¿Cómo se está usando la IA en medicina? — Informe semanal

30 de mayo de 2026 · ventana ~15–30 de mayo de 2026. Lo de marzo–abril se incluye marcado como contexto reciente, fuera · 9 estudios citados

¿Cómo se está usando la IA en medicina? — Informe semanal

Fecha: 2026-05-30 · Profundidad: estándar · Rondas: 1 (búsqueda amplia, tema saturado para digest semanal)

Carril: mixto (médico vía PubMed + web vía fuentes oficiales)

Ventana objetivo: ~15–30 de mayo de 2026. Lo de marzo–abril se incluye marcado como contexto reciente, fuera de la ventana de 2 semanas.

Este informe recoge novedades verificables sobre el uso de la inteligencia artificial (IA) en medicina: herramientas clínicas, estudios y ensayos, autorizaciones regulatorias y debates de seguridad. Cada afirmación factual lleva su cita [n]. Lo que no se pudo verificar contra fuente primaria se marca explícitamente y no se trata como hecho. Según datos de PubMed / PubMed Central (NCBI), se incluye el identificador de objeto digital (DOI) enlazado y el de PubMed (PMID) en cada referencia científica.

Abreviaturas

Sigla	Término completo
IA	inteligencia artificial (en inglés, AI)
FDA	Administración de Alimentos y Medicamentos de EE.UU. (Food and Drug Administration)
EMA	Agencia Europea de Medicamentos (European Medicines Agency)
AMA	Asociación Médica Estadounidense (American Medical Association)
LLM	modelo de lenguaje grande (large language model)
GPT	transformador generativo preentrenado (generative pretrained transformer)
ECA	ensayo clínico aleatorizado
VPN	valor predictivo negativo (en inglés, NPV)
PECARN	Red de Investigación Aplicada en Cuidados de Emergencia Pediátrica (Pediatric Emergency Care Applied Research Network)
PET	tomografía por emisión de positrones (positron emission tomography)
CE	cápsula endoscópica (capsule endoscopy)
SSBB	sospecha de sangrado de intestino delgado (suspected small-bowel bleeding)
UCI	unidad de cuidados intensivos
GA	gasometría arterial (gases arteriales)
CAPD	diálisis peritoneal ambulatoria continua (continuous ambulatory peritoneal dialysis)
ML	aprendizaje automático (machine learning)
AUC	área bajo la curva (area under the curve)
IC95%	intervalo de confianza del 95%
TNM	tumor-ganglio-metástasis (sistema de estadificación oncológica)
NSCLC	cáncer de pulmón de células no pequeñas (non-small cell lung cancer)
HCE	historia clínica electrónica (en inglés, EHR)
510(k)	vía de autorización de la FDA por equivalencia sustancial a un dispositivo ya comercializado
De Novo	vía de la FDA para dispositivos nuevos de riesgo bajo/moderado sin predicado
HR+	receptor hormonal positivo
HER2	receptor 2 del factor de crecimiento epidérmico humano

