Inteligencia artificial en medicina: usos, ejemplos y riesgos

La inteligencia artificial en medicina es el uso de modelos que aprenden de datos para apoyar tareas clínicas y administrativas: buscar evidencia, resumir historias clínicas, leer imágenes, sugerir códigos o priorizar casos. Ayuda a ganar tiempo y consistencia, pero puede equivocarse, heredar sesgos y exponer datos. Por eso exige validación y supervisión del profesional.

Actualización editorial: 10 de octubre de 2026. Publica Arkangel AI, empresa que desarrolla software de IA para salud. Este artículo es informativo y no reemplaza el criterio clínico ni constituye consejo médico.

¿Qué es la inteligencia artificial en medicina?

"Inteligencia artificial" agrupa técnicas distintas. En salud conviene separarlas porque sus riesgos también son distintos:

Tipo	Qué hace	Ejemplo en salud
Sistemas basados en reglas	Aplican reglas escritas por expertos	Alerta de interacción entre dos medicamentos
Aprendizaje automático predictivo	Estima un riesgo a partir de datos históricos	Probabilidad de reingreso o de deterioro clínico
Visión por computador	Analiza imágenes y señales	Hallazgos en radiografías, retinografías o patología digital
IA generativa y modelos de lenguaje (LLM)	Lee y redacta texto en lenguaje natural	Resumir una historia clínica o responder una pregunta con fuentes

La IA generativa es la que más ha crecido desde 2023 y la que más preguntas genera, porque produce texto fluido incluso cuando el contenido es incorrecto. Esa es la razón por la que, en uso clínico, importa tanto que cada afirmación pueda rastrearse a una fuente verificable.

¿Cómo se aplica la inteligencia artificial en medicina?

La IA se aplica hoy en seis frentes principales. Ninguno elimina la decisión humana; cambian el tiempo y la forma en que el profesional llega a ella.

1. Búsqueda de evidencia. El médico formula una pregunta clínica en lenguaje natural y recibe una síntesis con estudios y guías citadas. Ver búsqueda médica con IA.
2. Apoyo a decisiones clínicas. Recordatorios, alertas, diagnósticos diferenciales o resúmenes de guías en el momento de decidir. Lo explicamos en qué es un sistema de soporte a decisiones clínicas.
3. Imagen y señales. Modelos que marcan posibles hallazgos en radiografías, tomografías o electrocardiogramas para que el especialista los revise.
4. Documentación. Resúmenes de historia clínica, borradores de epicrisis y extracción de datos estructurados desde texto libre.
5. Codificación, facturación y auditoría. Sugerencia de códigos CIE-10 con el texto que los respalda y detección de inconsistencias antes de facturar. Ver codificación CIE-10 con IA.
6. Investigación y salud pública. Identificación de cohortes, farmacovigilancia y análisis de datos del mundo real.

Ejemplos concretos de IA en salud

• Pregunta clínica con fuentes: "¿Cuál es el manejo inicial de la hipertensión en un paciente con enfermedad renal crónica según las guías vigentes?" Una herramienta especializada devuelve un resumen con enlaces a las guías y estudios usados; el médico lee la fuente antes de aplicarla.
• Extracción de datos clínicos: en un trabajo presentado en IEEE CAI 2025, el sistema PANDORA de Arkangel AI extrajo variables de notas clínicas no estructuradas para calcular el puntaje de riesgo PUMA de EPOC, con 94% de exactitud (DOI 10.1109/CAI64502.2025.00280).
• Dispositivos autorizados: la FDA de Estados Unidos mantiene un listado público de dispositivos médicos habilitados con IA, en su mayoría de radiología.
• Auditoría de cuentas médicas: en un caso anonimizado con una EPS colombiana, Arkangel AI redujo el ciclo promedio de auditoría de 94 a 29 días en 18 lotes (42.300 ítems), con decisión final del auditor humano (ver el caso).

