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

1 de junio de 2026 · 5 estudios citados

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

• Fecha: 2026-06-01
• Ventana principal: ≈19 may – 1 jun 2026 (estudios PubMed). Marco regulatorio reciente (ene–may 2026) marcado como contexto.
• Carril: mixto — PubMed/PubMed Central (NCBI) + fuentes web oficiales.
• Regla: cada afirmación factual lleva su cita [n]. Solo Tier 0–1 cuentan como evidencia; Tier 2 (prensa) se marca como reportado, no verificado en fuente primaria.

Abreviaturas

Cada sigla se expande también en su primera aparición en el texto. Datos biomédicos según PubMed / PubMed Central (NCBI), con DOI enlazado (lo exige la licencia del recurso).

1. Resumen ejecutivo

• En un experimento aleatorizado publicado en PNAS (28-may-2026), los equipos liderados por IA (con supervisión humana mínima) reprodujeron solo el 37 % de los resultados científicos, frente al 94 % de los equipos solo-humanos y 91 % de los asistidos por IA; los autores concluyen que "el juicio humano experto sigue siendo indispensable". [1]
• La IA generativa (GenAI) se comporta como apoyo, no como sustituto: en un ECA doble ciego con 69 enfermeras, los consejos de un modelo GPT y los de expertos humanos no mostraron diferencias en utilidad ni en exactitud clínica percibida; el valor lo reconocen sobre todo las enfermeras con menos experiencia. [2]
• Un escriba ambiental de IA mejoró la calidad de la retroalimentación escrita a estudiantes de medicina sin aumentar la carga del docente, con una tasa de alucinación del 1,7 % y de mischaracterización del 6,8 % (ECA, 13 instructores). [3]
• En anestesia regional, una ecografía integrada con IA logró menor dolor postoperatorio a las 12 y 24 h y procedimientos más cortos en mastectomía, aunque con mayor dolor inicial y menor satisfacción del cirujano (ECA, 70 pacientes). [4]
• Un informe académico (Universidades de Stanford y Harvard, State of Clinical AI, ene-2026) advierte que solo el 5 % de más de 500 estudios de IA médica revisados usó datos de pacientes reales y que el rendimiento cae más de un tercio al cambiar levemente las condiciones de prueba. [5]
• Regulación: la EMA y la FDA publicaron diez principios comunes de buena práctica de IA en el desarrollo de medicamentos (14-ene-2026). [6] Según una publicación de mayo de 2026, la FDA ha autorizado ya más de 1 400 dispositivos médicos con IA/ML. [7]
• Adopción real (señal periodística, no verificada en fuente primaria): se reporta que cerca del 65 % de los médicos de EE. UU. usó la herramienta OpenEvidence en abril, en ~27 millones de encuentros clínicos. [8]

2. Hallazgos por subpregunta

2.1 Estudios y ensayos recientes (PubMed, dentro de ventana)

Límites de la autonomía de la IA (PNAS). En un experimento aleatorizado, 288 investigadores en 103 equipos reprodujeron resultados de revistas líderes de ciencias sociales bajo tres condiciones: solo-humano, asistido por IA (ChatGPT como herramienta colaborativa) y liderado por IA (ChatGPT con supervisión humana mínima). Los equipos solo-humanos y asistidos lograron tasas de reproducción comparables (94 % vs 91 %), pero los solo-humanos detectaron significativamente más errores graves de código. Ambos superaron ampliamente a los liderados por IA (37 % de reproducción, menos errores detectados, controles de robustez más débiles y más tiempo). Los autores matizan que ese 37 % es un "límite inferior" de la capacidad autónoma. [1] Confianza: Alta.

