Más de 900 dispositivos y algoritmos médicos con IA tienen aprobación de la FDA estadounidense en 2026, y la EMA europea ha autorizado más de 200 con marcado CE. España ha duplicado su inversión en IA sanitaria — de 90 a 180 millones de euros entre 2024 y 2026 — con 127 proyectos activos en hospitales del Sistema Nacional de Salud según el ONTSI. La IA en medicina ya no es investigación académica: es práctica clínica real.
Pero hay una distinción fundamental que todo médico debe interiorizar antes de evaluar herramientas: la diferencia entre la IA que toca directamente al paciente — diagnóstico por imagen, apoyo a decisiones clínicas, alertas de deterioro — y la IA que apoya la gestión y la documentación clínica — notas de consulta, informes, búsqueda bibliográfica. Las dos son útiles, pero tienen perfiles de riesgo, regulación y adopción completamente distintos.
Esta guía cubre ambas categorías: qué herramientas existen en cada una, cuáles están realmente validadas y cómo empezar a integrar la IA en la práctica clínica de forma responsable.
Dos categorías de IA en medicina: clínica y de productividad
IA clínica — apoya decisiones que afectan al paciente. Herramientas validadas clínicamente que ayudan en el diagnóstico, la monitorización o el tratamiento: análisis de imagen médica (radiología, patología, dermatología, oftalmología), alertas de deterioro clínico (sepsis, crisis neurológicas), apoyo al diagnóstico diferencial, predicción de riesgo cardiovascular o metabólico. Son sistemas de alto riesgo bajo el EU AI Act — requieren validación clínica rigurosa, marcado CE o aprobación FDA, y supervisión humana obligatoria.
IA de productividad — apoya la gestión y documentación. Herramientas generalistas que no tocan la decisión clínica directamente sino el trabajo que rodea a la consulta: notas de evolución, informes, comunicación con pacientes, búsqueda bibliográfica, formación continuada. El médico mantiene el criterio clínico completo y la IA solo ayuda con el trabajo documental. Son las más accesibles para empezar hoy — sin depender de la validación institucional que exige la IA clínica.
IA clínica: las herramientas validadas en 2026
Diagnóstico por imagen — el área de mayor adopción
En tareas muy delimitadas de análisis de imagen, los modelos de IA pueden igualar o superar a especialistas humanos en estudios controlados. Las áreas con evidencia más sólida en 2026:
- Retinopatía diabética: IDx-DR (aprobado FDA, marcado CE) detecta retinopatía con sensibilidad del 87,2% y especificidad del 90,7% en fondo de ojo. Permite cribado sin oftalmólogo presente — relevante para atención primaria y zonas rurales.
- Detección de melanoma: SkinVision (marcado CE como dispositivo médico) cribea lesiones cutáneas mediante foto del smartphone, con sensibilidad del 95% para melanoma en estudios de validación.
- Radiología torácica: algoritmos de análisis de radiografía (Qure.ai, Aidoc) detectan nódulos pulmonares, consolidaciones y cardiomegalia con rendimiento comparable al radiólogo en cribado masivo.
- Patología digital: Paige AI, primera plataforma de patología digital aprobada por la FDA para detección de cáncer de próstata, aumenta la detección de casos positivos un 7,3% frente a la revisión solo por patólogo.
Alertas de deterioro clínico
Viz.ai detecta oclusiones de grandes vasos en TC de urgencias y notifica directamente al equipo de neurología en minutos. En 30 hospitales con Viz.ai, el tiempo puerta-aguja para ictus isquémico se redujo de 104 a 62 minutos. Los sistemas de alerta de sepsis integrados en historia clínica electrónica (Epic, Cerner) predicen deterioro séptico entre 4 y 6 horas antes de que sea clínicamente evidente.
Razonamiento clínico — el horizonte próximo
Med-PaLM 2 de Google es el modelo de lenguaje médico más avanzado en razonamiento clínico en 2026, con rendimiento de experto en el examen de licenciatura médica (MLE). Todavía no está disponible como producto clínico para el médico individual — su uso es principalmente en entornos de investigación y en pilotos hospitalarios supervisados.
IA de productividad: herramientas para empezar hoy
DAX Copilot (Microsoft Nuance) — documentación clínica automática
El asistente de documentación más extendido en hospitales en 2026. Escucha la consulta médico-paciente (con consentimiento del paciente), la transcribe y genera automáticamente la nota de evolución estructurada en el formato de la historia clínica electrónica. El médico revisa y valida. En estudios clínicos, reduce el tiempo de documentación un 50% y mejora la satisfacción del médico en un 70%. Precio: consultar licencias hospitalarias con Microsoft Nuance.