Beneficios: qué dice la evidencia

La revisión de Eric Topol en Nature Medicine resume el potencial de la IA en tres niveles: clínicos (interpretación más rápida de datos), sistemas de salud (flujos más eficientes) y pacientes (Topol, 2019). También advierte que gran parte de la evidencia proviene de estudios retrospectivos y que hacen falta ensayos prospectivos.

En búsqueda de evidencia, los resultados son prometedores pero deben leerse con su diseño:

• En un piloto aleatorizado preliminar (25 participantes, póster de congreso, 2025), quienes usaron Arkangel AI respondieron 79% más rápido con 34% menos búsquedas. Un ensayo aleatorizado posterior, revisado por pares, con 83 estudiantes de medicina mostró ~55% menos tiempo por caso y mayor validez de las respuestas.
• En Intelligence-Based Medicine (2025), el agente de Arkangel AI obtuvo 90,26% de exactitud en preguntas tipo MedQA (DOI 10.1016/j.ibmed.2025.100274). Un examen de opción múltiple no equivale a desempeño en consulta real.

Aclaración de conflicto de interés: los estudios de Arkangel AI citados aquí fueron realizados por su propio equipo. Puede revisarlos en investigación.

¿Cuáles son los riesgos de la inteligencia artificial en medicina?

Los buscadores muestran con frecuencia la pregunta "¿cuáles son los 7 riesgos de la inteligencia artificial?". En medicina, estos son los siete que más importan:

1. Errores y "alucinaciones". Un modelo de lenguaje puede inventar datos o referencias con total seguridad. En un estudio con ChatGPT-3.5, 47% de las referencias generadas eran inventadas y 46% auténticas pero inexactas (Bhattacharyya et al., 2023).
2. Sesgos en los datos. Un algoritmo usado en EE. UU. para asignar programas de cuidado subestimaba la necesidad de pacientes negros porque usaba el gasto en salud como indicador de enfermedad (Obermeyer et al., 2019).
3. Sesgo de automatización. Los profesionales tienden a aceptar sugerencias automáticas incluso cuando son erróneas (Goddard et al., 2012).
4. Privacidad y seguridad de datos. Pegar información identificable de un paciente en un chatbot general puede violar normas locales de protección de datos.
5. Falta de validación local. Un modelo validado en otra población puede funcionar peor con otros perfiles epidemiológicos, idiomas o sistemas de registro.
6. Responsabilidad poco clara. Si la IA sugiere y el profesional decide, hay que definir quién revisa, cómo se documenta y cómo se reportan los errores.
7. Desigualdad de acceso. Herramientas solo en inglés, o restringidas a ciertos países, amplían brechas entre sistemas de salud.

Todos estos riesgos se reducen con las mismas prácticas: fuentes verificables, validación en la población donde se usará, controles de acceso, trazabilidad y revisión profesional de cada resultado.

¿Qué dice la OMS sobre la IA en salud?

La Organización Mundial de la Salud publicó en 2021 su guía Ethics and governance of artificial intelligence for health, con seis principios:

1. Proteger la autonomía humana.
2. Promover el bienestar, la seguridad y el interés público.
3. Garantizar transparencia, explicabilidad e inteligibilidad.
4. Fomentar la responsabilidad y la rendición de cuentas.
5. Asegurar la inclusión y la equidad.
6. Promover una IA receptiva y sostenible.

En enero de 2024 agregó una guía específica para modelos multimodales grandes (la familia de ChatGPT y similares), con recomendaciones para gobiernos, desarrolladores y proveedores de salud: evaluación independiente, transparencia sobre datos de entrenamiento y supervisión humana en usos clínicos.

Regulación: qué está cambiando

• Estados Unidos. La FDA regula como dispositivo médico el software que diagnostica o trata. En enero de 2026 actualizó su guía sobre software de soporte a decisiones clínicas, que mantiene cuatro criterios para distinguir el software que apoya al profesional del que se regula como dispositivo.
• Unión Europea. El Reglamento de IA (UE) 2024/1689 clasifica como de alto riesgo muchos sistemas de IA usados en dispositivos médicos.
• Latinoamérica. Las agencias sanitarias evalúan el software según su uso previsto dentro de la normativa de dispositivos médicos de cada país, y varios gobiernos discuten marcos nacionales de IA. Antes de adoptar una herramienta, verifique la regulación vigente donde atiende.

