Dr. Marco V. Benavides Sánchez. Medmultilingua.com /
En una sala de radiología, un algoritmo observa una tomografía antes que el médico. No se cansa, no parpadea, no pierde la concentración en la hora veinte de un turno agotador. Detecta una sombra diminuta —apenas unos milímetros— en el lóbulo pulmonar de un paciente que no presenta síntomas. Ese hallazgo, silencioso e invisible para el ojo humano en un primer vistazo, puede significar la diferencia entre un cáncer detectado a tiempo y uno descubierto demasiado tarde.
Escenas como esta se repitieron miles de veces a lo largo de 2025, un año que seguramente la historia de la Medicina recordará como un punto de inflexión. La Food and Drug Administration (FDA), la agencia estadounidense que regula medicamentos y dispositivos médicos, autorizó cerca de 300 dispositivos que incorporan inteligencia artificial (IA). La cifra no es solo un récord: es la señal de que la tecnología dejó los laboratorios experimentales para instalarse, de forma definitiva, en hospitales y consultorios de todo el país.
Aunque el tema evoca imágenes de investigación de punta y algoritmos abstractos, su impacto ya se siente en lo cotidiano: en cómo se detecta el cáncer, en cómo se vigila un corazón enfermo, en cómo un médico rural diagnostica una retina sin tener que remitir al paciente a la ciudad.
Un salto sin precedentes
Durante años, la curva de aprobaciones creció con la cautela propia de una tecnología que todavía inspiraba desconfianza. En 2018 apenas se autorizaban unas cuantas decenas de dispositivos con IA. Para 2023 la cifra rondaba los 120; en 2024 superó la barrera de los 250. Pero en 2025 la curva se disparó: 295 autorizaciones en un solo año (que elevó el total acumulado histórico a 1,451), un salto que ni los especialistas más optimistas anticipaban.
Detrás de ese quiebre hay tres fuerzas que convergieron casi al mismo tiempo.
La primera es que la tecnología, sencillamente, maduró. Los modelos actuales son más ligeros y más precisos que sus predecesores; ya no dependen de supercomputadoras ni de volúmenes descomunales de datos para funcionar con fiabilidad clínica. Esa eficiencia les permitió integrarse en dispositivos médicos ya existentes, sin necesidad de rediseñar el hardware desde cero.
La segunda tiene que ver con la regulación misma. La FDA desarrolló rutas específicas para la IA, incluyendo marcos para sistemas que se actualizan y aprenden con el tiempo. Muchos de los dispositivos aprobados siguieron la vía conocida como 510(k), que permite demostrar equivalencia con un producto ya autorizado en el mercado. En la práctica, esto significó que la mayoría no tuvo que someterse a nuevos ensayos clínicos completos, lo que aceleró drásticamente los tiempos —y redujo los costos— de aprobación.
La tercera fuerza es, quizá, la más humana: la presión de un sistema de salud al límite. Hospitales saturados, escasez crónica de especialistas y una demanda creciente de diagnósticos rápidos convirtieron a la IA en una herramienta de supervivencia operativa, no en un experimento de culto científico.
El mapa del cambio: dónde está actuando la IA
Los 295 dispositivos aprobados en 2025 se distribuyen en múltiples especialidades, pero cinco áreas concentran la mayor parte de la actividad clínica.
En radiología, el campo más transformado, la IA funciona como un segundo par de ojos que nunca se fatiga: identifica nódulos pulmonares diminutos, lesiones sospechosas en mamografías, hemorragias cerebrales en tomografías y fracturas que fácilmente pasarían inadvertidas en un turno largo. No sustituye al radiólogo —insisten los especialistas—, pero sí actúa como un lector adicional, incansable y sistemático.
En cardiología, los nuevos dispositivos analizan electrocardiogramas y señales del corazón para identificar arritmias, predecir el riesgo de insuficiencia cardíaca y alertar sobre eventos potencialmente graves antes de que ocurran. El resultado es una medicina más anticipatoria que reactiva.