Resumen ejecutivo

En diagnóstico por imagen digestiva, un modelo de IA de código abierto (SEE-AI) elevó la sensibilidad de detección de lesiones en cápsula endoscópica (CE) de intestino delgado del 86,4 % al 98,8 % por lesión y redujo el tiempo de lectura de 17,9 a 13,7 minutos, en una evaluación multicéntrica de 6 hospitales [1].
Un modelo de lenguaje grande (LLM) tipo GPT aplicó el algoritmo PECARN de trauma craneal pediátrico sobre notas de urgencias con un valor predictivo negativo (VPN) de 0,98 y exactitud de 0,89, cercano al de los médicos de urgencias (VPN 0,99; exactitud 0,92) — pero el propio estudio lo califica de paso preliminar [2].
Un experimento con 288 investigadores publicado en PNAS encontró que los equipos liderados por IA (mínima supervisión humana) reprodujeron solo el 37 % de los resultados científicos, frente al 94 % de los equipos humanos; conclusión: el juicio humano experto "sigue siendo indispensable" [3].
En lo regulatorio, la FDA autorizó por vía De Novo el sistema DeepView de Spectral AI para quemaduras (26-may) [10] y por vía 510(k) el software SubtleHD(PET) de Subtle Medical, que acelera la imagen PET hasta un 75 % (27-may) [11].
La señal regulatoria dominante fue de cautela: según prensa especializada, la FDA rechazó una propuesta (empresa Harrison.ai) para aligerar la revisión previa de ciertos dispositivos de IA — pendiente de confirmar contra documento oficial [13].
Las sociedades y plataformas marcaron límites: la AMA publicó una infografía para que los pacientes usen chatbots de IA con seguridad ("complementar, nunca reemplazar"; nunca en urgencias) [14], y Microsoft lanzó Copilot Health en preview advirtiendo que "no está diseñado para diagnosticar, tratar ni prevenir enfermedades" [12].
El patrón de seguridad de fondo (contexto marzo–abril, verificado): la exactitud global de los LLM puede ocultar errores peligrosos. En UCI, ChatGPT clasificó como "normal" el 16,7 % de trastornos ácido-base mixtos (falsa tranquilidad), frente a 0 % de los intensivistas [7].

Hallazgos

1 · Herramientas clínicas e IA en diagnóstico/imagen (uso real)

Cápsula endoscópica de intestino delgado (CE) — modelo de IA abierto SEE-AI. En una evaluación multicéntrica retrospectiva de 249 exploraciones PillCam SB3 en seis hospitales, con diseño cruzado de dos lectores, la lectura asistida por IA mostró mayor sensibilidad que la convencional: por lesión 98,8 % (1532/1550) frente a 86,4 % (1339/1550); por paciente 99,1 % frente a 80,3 % (ambos p<0,0001) [1]. El tiempo medio de lectura bajó de 17,9 a 13,7 minutos [1]. En el subgrupo con sospecha de sangrado de intestino delgado (SSBB, n=131), la sensibilidad para lesiones hemorrágicas P1+P2 mejoró del 82,8 % al 98,2 % por lesión [1]. Los autores plantean SEE-AI como herramienta práctica y "posible estándar de atención futuro", destacando que es de código abierto y reproducible [1]. Confianza: Alta para el resultado interno; nota: estudio retrospectivo, no despliegue prospectivo.

Imagen PET — aceleración por IA. La FDA otorgó autorización 510(k) a SubtleHD(PET) de Subtle Medical, software de IA que, según el comunicado de la empresa, permite "hasta un 75 % de imagen PET más rápida" en escáneres existentes y es compatible con todos los radiotrazadores aprobados por la FDA; anunciado el 27 de mayo de 2026 [11]. Confianza: Media — comunicado de empresa; conviene confirmar el número de expediente (K-number) en la base de datos de la FDA.

Tomografía multiespectral en quemaduras. La FDA concedió autorización De Novo al sistema DeepView de Spectral AI, que combina imagen multiespectral con un algoritmo de IA para predecir si una quemadura tiene baja probabilidad de cicatrizar en 21 días, como apoyo a la decisión clínica temprana (26 de mayo de 2026) [10]. Confianza: Media — fuente: comunicado oficial del fabricante.

2 · IA en oncología

Microbioma intestinal e IA para terapia personalizada del cáncer. Una revisión en Gut Microbes describe cómo la IA se aplica a datos multiómicos (metagenómica, metabolómica, transcriptómica) —cuya complejidad supera el análisis manual— para entender el papel del microbioma intestinal en la tumorigénesis y modular la quimiorresistencia, la eficacia de la inmunoterapia y los efectos adversos [5]. Es una revisión, no un ensayo clínico nuevo; útil como mapa del campo [5].

