Por Dr. Marco V. Benavides Sánchez – Medmultilingua.com /
Resumen:
Octubre de 2026 ha sido uno de los meses más intensos para la inteligencia artificial aplicada a la medicina. Un sistema de Microsoft que simula un panel de médicos superó a médicos generales en casos clínicos complejos; el primer gran estudio sobre el uso real de la IA por parte de casi un millón de clínicos reveló que los médicos la consultan más para tratar que para diagnosticar; y nuevos modelos lograron detectar enfermedades ocultas en tomografías, predecir la supervivencia en cáncer a partir de una fotografía del rostro e identificar el gen responsable de enfermedades hereditarias de la retina. Al mismo tiempo, la FDA avanza hacia una regulación específica para la IA generativa, y la industria farmacéutica sigue invirtiendo miles de millones en fármacos diseñados por algoritmos que aún no han recibido aprobación completa. Este artículo revisa estos avances, junto con la evidencia que invita a la prudencia, y plantea una pregunta central: ¿estamos preparados para supervisar una tecnología que ya aprende más rápido que nosotros?
Palabras clave: Inteligencia artificial; medicina; diagnóstico clínico; MAI-DxO; OpenEvidence; tomografía computarizada; oftalmología; regulación FDA; descubrimiento de fármacos; sesgo de automatización.
Hay meses en los que la ciencia avanza en lentamente y en silencio. Octubre de 2026 no fue uno de ellos.
En apenas unas semanas, revistas como Science, JAMA, Nature Medicine y The Lancet Digital Health publicaron estudios que, juntos, dibujan un retrato nítido del momento que vive la medicina: la inteligencia artificial ya no es una promesa oculta en los laboratorios, sino una presencia cotidiana en la consulta. Pero también dibujan algo más incómodo. Paradójicamente, cuanto más poderosa se vuelve la herramienta, más importante resulta la mano que la sostiene.
Un panel de médicos que cabe en un servidor
El 22 de octubre, un equipo de Microsoft publicó en Science los resultados de MAI-DxO, un sistema que coordina varios agentes de IA que actúan como un panel de especialistas discutiendo un caso. [medicaleconomics.com]
Las cifras son llamativas. Ante casos clínicos complejos del New England Journal of Medicine, el sistema alcanzó el diagnóstico correcto en el 83,2 % de las ocasiones, frente al 36,1 % de médicos generales que contaban con buscadores y material de referencia. En ingresos rutinarios de urgencias, la diferencia fue de 80,3 % frente a 46,8 %, y con frecuencia el sistema solicitó estudios menos costosos. [medicaleconomics.com]
Sin embargo, los propios autores fueron bastante cuidadosos: se trata de una prueba controlada, basada solo en texto, y estas comparaciones no demuestran superioridad frente a especialistas, equipos multidisciplinarios ni la práctica clínica real. [medicalxpress.com]
La distinción importa: Un examen de laboratorio o gabinete no es un paciente.
Lo que los médicos realmente le preguntan a la IA
Mientras los titulares hablaban de máquinas que diagnostican, un estudio publicado el 15 de octubre en JAMA mostró algo distinto. Investigadores de Harvard Medical School y el Brigham and Women’s Hospital analizaron cómo 950.000 médicos, asistentes médicos y enfermeras practicantes de Estados Unidos utilizaron OpenEvidence, una plataforma de información clínica basada en IA. [hms.harvard.edu]
Entre enero de 2024 y junio de 2026, los usuarios activos mensuales pasaron de 355 a 703.265. Más de la mitad de las consultas se relacionaron con la toma de decisiones clínicas, y el diagnóstico representó apenas el 13,9 %. [hms.harvard.edu] Los médicos preguntaron más del doble sobre cómo tratar que sobre cómo diagnosticar, y con frecuencia lo hicieron en áreas fuera de su especialidad. [ibm.com]
En otras palabras, la IA no está reemplazando al «ojo clínico». Se está convirtiendo en el colega al que se consulta en el pasillo, ahora disponible a cualquier hora.
Lo que la tomografía callaba
En Penn Medicine, un modelo llamado Percival, entrenado con cientos de miles de tomografías computarizadas, demostró que cada estudio contiene mucha más información que la que motivó su solicitud. Publicado en NPJ Digital Medicine, el sistema detectó rastros de fibrilación auricular y enfermedad renal crónica, y señaló con mayor fiabilidad que otros modelos condiciones como cáncer de páncreas, cirrosis y neumonía bacteriana. [pennmedicine.org]
Para quienes hemos pasado años en el quirófano, la idea resulta muy interesante: la imagen que pedimos para descartar una apendicitis podría estar advirtiéndonos de algo mucho más serio.