IA generativa en decisiones de enfermería (ECA doble ciego, n=69). Simulación que comparó consejos clínicos de un modelo GPT (ChatGPT-4.0, temperatura 0,2) frente a recomendaciones de expertos humanos. No hubo diferencias significativas en utilidad (p=0,89), complejidad (p=0,29) ni "ayuda" percibida (p=0,73), y la exactitud clínica fue similar (p=0,45). La experiencia clínica fue un predictor negativo del valor percibido: la IA aporta más a quien tiene menos experiencia. Recomiendan integrarla como "herramienta de apoyo secundaria fiable, sin comprometer la autonomía clínica". [2] Confianza: Media (simulación, muestra pequeña).

Escribas ambientales de IA para retroalimentación educativa (ECA, 13 instructores). En un taller de entrevista clínica para estudiantes de primer año, los instructores asignados al brazo con escriba de IA generaron transcripciones resumidas por un LLM y editadas antes de entregar. Las narrativas asistidas por IA (editadas o sin editar) puntuaron más alto en la escala EFeCT (mediana 3,00 vs 2,00 en solo-humano; p<0,001), sin aumento observado del esfuerzo. La revisión de 117 elementos generados mostró 6,8 % de mischaracterización y 1,7 % de alucinación, corregidos en su mayoría durante la edición. [3] Confianza: Media (n pequeño de instructores).

Ecografía con IA en bloqueo PECS II (ECA, n=70). En mastectomía radical modificada, se comparó ecografía (ultrasonography) convencional vs integrada con IA para el bloqueo interpectoral tipo II (PECS II), realizado por un residente bajo supervisión. Las puntuaciones de dolor en la escala visual analógica (VAS) fueron menores con IA a las 12 y 24 h (p=0,005 y p<0,001) y las duraciones de anestesia y cirugía más cortas (p=0,005 y p=0,008), aunque el dolor inicial en recuperación fue mayor y la satisfacción del cirujano menor (p=0,037). Conclusión: la guía ecográfica con IA "promete mejorar la consistencia del procedimiento y apoyar a practicantes noveles". [4] Confianza: Media (un centro, resultados mixtos).

IA en educación clínica (ECA, n=50). Ensayo en medicina reproductiva: el grupo con IA (aprendizaje basado en casos + aula invertida con pacientes virtuales) superó al control en conocimiento teórico, evaluación clínica (Mini-CEX) y examen clínico estructurado (OSCE). [9] Confianza: Media (educación, un centro).

2.2 Estado del arte y debates de seguridad

Brecha entre laboratorio y práctica real (informe Stanford–Harvard). El informe State of Clinical AI (15-ene-2026) distingue lo que funciona en investigación de lo que funciona desplegado: casi la mitad de más de 500 estudios de IA médica revisados usó preguntas tipo examen y solo el 5 % usó datos de pacientes reales; el rendimiento cayó más de un tercio al cambiar levemente las condiciones de prueba. Lo que "aguanta": la IA como apoyo (radiólogos con IA opcional detectaron más cánceres de mama sin más falsos positivos; predicción de deterioro 8–24 h antes que las alertas estándar), no como reemplazo. [5] Confianza: Media-Alta (síntesis académica, no estudio primario único).

2.3 Regulación y marco oficial

Principios comunes EMA–FDA (contexto, 14-ene-2026). La EMA y la FDA publicaron diez principios de buena práctica de IA que cubren todo el ciclo de vida del medicamento —investigación temprana, ensayos clínicos, fabricación y farmacovigilancia— con foco en gestión basada en riesgo, gobernanza de datos, supervisión humana y transparencia. Sentarán la base de futuras guías en ambas jurisdicciones. [6] Confianza: Alta (fuente oficial).

Volumen de dispositivos autorizados (conflicto de cifras). Una publicación de mayo de 2026 cifra en más de 1 400 los dispositivos médicos con IA/ML autorizados por la FDA [7]; el informe de Stanford habla de más de 1 200 herramientas autorizadas [5]. Se reportan ambas; el dato exacto depende de la fecha de corte de la lista oficial de la FDA. Confianza: Media (cifra en movimiento).