Estadificación TNM de cáncer de pulmón con un LLM afinado (contexto, abril). Un modelo GLM-4-Air optimizado con ingeniería de prompts y ajuste fino supervisado alcanzó 90 % de exactitud en la estadificación clínica global tumor-ganglio-metástasis (TNM) de cáncer de pulmón de células no pequeñas (NSCLC), frente al 80 % de GPT-4o, sobre 492 informes de imagen reales; además cometió 0 errores de categoría I (los que más afectan la decisión clínica) en la metástasis (M) y corría en hardware de consumo [9]. Señal de que el modelo pequeño afinado al dominio puede superar al generalista grande, relevante para entornos con pocos recursos [9]. Confianza: Media (un estudio, una tarea). Publicado 15-abr-2026 → contexto, fuera de la ventana de 2 semanas.

Patología digital con IA en cáncer de mama (contexto, principios de mayo). La FDA autorizó por vía 510(k) ArteraAI Breast, descrita por la empresa como herramienta de estratificación de riesgo basada en patología digital con IA para cáncer de mama invasivo temprano, con receptor hormonal positivo (HR+) y HER2-negativo (6 de mayo de 2026) [15]. Se incluye por su relevancia oncológica, marcada como contexto reciente, no como novedad de la quincena [15].

3 · Apoyo a la decisión clínica y educación médica

LLM aplicando el algoritmo PECARN de trauma craneal pediátrico. Un estudio de preimplementación evaluó si un LLM (GPT) podía aplicar el algoritmo PECARN sobre notas de urgencias de pacientes de 3 meses a 18 años. El mejor modelo (con ingeniería de prompts) alcanzó VPN 0,98 y exactitud 0,89, comparable a los médicos de urgencias pediátricas (VPN 0,99; exactitud 0,92) sobre 122 pacientes de prueba [2]. Los autores subrayan que es "un paso preliminar" y que se requieren más estudios de escalabilidad antes de un uso clínico seguro [2]. Confianza: Media — muestra pequeña, diseño preimplementación.

ECA de IA en educación de medicina reproductiva. Un ensayo clínico aleatorizado (ECA) con 50 residentes de obstetricia y ginecología comparó aprendizaje basado en casos + aula invertida asistido por IA frente a clase magistral; el grupo con IA obtuvo puntuaciones significativamente mayores en conocimiento teórico, evaluación clínica (Mini-CEX) y examen clínico objetivo estructurado (OSCE), además de mayor motivación [4]. Confianza: Media — muestra pequeña, un solo centro.

Modelo explicable de mortalidad en diálisis peritoneal. Un sistema de aprendizaje automático (ML) explicable y actualizado en el tiempo se desarrolló y validó para predecir mortalidad a 6 meses en 1.484 pacientes de diálisis peritoneal ambulatoria continua (CAPD), evaluando 8 modelos por área bajo la curva (AUC) y exactitud [6]. Ejemplifica la tendencia hacia IA clínica explicable (no caja negra) [6]. Confianza: Media — retrospectivo, validación temporal interna.

4 · Debates de seguridad, ética y regulación

La FDA endurece, no relaja, la supervisión. Según prensa especializada, la FDA rechazó una propuesta para reducir la revisión previa al mercado (510(k)) de ciertos programas diagnósticos de IA, presentada por la empresa Harrison.ai; el argumento habría sido que "la autorización previa de un dispositivo de IA no demuestra necesariamente que futuros productos de la misma empresa funcionen de forma segura o eficaz" (15 de mayo de 2026) [13]. Confianza: Baja-Media — atribuida a la FDA pero la fuente localizada es prensa especializada (Tier 2); no se halló el comunicado o expediente oficial. Tratar como reportado, no confirmado.

Productos de consumo con límites explícitos. Microsoft lanzó Copilot Health en preview en EE.UU. (29 de mayo de 2026), que agrega datos de vestibles, historiales y análisis de laboratorio para dar "orientación" de salud, declarando que "no está diseñado para diagnosticar, tratar ni prevenir enfermedades… y no sustituye el consejo médico profesional", desarrollado con un panel externo de más de 250 médicos de 24 países, con certificación ISO/IEC 42001 y sin usar las conversaciones de salud para entrenar la IA [12]. Confianza: Alta para el hecho del lanzamiento y los disclaimers (fuente oficial de la empresa).