Un rostro que habla de supervivencia
Quizá el hallazgo más inquietante del mes vino de Mass General Brigham. Sus investigadores construyeron un modelo, FAHR-Face, entrenado con más de 40 millones de imágenes de rostros, capaz de estimar la edad biológica y predecir la supervivencia de pacientes con cáncer a partir de una sola fotografía. El estudio se publicó el 19 de octubre en The Lancet Digital Health. [beckershospitalreview.com]
Los individuos ubicados por el modelo en la categoría de riesgo más elevado mostraron una mortalidad más de tres veces superior a la de aquellos situados en la categoría de menor riesgo. [worldhealth.ai]
El hallazgo confirma algo que los clínicos intuimos desde hace siglos: el rostro del paciente cuenta una historia. Le llamamos facies (hipocrática, cushingoide, parkinsoniana, etc.). La diferencia es que ahora un algoritmo puede leerla con precisión numérica. Y eso abre preguntas éticas que todavía no sabemos responder.
El gen escondido detrás de la retina
En oftalmología, un equipo internacional presentó en Nature Medicine el sistema Retina4IRD, que analiza fotografías de fondo de ojo, tomografía de coherencia óptica y datos clínicos básicos para predecir la causa genética de las distrofias hereditarias de la retina, antes de realizar costosas pruebas genéticas. [scienceinpoland.pl]
Los médicos que utilizaron el sistema identificaron el gen responsable entre sus cinco diagnósticos más probables en el 88,5 % de los casos, frente al 67,3 % de los especialistas que trabajaron sin apoyo. [scienceinpoland.pl]
Aquí la IA no sustituye al especialista. Lo hace mejor.
La otra cara: cuando la máquina se equivoca
No toda la evidencia apunta en la misma dirección. Un estudio clínico publicado en NEJM AI evaluó a médicos formados en alfabetización en IA que recibieron sugerencias erróneas de un modelo de lenguaje. Su precisión diagnóstica cayó al 73,3 %, frente al 84,9 % del grupo control: una reducción de 14 puntos porcentuales. [ai.nejm.org]
El fenómeno tiene nombre: sesgo de automatización. Es la tendencia humana a confiar en la máquina incluso cuando se equivoca. Y lo más preocupante es que afectó a médicos que ya habían sido entrenados para evitarlo.
Otro estudio, realizado en Kenia y publicado en Nature Medicine, aporta una lección igualmente valiosa. Una herramienta de IA generativa integrada al expediente clínico mejoró la calidad de la documentación y la planificación del tratamiento y resultó segura, pero no modificó de manera significativa los resultados de los pacientes a corto plazo: la falla terapéutica a 14 días fue de 2,2 % frente a 2,0 %. [birmingham.ac.uk]
Mejores decisiones en el papel no siempre se traducen en mejores resultados en el paciente.
¿Cómo se regula lo que cambia cada día?
La FDA ha autorizado ya más de 1.600 dispositivos médicos con IA en Estados Unidos, según su registro actualizado a septiembre de 2026. [fda.gov] Ahora prepara un marco específico para los dispositivos basados en IA generativa, cuyas entradas y respuestas son prácticamente ilimitadas. La propuesta plantea un enfoque basado en el riesgo, que considera cuánta independencia tiene el sistema y qué tan grave sería el daño si se equivoca. [ama-assn.org]
El 16 de octubre, la Asociación Médica Estadounidense envió sus comentarios, y diversas organizaciones de proveedores coincidieron en un punto: la responsabilidad ética debe recaer en los desarrolladores, no en los médicos. La agencia prevé publicar un borrador de guía en los próximos meses. [healthcaredive.com]
Fármacos diseñados por algoritmos: mucha inversión, ninguna aprobación
En la industria farmacéutica, el entusiasmo continúa. AstraZeneca acordó pagar 40 millones de dólares por adelantado a Insitro para usar su plataforma de IA en la búsqueda de nuevos blancos terapéuticos para enfermedades hepáticas y cardíacas, con hasta 1.460 millones adicionales en hitos futuros. [pharmaphorum.com]
Sin embargo, hasta agosto de 2026, ningún fármaco descubierto por IA había obtenido la aprobación completa de la FDA. [clinicaltrialvanguard.com] El candidato más avanzado, rentosertib, desarrollado por Insilico Medicine para la fibrosis pulmonar idiopática, mejoró la función pulmonar en una etapa temprana de evaluación clínica y ahora será sometido a un estudio más amplio y prolongado para determinar si esos beneficios pueden confirmarse antes de aspirar a una eventual aprobación regulatoria. [biopharmadive.com]
La IA puede acelerar el descubrimiento. La biología, en cambio, sigue marcando su propio ritmo.
