La inteligencia artificial médica podría ayudar a detectar riesgos antes de que una enfermedad produzca síntomas evidentes, según un análisis publicado el 1 de septiembre de 2026 en la revista científica Frontiers in Science. El avance permitiría que parte de la medicina pase de reaccionar ante una enfermedad a identificar señales tempranas y prevenir complicaciones.
Los autores, vinculados con instituciones como Imperial College London, Stanford, Yale y Harvard, también advierten que la capacidad técnica no equivale automáticamente a un beneficio para el paciente. Para utilizar estos sistemas de forma segura hacen falta evidencia clínica, datos representativos, regulación y supervisión profesional.
Qué propone el estudio sobre la IA médica
El artículo científico, titulado Large language medicine: defining a new paradigm in human health, revisa cómo la inteligencia artificial puede integrarse en distintas etapas de la atención sanitaria.
Actualmente, una gran parte de las herramientas médicas aprobadas se concentra en analizar imágenes y apoyar diagnósticos. La siguiente etapa podría combinar historiales clínicos, pruebas de laboratorio, imágenes, información genética y datos procedentes de sensores para descubrir patrones que una fuente aislada no mostraría.
Esta capacidad se conoce como IA multimodal: un sistema que analiza diferentes tipos de información al mismo tiempo. Su objetivo no sería “adivinar” el futuro, sino calcular probabilidades y detectar cambios que merecen una revisión médica.
De tratar enfermedades a prevenirlas
En el modelo tradicional, muchas personas consultan cuando ya existe dolor, una alteración visible o una limitación importante. La medicina preventiva busca actuar antes, mediante controles, hábitos y detección temprana.
La IA podría fortalecer ese proceso al revisar grandes volúmenes de información y señalar variaciones pequeñas. Algunos ejemplos posibles son:
- Identificar cambios progresivos en imágenes médicas.
- Detectar alteraciones en el ritmo cardiaco mediante dispositivos autorizados.
- Estimar el riesgo de complicaciones a partir del historial clínico.
- Priorizar pacientes que necesitan una evaluación más rápida.
- Analizar tendencias en glucosa, presión arterial o actividad física.
- Apoyar programas de vigilancia de salud pública.
Estas aplicaciones no significan que una aplicación pueda diagnosticar por sí sola. La mayoría de los sistemas clínicos actuales cumple una función de apoyo y debe ser interpretada dentro del contexto completo del paciente.
Tres niveles de participación de la IA
Los investigadores describen una escala que ayuda a comprender cuánta autonomía puede tener un sistema médico.
1. Herramienta de consulta
La IA ofrece información o una sugerencia, pero no está integrada directamente en el proceso de atención. El profesional decide si utiliza o descarta el resultado.
2. Copiloto clínico
El sistema comparte tareas con el personal sanitario: puede organizar datos, resaltar una anomalía o preparar una recomendación. El profesional mantiene el control de la decisión.
3. Navegador
La IA combina múltiples fuentes, propone acciones y podría ejecutar algunas tareas con una supervisión humana más reducida. Este nivel todavía plantea grandes desafíos legales, éticos y de seguridad.
Los autores señalan que casi toda la IA utilizada hoy en la práctica clínica se encuentra en los dos primeros niveles. En un área de alto riesgo como la salud, aumentar la autonomía requiere evidencia mucho más sólida que la necesaria para una herramienta de productividad común.
Qué aplicaciones ya existen
La inteligencia artificial médica no es solamente una promesa. Existen sistemas regulados que ayudan a analizar mamografías, detectar retinopatía diabética, localizar lesiones en imágenes, revisar electrocardiogramas y asistir determinados procedimientos.
El estudio señala que la lista estadounidense de dispositivos médicos con IA autorizados supera los 1.500. Sin embargo, la mayoría corresponde a funciones descriptivas o diagnósticas y se concentra especialmente en imágenes.
Un ejemplo mencionado es la detección de retinopatía diabética mediante sistemas capaces de evaluar imágenes de la retina. También existen herramientas que apoyan la lectura de mamografías y ayudan a ordenar los casos que requieren atención prioritaria.
La aprobación regulatoria tampoco significa que una tecnología sea perfecta. Su rendimiento puede variar entre hospitales, equipos y poblaciones diferentes.
El problema: precisión técnica no siempre significa mejor salud
Uno de los puntos más importantes del análisis es la diferencia entre acertar en una prueba y mejorar realmente la vida de los pacientes.