Sociedades médicas educando al paciente. La AMA publicó una infografía (20 de mayo de 2026) con recomendaciones y advertencias para que los pacientes usen chatbots de IA con seguridad, con la posición de que la IA debe "complementar, no reemplazar" el consejo del médico y "nunca usarse en urgencias ni para decisiones de diagnóstico y tratamiento" [14]. Confianza: Alta (posicionamiento oficial de sociedad médica).

Los límites de la autonomía de la IA (PNAS). En un experimento con 288 investigadores en 103 equipos (solo humanos, asistidos por IA, liderados por IA), los liderados por IA con mínima supervisión reprodujeron solo el 37 % de los resultados científicos, frente al 94 % (solo humanos) y 91 % (asistidos por IA); los equipos solo-humanos detectaron significativamente más errores graves de código [3]. Conclusión: "el juicio humano experto sigue siendo indispensable para la verificación empírica fiable" [3]. Confianza: Alta (ECA grande, revista de primer nivel); el dominio es ciencia social, la lectura para medicina es analógica: la supervisión humana sigue siendo el límite de seguridad.

Contexto reciente de seguridad (marzo–abril 2026, fuera de la ventana de 2 semanas)

La exactitud global oculta errores peligrosos (UCI). En un estudio observacional prospectivo, 50 pacientes de UCI tuvieron su gasometría arterial (GA) interpretada por intensivistas y por ChatGPT: exactitud global 82 % (médicos) vs 72 % (ChatGPT), diferencia no significativa (p=0,267, potencia limitada 0,22) [7]. Pero la sensibilidad para trastornos ácido-base mixtos fue 0,96 (médicos) vs 0,63 (ChatGPT), y ChatGPT clasificó como "normal" el 16,7 % de los casos mixtos (falsa tranquilidad), frente a 0 % de los médicos; los errores de ChatGPT fueron de mayor gravedad ponderada (diferencia media 0,12; IC95% 0,032–0,220; p=0,026) [7]. Los autores concluyen que evaluar IA en cuidados críticos debe ir más allá de la exactitud global e incorporar marcos ponderados por daño [7]. Confianza: Media-Alta (estudio único, n=50, potencia limitada).
Todos los LLM caen en los casos complejos. En el Examen Nacional de Cualificación Profesional y Técnica Sanitaria de China (nivel intermedio), DeepSeek V3 y R1 lograron 93 % y 93,6 %, frente a ChatGPT 4o (73,3 %) y o1 (69 %) (p<0,001); pero los cuatro modelos cayeron marcadamente en la sección de casos complejos [8]. Confianza: Media (un examen, comparativa). Publicado 6-abr-2026 → contexto.

Conflictos y nivel de confianza

Afirmación	A favor	En contra / matices	Confianza
La IA mejora la detección de lesiones en imagen digestiva sin alargar tiempos	[1]	retrospectivo, falta validación prospectiva	Alta
Un LLM puede aplicar un algoritmo de decisión pediátrica con seguridad cercana al médico	[2]	el propio estudio: preliminar, muestra pequeña	Media
La supervisión humana sigue siendo necesaria; la IA autónoma rinde peor	[3][7]	—	Alta
La exactitud global puede ocultar errores clínicos peligrosos	[7]	estudio único, n=50, potencia 0,22	Media-Alta
Modelos afinados al dominio superan a generalistas	[9]	1 estudio, 1 tarea	Media
La FDA rechazó relajar la supervisión de dispositivos de IA	[13]	sin documento oficial localizado	Baja-Media
Los productos de IA de consumo se autolimitan ("no es consejo médico")	[12][14]	—	Alta
La lista de la FDA suma ~1.451 dispositivos con IA (radiología ~76 %)	búsquedas/agregadores	página viva de la FDA no accesible (404)	Baja (no verificado)