¿Y América Latina?
El estudio de Kenia ofrece una ventana hacia lo que podría ocurrir en nuestra región. En lugares donde faltan especialistas, una herramienta que mejora el razonamiento clínico y la planificación del tratamiento tiene un valor enorme, incluso si sus beneficios no se reflejan de inmediato en las estadísticas.
Pero la lección es clara: la tecnología por sí sola no transforma un sistema de salud. Se necesitan datos de calidad, infraestructura confiable, formación del personal y, sobre todo, mecanismos de supervisión que protejan al paciente.
La pregunta que queda
Octubre de 2026 nos deja una conclusión que parece contradictoria, pero no lo es. La inteligencia artificial nunca había sido tan capaz. Y nunca había sido tan necesario el juicio humano.
Los algoritmos ya diagnostican, predicen y sugieren. Lo que todavía no pueden hacer es asumir la responsabilidad de una decisión ni mirar al paciente a los ojos para explicársela.
Porque, al final, la pregunta no es si la máquina tiene razón. Es si nosotros sabremos reconocer cuándo no la tiene.
Fuentes:
- Medical Economics. “AI system outperforms physicians on diagnostic accuracy in Microsoft study.” https://www.medicaleconomics.com/view/ai-system-outperforms-physicians-on-diagnostic-accuracy-in-microsoft-study
- Medical Xpress. “AI gets more diagnoses right than generalist doctors.” https://medicalxpress.com/news/2026-10-ai-generalist-doctors-medical.html
- Harvard Medical School. “First Large-Scale Study Shows How Doctors Use AI in Medicine.” https://hms.harvard.edu/news/first-large-scale-study-shows-how-doctors-use-ai-medicine
- IBM Think. “Doctors are using AI for more than diagnosis, study finds.” https://www.ibm.com/think/news/doctors-using-ai-more-than-diagnosis-study-finds
- Penn Medicine. “AI model can uncover unseen health issues in CT scans.” https://www.pennmedicine.org/news/ai-model-can-uncover-unseen-health-issues-in-ct-scans
- Becker’s Hospital Review. “Mass General Brigham AI trained on 40M faces predicts cancer survival.” https://www.beckershospitalreview.com/healthcare-information-technology/ai/mass-general-brigham-ai-trained-on-40m-faces-predicts-cancer-survival/
- WorldHealth.AI. “Healthcare AI Intelligence Briefing, October 2026.” https://www.worldhealth.ai/insights
- Science in Poland. “AI helps doctors spot genetic causes of eye disease with greater accuracy.” https://scienceinpoland.pl/en/news/news,114346,ai-helps-doctors-spot-genetic-causes-eye-disease-greater-accuracy.html
- NEJM AI. “Automation Bias in Large Language Model–Assisted Diagnostic Reasoning among Physicians Trained in AI Literacy — A Randomized Clinical Trial.” https://ai.nejm.org/doi/abs/10.1056/AIoa2501001
- University of Birmingham. “AI improved clinical decisions in primary care trial.” https://www.birmingham.ac.uk/news/2026/ai-clinical-support-tool-improved-clinician-decisions-in-real-world-primary-care-trial
- U.S. Food and Drug Administration. “Artificial Intelligence-Enabled Medical Devices.” https://www.fda.gov/medical-devices/digital-health-center-excellence/artificial-intelligence-enabled-medical-devices
- American Medical Association. “Oct. 23, 2026: National Advocacy Update.” https://www.ama-assn.org/health-care-advocacy/advocacy-update/oct-23-2026-national-advocacy-update
- Healthcare Dive. “Developers, not doctors, should be held accountable for generative AI medical devices.” https://www.healthcaredive.com/news/developers-not-doctors-held-accountable-generative-ai-medical-devices-fda/833738/
- pharmaphorum. “AI in drug discovery & development: News watch, October 2026.” https://pharmaphorum.com/news/ai-drug-discovery-development-news-watch-october-2026
- Clinical Trial Vanguard. “AI Drug Discovery Has $8.9 Billion in Hype and Zero FDA Approvals.” https://www.clinicaltrialvanguard.com/opinion/ai-drug-discovery-has-8-9-billion-in-hype-and-zero-fda-approvals-when-does-the-bill-come-due/
- BioPharma Dive. “How well are AI-discovered drugs faring in the clinic?” https://www.biopharmadive.com/news/ai-drug-discovery-insilico-recursion-verge/825367/
Hashtags recomendados:
#IAenMedicina, #SaludDigital2026, #DiagnósticoClínico, #MedTech, #Medmultilingua
© Medmultilingua 2026 — La ciencia accesible para todos, en todo el mundo.
Deja una respuesta