En oftalmología, algoritmos capaces de detectar retinopatía diabética (enfermedad ocular en la que el exceso de glucosa daña progresivamente los vasos sanguíneos de la retina) y glaucoma (enfermedad ocular en la que el aumento de presión dentro del ojo daña progresivamente el nervio óptico) con una precisión comparable a la de un especialista humano están abriendo una puerta particularmente significativa: la de llevar diagnósticos de alto nivel a clínicas rurales o de bajos recursos, donde antes el acceso a un oftalmólogo podía tomar semanas.
En gastroenterología, durante las colonoscopías, la IA identifica pólipos en tiempo real, reduciendo el margen de error humano frente a lesiones precancerosas que, de otro modo, podrían pasar desapercibidas.
Y en neurología, los nuevos dispositivos ayudan a evaluar el deterioro cognitivo y a rastrear cambios sutiles en los patrones de movimiento —señales tempranas, muchas veces imperceptibles, de enfermedades neurodegenerativas.
Lo que esto significa para quienes se sientan en la sala de espera
Para el paciente común, ajeno a las cifras regulatorias, esta expansión se traduce en algo mucho más tangible: diagnósticos más rápidos y precisos, menos errores humanos en las áreas de mayor carga laboral, y un acceso a tecnología de punta que ya no está reservado a los grandes centros médicos urbanos. Significa, también, detección más temprana de enfermedades graves —con el consecuente efecto sobre el pronóstico— y un seguimiento más personalizado, gracias a dispositivos capaces de analizar datos clínicos en tiempo real.
La IA, en suma, no reemplaza al médico. Lo que hace es amplificar su capacidad de análisis y reducir la variabilidad entre un profesional y otro.
Las sombras del avance: transparencia, capacitación y ética
Ningún salto de esta magnitud llega sin fricciones. El crecimiento acelerado de la IA médica plantea preguntas que los estudios recientes apenas comienzan a responder.
Está, primero, el reto de la capacitación: los profesionales de la salud deben aprender no solo a usar estos sistemas, sino a interpretarlos y supervisarlos con criterio clínico. Está también la exigencia de transparencia algorítmica —entender por qué un modelo llega a una conclusión, no solo aceptar el resultado como un dogma—.
La FDA trabaja, además, en marcos para regular la llamada IA adaptativa, sistemas capaces de modificar su propio comportamiento con el tiempo, para evitar que esos cambios ocurran sin supervisión humana.
Y subyace, a todo esto, la pregunta de la equidad: garantizar que los algoritmos no repliquen ni amplifiquen los sesgos que ya afectan a los grupos más vulnerables del sistema de salud.
La regulación avanza. La adopción responsable, sin embargo, parece que sigue siendo la asignatura pendiente.
El horizonte de 2026
En el horizonte ya se perfila una nueva generación de dispositivos: modelos multimodales capaces de analizar, simultáneamente, imágenes médicas, texto clínico, señales biomédicas y el historial completo de un paciente. Si la tendencia se sostiene, 2026 podría superar una vez más las cifras de 2025.
Lo que hace apenas unos años parecía ciencia ficción —una máquina que lee una tomografía con la misma atención de un especialista, sin fatiga ni distracción— es hoy parte de la rutina en los hospitales de Estados Unidos, y avanza, con paso cada vez más firme, hacia el resto del mundo.
Referencias
Bibliografía
- U.S. Food and Drug Administration (FDA). Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices. FDA Medical Device Databases, 2025. FDA AI/ML-Enabled Medical Devices
- Vokinger, K. N., Muehlematter, U. J., & Mesko, B. (2026). Regulatory evolution of AI-based medical devices: Lessons from the FDA and EMA. Nature Medicine, 32(4), 512–520.
- Benjamens, S., & Dhunnoo, P. (2026). Tracking the global landscape of AI medical device approvals: A comparative analysis of 2025–2026. NPJ Digital Medicine, 9(1), 1–10.
Hashtags
#AIinHealthcare #MedicalAI #DigitalHealth #AIMedicalDevices #Medmultilingua
© Medmultilingua 2026 — La ciencia accesible para todos, en todo el mundo.
Deja una respuesta