Vacíos / no verificado

Cifras agregadas de la lista de dispositivos con IA de la FDA (~1.451 dispositivos; radiología ~76 %): no se pudieron verificar contra la página oficial viva (devolvió error 404). Se reportan como contexto no confirmado [17].
Rechazo de la FDA a Harrison.ai: solo se localizó cobertura de prensa especializada (Tier 2); no se halló comunicado, docket ni decisión publicada de la FDA. Pendiente de confirmar en fuente primaria [13].
Estudios de mamografía con IA en revistas Nature (npj Digital Medicine, Nature Medicine, Nature Cancer) aparecieron como pistas pero están tras muro de autenticación; no se pudo confirmar fecha de publicación dentro de la ventana ni leer métodos/resultados. No se citan como evidencia.
Números de expediente (K-number/De Novo) de Spectral AI y Subtle Medical: las autorizaciones se sostienen en comunicados de las empresas (Tier 1); la confirmación definitiva sería la entrada en la base de datos de la FDA, no consultada aquí.
EMA: no se halló ninguna decisión, guía ni opinión nueva fechada entre el 15 y el 30 de mayo de 2026. Lo más reciente es de enero/marzo de 2026 (contexto) [16].
Recencia: las referencias [7], [8] y [9] son de marzo–abril de 2026 (fuera de la ventana de 2 semanas); se incluyen como contexto de seguridad por su relevancia directa, no como novedad de la quincena.

Referencias

Fuentes científicas (estilo Vancouver) — según PubMed / PMC (NCBI)

Miyazono S, Umeno J, Nagasue T, Saiki T, Kaku H, Torisu T, et al. Improved Efficiency and Lesion Detection in Small Bowel Capsule Endoscopy Using the Open-Source Artificial Intelligence Model SEE-AI. DEN Open. 2026;7:e70346. doi:10.1002/deo2.70346. PMID: 42148037. PMCID: PMC13177839.
Simper MA, Ahmad FA, Abraham J, Maddox TM, Flotken J, Rudloff JR. Safety and diagnostic accuracy of large-language model application of PECARN head injury algorithm. Int J Med Inform. 2026;216:106466. doi:10.1016/j.ijmedinf.2026.106466. PMID: 42127532.
Brodeur A, Valenta D, Marcoci A, Aparicio JP, Mikola D, Barbarioli B, et al. AI-assisted teams outperform AI-led teams but not human-only teams in assessing research reproducibility in quantitative social science. Proc Natl Acad Sci U S A. 2026;123(22):e2524747123. doi:10.1073/pnas.2524747123. PMID: 42207915.
Wang Q, Hu C, Li Y, Zhang T, Zhang S. AI-assisted case-based learning and flipped classroom to improve clinical decision-making: a randomized controlled trial in reproductive medicine. Med Educ Online. 2026;31(1):2670047. doi:10.1080/10872981.2026.2670047. PMID: 42200362. PMCID: PMC13218306.
Liu J, Zhao P, Jiang D, Li S, Jin C, Xu D, et al. Decoding the microbiome: artificial intelligence-targeted gut microenvironment breakthroughs in personalized cancer therapy. Gut Microbes. 2026;18(1):2672791. doi:10.1080/19490976.2026.2672791. PMID: 42212684.
Wang Q, Ding Y, Luo Q, Wan S, Zhang Y. Time-updated explainable machine learning predicts short-term mortality in peritoneal dialysis patients. Ren Fail. 2026;48(1):2666955. doi:10.1080/0886022X.2026.2666955. PMID: 42204441. PMCID: PMC13195704.
Gulen D, Gözden HE, Ekin S, Ceylan I. Structural error asymmetry and harm-weighted analysis of ChatGPT versus ICU physicians in acid-base interpretation: a prospective observational study. Sci Rep. 2026;16(1):44576. doi:10.1038/s41598-026-44576-4. PMID: 41896626. PMCID: PMC13179372.
Xue J, Wang S, Yang J, Guo X, Shen J, Wang Q. Performance of DeepSeek V3, DeepSeek R1, ChatGPT 4o, and ChatGPT o1 on the National Health Professional and Technical Qualification Examination (Intermediate Level) in China: comparative analysis. JMIR Form Res. 2026;10:e90673. doi:10.2196/90673. PMID: 41941721. PMCID: PMC13096768.
Jin R, Ling C, Hou Y, Sun Y, Li N, Han J, et al. Augmenting large language model with prompt engineering and supervised fine-tuning in non-small cell lung cancer tumor-node-metastasis staging: framework development and validation. JMIR AI. 2026;5:e77988. doi:10.2196/77988. PMID: 41984624. PMCID: PMC13082344.