Claude / ChatGPT — búsqueda bibliográfica y comunicación
Los modelos de lenguaje generalistas son herramientas de productividad transversal: buscar evidencia actualizada sobre un tratamiento, redactar informes de alta en lenguaje accesible, preparar presentaciones para sesiones clínicas, analizar artículos extensos de investigación. Para conocer sus capacidades en detalle, la guía de qué es Claude AI cubre casos de uso y planes. La advertencia crítica: nunca usarlos para tomar decisiones diagnósticas — son apoyo documental, no sistemas de apoyo clínico validados. Precio: gratis / Pro $20/mes.
Consensus / PubMed GPT — medicina basada en evidencia
Consensus busca en la literatura científica real y responde preguntas clínicas con referencias verificables. Para revisar la evidencia sobre un tratamiento o una indicación sin abrir PubMed manualmente, es la herramienta más segura — cita solo artículos reales, no inventa referencias. Precio: gratis / Pro desde $8.99/mes.
Otter.ai / Whisper — transcripción de consultas (con consentimiento)
Para generar notas de consulta por dictado sin escribir durante la entrevista clínica. Otter.ai transcribe en tiempo real. Whisper funciona de forma local, sin enviar datos a servidores externos — la opción más segura para información sensible. Precio: Otter.ai desde $10/mes / Whisper: gratuito (open source).
NotebookLM — gestión del conocimiento clínico
Sube guías clínicas, protocolos del servicio, artículos de revisión y manuales de referencia, y hazle preguntas en lenguaje natural. Para residentes y médicos que manejan grandes volúmenes de documentación, permite localizar información específica dentro de cientos de páginas con citas exactas a la fuente. Más detalle en la guía de NotebookLM en 2026. Precio: gratis / incluido en Google AI Pro $19.99/mes.
Comparativas: herramientas, ahorro de tiempo y stack por perfil
Herramientas de IA médica por categoría y validación:
| Herramienta | Categoría | Validación | Disponible en España | Precio aprox. |
|---|---|---|---|---|
| IDx-DR (retinopatía) | IA clínica | FDA + CE | Sí | Hospitalario |
| SkinVision (melanoma) | IA clínica | Marcado CE | Sí | App + hospitalario |
| Viz.ai (ictus) | IA clínica | FDA + CE | Sí | Hospitalario |
| Paige AI (patología) | IA clínica | FDA | Limitado | Hospitalario |
| DAX Copilot | IA productividad | Validación clínica | En expansión | Hospitalario |
| Med-PaLM 2 | IA clínica (investigación) | No como producto | No | Investigación |
| Claude Pro | IA productividad | No clínica | Global | $20/mes |
| Consensus | IA productividad | Fuentes PubMed | Global | $8.99/mes |
| Whisper (local) | IA productividad | No clínica | Global | Gratis |
Ahorro de tiempo estimado con IA en medicina:
| Tarea | Sin IA | Con IA | Ahorro estimado |
|---|---|---|---|
| Nota de consulta por paciente | 8-12 min | 2-3 min (DAX) | 75% |
| Informe de alta para paciente | 20-30 min | 5-8 min | 75% |
| Revisión de literatura sobre tratamiento | 1-2 horas | 10-15 min | 85% |
| Preparar presentación de sesión clínica | 3-4 horas | 45-60 min | 80% |
| Análisis de imagen (apoyo IA) | 10-20 min | 3-5 min | 70% |
| Resumen de historia clínica extensa | 30-60 min | 5-10 min | 85% |
Stack de IA según tipo de médico:
| Perfil | Herramienta de productividad | Herramienta clínica (si disponible) | Coste aprox. |
|---|---|---|---|
| Médico de familia / atención primaria | Claude + Consensus + Whisper | Alertas de sepsis en HCE (institucional) | $20-30/mes |
| Radiólogo | Claude + Consensus | Qure.ai / Aidoc (institucional) | $20/mes + institucional |
| Dermatólogo | Claude + Consensus | SkinVision (apoyo a cribado) | $20/mes + app |
| Médico de urgencias | Whisper + Claude | Viz.ai (institucional) | $20/mes + institucional |
| Oncólogo | Claude + NotebookLM + Consensus | Medicina de precisión (institucional) | $40/mes + institucional |
| Residente MIR | Claude + Consensus + NotebookLM | Formación en herramientas del servicio | $20-40/mes |
IA sanitaria en España: el contexto del SNS en 2026
España ha avanzado significativamente en la integración de IA en el Sistema Nacional de Salud en los últimos dos años. La inversión pasó de 90 a 180 millones de euros entre 2024 y 2026 — se ha duplicado en dos años — y hay 127 proyectos activos de IA en hospitales del SNS según datos del ONTSI de febrero de 2026. Algunos ejemplos de implementación:
- Hospital Clínico San Carlos (Madrid): IA para detección de retinopatía diabética en atención primaria
- Hospital La Fe (Valencia): sistema de IA para predicción de deterioro clínico en UCI
- Hospital Germans Trias i Pujol: IA para análisis de patología digital en anatomía patológica
El EU AI Act clasifica la mayoría de herramientas de IA médica como sistemas de alto riesgo (Anexo III). En la práctica, los hospitales que implementan IA para apoyo diagnóstico deben cumplir requisitos de transparencia, documentación técnica, supervisión humana y registro en la base de datos europea de sistemas de alto riesgo. El ONTSI y el Ministerio de Sanidad mantienen grupos de trabajo activos para adaptar la regulación al contexto del SNS.