Cómo elegir y usar una herramienta de IA clínica

• Fuentes visibles: cada respuesta debe enlazar estudios o guías que usted pueda abrir.
• Seguridad demostrable: pida certificaciones con alcance y vigencia, no solo logotipos.
• Datos del paciente: no ingrese información identificable en herramientas que no lo permitan por contrato.
• Idioma y contexto: que entienda preguntas en su idioma y cite guías relevantes para su país.
• Evidencia publicada: prefiera herramientas evaluadas en estudios con diseño y conflictos de interés declarados.

Arkangel AI responde preguntas clínicas con referencias consultables en español, inglés, portugués y francés. Está disponible en la web y en WhatsApp. Tiene certificación ISO 27001:2022, más de 70 controles de seguridad monitoreados vía Vanta (Trust Center) y cumplimiento HIPAA y firma de BAA en planes Enterprise. El plan gratuito tiene búsquedas limitadas; los planes pagos (Pro desde USD 20/mes) amplían los límites (precios). En los planes gratuito y Pro no ingrese datos identificables de pacientes. Si busca comparar opciones, lea nuestra guía de mejores IA para médicos en 2026 o vea IA para médicos.

¿La IA va a reemplazar a los médicos?

No. La IA acelera la búsqueda de información, la revisión de documentos y algunas tareas de lectura de imágenes, pero el examen clínico, la integración del contexto del paciente, la comunicación y la responsabilidad de la decisión siguen siendo humanos. Lo más probable es que cambie el trabajo médico: menos tiempo buscando y transcribiendo, más tiempo verificando y decidiendo con el paciente.

Preguntas frecuentes

¿Qué dice la OMS sobre la IA en salud?

La OMS pide que la IA en salud proteja la autonomía y la privacidad, sea transparente, segura y supervisada por humanos, promueva la equidad y se evalúe en contextos reales. Desde 2024 tiene además una guía específica para modelos de lenguaje grandes, con recomendaciones para gobiernos, desarrolladores y proveedores de salud.

¿Cuáles son los riesgos de la IA en medicina?

Los principales son errores o referencias inventadas, sesgos en los datos, exceso de confianza en la máquina, filtración de datos personales, falta de validación local, responsabilidad poco clara y brechas de acceso. Se mitigan con fuentes verificables, validación en la población real, controles de seguridad, trazabilidad y revisión profesional de cada resultado.

¿Es seguro usar IA en diagnósticos médicos?

La IA es segura como apoyo cuando está validada para ese uso, protege los datos y un profesional revisa sus resultados; no debe diagnosticar sola. La OMS y la FDA insisten en la supervisión humana y la transparencia. Use herramientas que muestren sus fuentes y documente siempre la decisión clínica final.

¿Hay IA médica gratuita?

Sí, con límites. Algunas herramientas ofrecen acceso gratuito a profesionales verificados o planes con un número limitado de consultas. Arkangel AI tiene un plan gratuito con búsquedas limitadas y planes pagos que amplían el uso. Antes de elegir, compare fuentes citadas, idioma, privacidad y condiciones de uso de datos.

Fuentes

• OMS. Ethics and governance of artificial intelligence for health (2021) y guía sobre modelos multimodales grandes (2024).
• FDA. Artificial Intelligence-Enabled Medical Devices y Clinical Decision Support Software.
• Unión Europea. Reglamento (UE) 2024/1689.
• Topol EJ. High-performance medicine. Nat Med 2019.
• Bhattacharyya M et al. High Rates of Fabricated and Inaccurate References in ChatGPT-Generated Medical Content. Cureus 2023.
• Obermeyer Z et al. Dissecting racial bias in an algorithm. Science 2019.
• Goddard K et al. Automation bias: a systematic review. JAMIA 2012.
• Arkangel AI. Mayo Clinic Proceedings: Digital Health, 2026 (autores del equipo de Arkangel AI) y Intelligence-Based Medicine, 2025.