Muchos sistemas se evalúan mediante indicadores técnicos como sensibilidad y especificidad. Esas medidas son necesarias, pero no responden por completo otras preguntas:
- ¿Ayudó la herramienta a detectar antes la enfermedad?
- ¿Redujo complicaciones o mejoró la calidad de vida?
- ¿Disminuyó la carga de trabajo sin aumentar errores?
- ¿Funcionó igual en personas de diferentes edades y orígenes?
- ¿El beneficio justifica su costo?
Los investigadores advierten que pocas herramientas han sido estudiadas de manera prospectiva después de implementarse en entornos clínicos diversos. Por eso recomiendan pasar de las demostraciones tecnológicas a evaluaciones centradas en resultados reales.
Riesgos que deben resolverse
Datos incompletos o poco representativos
Un modelo entrenado principalmente con datos de una población puede funcionar peor en otra. Esto podría aumentar desigualdades si no se incluyen edades, condiciones, etnias y contextos sanitarios diversos.
Privacidad de la información
Los historiales médicos contienen datos especialmente sensibles. Los sistemas necesitan medidas estrictas de seguridad, control de acceso y reglas claras sobre almacenamiento y reutilización.
Responsabilidad ante un error
Si una recomendación de IA causa daño, debe estar definido qué responsabilidad corresponde al profesional, al hospital y al desarrollador. La falta de reglas puede dificultar tanto la protección del paciente como la adopción responsable.
Dependencia excesiva
Un profesional puede confiar demasiado en una sugerencia automática y dejar de cuestionarla. La capacitación debe enseñar a interpretar la IA, detectar errores y mantener el juicio clínico.
Desigualdad tecnológica
Los hospitales con mayor presupuesto pueden acceder antes a infraestructura y personal especializado. Sin políticas de acceso equitativo, la IA podría ampliar la diferencia entre sistemas de salud.
Este último punto también aparece en el reciente compromiso internacional que analizamos en la inversión de la Fundación Gates para ampliar el acceso a la IA en salud, educación y agricultura.
Qué significa para los pacientes
A corto plazo, la IA médica funcionará principalmente como apoyo para el personal sanitario. Puede ayudar a encontrar información, revisar imágenes o detectar casos que necesitan atención, pero no reemplaza una consulta ni conoce por sí sola toda la historia de una persona.
Antes de utilizar un chatbot o una aplicación para tomar decisiones de salud, conviene preguntar:
- ¿Es una herramienta médica autorizada o una aplicación de uso general?
- ¿Quién revisa sus resultados?
- ¿Qué hace con los datos ingresados?
- ¿Explica sus limitaciones?
- ¿Indica cuándo buscar atención profesional?
Un chatbot general no debe utilizarse para confirmar diagnósticos, suspender tratamientos ni decidir dosis de medicamentos. Puede ayudar a preparar preguntas o entender términos generales, pero la decisión clínica corresponde a profesionales habilitados.
Qué podría cambiar en los próximos años
Los sistemas futuros podrían acompañar durante más tiempo la evolución de una persona, en lugar de analizar una sola consulta. Al observar datos longitudinales —es decir, recogidos durante meses o años— podrían reconocer cambios graduales y recomendar una evaluación temprana.
También podrían contribuir al descubrimiento de medicamentos, la personalización de tratamientos y la organización de recursos hospitalarios. Pero el estudio insiste en que la innovación debe avanzar junto con infraestructura, interoperabilidad, capacitación y vigilancia posterior a la implementación.
La discusión se conecta con el desarrollo de dispositivos capaces de procesar IA localmente. El reciente chip móvil de 2 nanómetros presentado por MediaTek muestra cómo parte del análisis podría realizarse en el propio dispositivo, aunque una aplicación sanitaria necesitaría validaciones y controles adicionales.
La conclusión más importante
La noticia no es que la IA ya pueda predecir todas las enfermedades. El avance consiste en que los sistemas comienzan a combinar datos suficientes para apoyar una medicina más anticipatoria y personalizada.
El potencial es considerable, pero debe medirse por resultados para los pacientes y no solamente por la precisión de un algoritmo. La supervisión humana, la protección de datos y la validación clínica seguirán siendo indispensables.
Fuentes consultadas
Artículo elaborado a partir de la nota científica publicada por Frontiers y del estudio revisado por pares Large language medicine: defining a new paradigm in human health. El contenido es informativo y no sustituye el consejo, diagnóstico ni tratamiento de un profesional de salud.
Imagen de portada: Accuray vía Unsplash.