qué experimento la respalda, quién lo pagó, en qué pacientes se hizo y qué les pasó a esos pacientes después. En el siguiente artículo veremos cómo se ve México con esa misma lupa, en lo público y en lo privado. Adelanto una cosa: la pregunta no será si tenemos tecnología.