Datos biomédicos obtenidos de PubMed / PubMed Central (NCBI). Se incluye el DOI enlazado de cada artículo según la licencia de uso del recurso.

Fuentes web / regulatorias / industria

#	Título	Sitio / Organismo	Tier	URL	Publicado	Accedido
10	Spectral AI recibe autorización De Novo de la FDA para DeepView (quemaduras)	Spectral AI (comunicado, vía GlobeNewswire)	1	https://www.globenewswire.com/news-release/2026/05/26/3300941/0/en/spectral-ai-receives-fda-de-novo-clearance-for-deepview-system-for-burn-indication.html	2026-05-26	2026-05-30
11	Subtle Medical recibe clearance FDA para SubtleHD(PET)	Subtle Medical (PR) / ITN Online	1–2	https://www.itnonline.com/content/fda-clears-subtle-medicals-image-acceleration-enhancement-software	2026-05-27	2026-05-30
12	Copilot Health, ahora en preview	Microsoft (blog oficial Copilot)	0	https://www.microsoft.com/en-us/microsoft-copilot/blog/2026/05/29/copilot-health-now-in-preview/	2026-05-29	2026-05-30
13	La FDA rechaza propuesta para aligerar la supervisión de dispositivos de IA	Telehealth.org (prensa especializada)	2	https://telehealth.org/news/fda-rejects-proposal-to-ease-oversight-of-ai-medical-devices/	2026-05-15	2026-05-30
14	Nueva infografía de la AMA para que los pacientes naveguen la IA en salud con seguridad	American Medical Association	0	https://www.ama-assn.org/press-center/ama-press-releases/new-ama-infographic-helps-patients-safely-navigate-ai-healthcare	2026-05-20	2026-05-30
15	Artera recibe clearance 510(k) de la FDA para ArteraAI Breast (contexto, principios de mayo)	Artera (comunicado, vía BusinessWire)	1	https://www.businesswire.com/news/home/20260506413700/en/Artera-Receives-U.S.-FDA-Clearance-for-ArteraAI-Breast-Expanding-Its-AI-Platform-to-Breast-Cancer	2026-05-06	2026-05-30
16	EMA y FDA fijan principios comunes para la IA en el desarrollo de medicamentos (contexto)	EMA (web oficial)	0	https://www.ema.europa.eu/en/news/ema-fda-set-common-principles-ai-medicine-development-0	2026-01-14	2026-05-30
17	Dispositivos médicos habilitados por IA (lista — cifras NO verificadas contra la página viva)	FDA (web oficial)	0	https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices	actualización marzo 2026	2026-05-30 (no accesible, 404)

Metodología: investigación en modo mixto. Carril médico con búsquedas en PubMed (fecha de entrada 2026-05-10 a 2026-05-30 para lo de la ventana; refs 7–9 son de marzo–abril, marcadas como contexto) y lectura de abstracts/metadatos. Carril web con verificación de fuentes oficiales, priorizando fuente primaria sobre prensa/blog. Solo se tratan como evidencia las fuentes Tier 0–1; las Tier 2 se marcan como reportadas y de confianza reducida. No se afirma nada sin cita; los vacíos se declaran arriba.