Los 5 principios del uso responsable de IA en medicina
1. La IA sugiere — el médico decide. Ningún sistema de IA actualmente disponible debe tomar decisiones clínicas de forma autónoma. Es un apoyo al juicio médico, no un sustituto. El médico es siempre el responsable último de la decisión clínica.
2. Validación clínica antes de adopción. Usa solo herramientas de IA clínica con validación publicada en estudios revisados por pares y, si el sistema afecta directamente al paciente, con marcado CE o aprobación FDA. Las apps sin certificación de dispositivo médico no deben usarse para diagnóstico.
3. RGPD y confidencialidad del paciente. Nunca introduzcas datos identificables del paciente en herramientas de IA públicas sin garantías contractuales. Para transcripción de consultas: consentimiento informado del paciente y, preferiblemente, herramientas con procesamiento local como Whisper.
4. Formación del profesional. El EU AI Act obliga a garantizar que los profesionales que usan IA entienden sus limitaciones. Antes de usar una herramienta, entiende su tasa de error, sus sesgos conocidos y sus condiciones de validación.
5. Vigilar los sesgos. Los modelos de IA pueden rendir peor en subgrupos no bien representados en los datos de entrenamiento — minorías étnicas, mujeres, pacientes de edad avanzada. Vigila la equidad del sistema y reporta anomalías al fabricante y a las autoridades regulatorias.
Preguntas frecuentes
¿Cuál es la diferencia entre IA clínica e IA de productividad en medicina?
La IA clínica apoya decisiones que afectan directamente al paciente y es de alto riesgo bajo el EU AI Act, con exigencia de validación clínica, marcado CE o aprobación FDA y supervisión humana obligatoria. La IA de productividad apoya la gestión y documentación sin tocar la decisión clínica directa, y es la más accesible para empezar hoy.
¿Puede un médico usar Claude o ChatGPT para diagnóstico?
No. Son herramientas de apoyo documental — búsqueda bibliográfica, informes, comunicación — no sistemas de apoyo clínico validados. Para evidencia con referencias verificables, Consensus es la alternativa más segura.
¿Qué es DAX Copilot y cómo funciona?
Es el asistente de documentación clínica más extendido en hospitales en 2026. Transcribe la consulta con consentimiento del paciente y genera la nota estructurada en el EHR. El médico revisa y valida. Reduce el tiempo de documentación un 50%.
¿Cómo está regulada la IA médica en España y Europa?
El EU AI Act clasifica la mayoría de herramientas de IA médica con impacto en el paciente como sistemas de alto riesgo. Los hospitales deben cumplir requisitos de transparencia, documentación técnica y supervisión humana. En España, el ONTSI y el Ministerio de Sanidad adaptan esta regulación al SNS, donde ya hay 127 proyectos activos.
¿Por dónde debe empezar un médico que quiere usar IA?
Por la IA de productividad: Claude o Consensus para preparar una sesión clínica o revisar evidencia esta semana. Las herramientas de IA clínica se adoptan a través del servicio de informática del hospital, no de forma individual.
Conclusión
La IA en medicina en 2026 avanza a dos velocidades. Las herramientas de productividad — notas clínicas automáticas, búsqueda bibliográfica, informes de alta — están disponibles hoy, son accesibles para cualquier médico y tienen el menor perfil de riesgo. Las herramientas de apoyo diagnóstico — análisis de imagen, alertas de deterioro, medicina de precisión — están en implementación activa en hospitales de referencia, con regulación creciente y evidencia clínica sólida en áreas específicas.
La recomendación para empezar esta semana: usa Claude o Perplexity para buscar evidencia actualizada sobre un caso complejo, o prepara la sesión clínica de la próxima semana con Consensus. Si el resultado te ahorra 45 minutos de trabajo, el experimento ya fue un éxito. Para las herramientas clínicas con impacto directo en el paciente, el camino correcto pasa por el servicio de informática de tu hospital o centro de salud — ahí es donde el EU AI Act pone la responsabilidad de validación y supervisión.
Otras especialidades sanitarias ya cubiertas en esta guía: IA para enfermería, IA para psicólogos e IA para fisioterapeutas.