2.4 Adopción en la práctica (señales, Tier 2 — marcadas)

• OpenEvidence. Se reporta que ~65 % de los médicos de EE. UU. la usó en abril, en ~27 millones de encuentros clínicos. [8] Reportado por prensa; no verificado en fuente primaria.
• Uso general de IA por médicos. La AMA reporta que más del 80 % de los médicos usa IA en su trabajo, el doble que en 2023. [10] Confianza: Media (encuesta de la AMA).

3. Conflictos y nivel de confianza

Lectura clínica: la quincena no trae una "IA que diagnostica sola", sino IA que asiste (documentación, anestesia regional, retroalimentación educativa, predicción) y un mensaje regulatorio y académico convergente: el límite de seguridad es la supervisión humana, y la exactitud en el laboratorio no garantiza el rendimiento en la práctica real.

4. Vacíos / no verificado

• OpenEvidence (~65 %, 27 M encuentros): la fuente primaria (NBC News) devolvió error 403 al acceder; cifra tomada de la síntesis de búsqueda, no confirmada en la página original. [8]
• Mount Sinai (ecografía con IA, detección de cardiopatía congénita >97 %): la nota institucional devolvió 403; no se cita como evidencia esta semana.
• Número exacto de dispositivos FDA: la página viva de la FDA no se pudo confirmar en esta corrida; cifras [5] y [7] proceden de publicaciones secundarias/síntesis.
• EU AI Act: se reporta que las obligaciones de alto riesgo entran en vigor en agosto de 2026 y la conformidad plena para IA de dispositivos médicos en agosto de 2027; dato de síntesis, no contrastado con el texto oficial del reglamento.
• Recencia del marco regulatorio: los principios EMA–FDA [6] y el informe Stanford [5] son de enero de 2026; se incluyen como contexto, no como novedad de la quincena.

5. Referencias

Fuentes científicas (Vancouver) — según PubMed / PubMed Central (NCBI)

1. 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.
2. Filshtinski R, Barnoy S, Saban M. Bridging Expertise with Algorithms: Evaluation of Generative AI in Nursing Decisions. Stud Health Technol Inform. 2026;336:278-282. doi:10.3233/SHTI260161. PMID: 42174837.
3. Talwalkar JS, Chartash D, Zhang L, Makutonin M, Safranek CW, Sidamon-Eristoff AE, et al. Ambient AI Scribes to Create Educational Feedback Notes for Medical Students: Randomized Trial. JMIR Med Educ. 2026;12:e89996. doi:10.2196/89996. PMID: 42208058.
4. Yazar Ç, Kesimci E. AI-assisted versus conventional ultrasound-guided PECS II block: A randomized study in mastectomy patients. Agri. 2026;38(2):111-118. doi:10.5606/agri.2026.53. PMID: 42172520.
5. (Web) Stanford Medicine / Harvard. State of Clinical AI report. Stanford Medicine News, 15-ene-2026. Ver tabla web.
6. (Web) European Medicines Agency. EMA and FDA set common principles for AI in medicine development. EMA, 14-ene-2026. Ver tabla web.
7. (Web) Síntesis regulatoria (publicación may-2026): >1 400 dispositivos con IA/ML autorizados por la FDA. Ver tabla web.
8. (Web) NBC News. OpenEvidence adoption among US physicians. Ver tabla web. (Tier 2; acceso 403, no verificado en primaria.)
9. 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.
10. (Web) American Medical Association. Augmented intelligence in medicine (uso de IA por médicos). Ver tabla web.

Datos biomédicos obtenidos de PubMed / PubMed Central (NCBI); DOI enlazado según la licencia de uso del recurso.

Fuentes web / regulatorias / industria

Metodología: modo mixto. PubMed (fecha de entrada 2026/05/15–06/01 para la ventana) + verificación de fuentes oficiales priorizando fuente primaria. Solo Tier 0–1 se tratan como evidencia; Tier 2 marcadas como reportadas. Nada se afirma sin cita.

Generado por Dr. Juan Camilo Paris