Inteligencia artificial · Artículo
Cómo la IA está transformando el diagnóstico, el descubrimiento de fármacos y la atención al paciente en 2026
Publicado:

En resumen
La inteligencia artificial ya está integrada en más de 1.600 dispositivos médicos autorizados por la FDA, la mayoría de ellos para leer imágenes médicas, y ahora también está diseñando fármacos experimentales. Rentosertib de Insilico Medicine, cuyo objetivo biológico y molécula fueron ambos generados por IA, entró en un ensayo de Fase III con 320 pacientes en China el 7 de julio de 2026, mientras que los reguladores globales siguen redactando normas para gobernar los riesgos de la tecnología.
Esta versión es una traducción automática del original (English). Leer el original
La inteligencia artificial ahora está integrada en más de 1.600 dispositivos médicos autorizados para el mercado estadounidense, y se ha expandido de la lectura de exploraciones al diseño de moléculas de fármacos completamente nuevas. En julio de 2026, Insilico Medicine avanzó rentosertib —un compuesto cuyo objetivo biológico y estructura química fueron ambos generados por software de IA— a un ensayo de Fase III con 320 pacientes para la fibrosis pulmonar idiopática, una enfermedad pulmonar con pocas opciones de tratamiento. Al mismo tiempo, los organismos de salud global aún están resolviendo cómo gobernar los sistemas que cada vez más dan forma a las decisiones de diagnóstico y tratamiento.
Dónde la IA ya funciona: lectura de imágenes
La Administración de Alimentos y Medicamentos de los EE.UU. (FDA) afirma que ha autorizado más de 1.600 dispositivos médicos habilitados para IA para la comercialización en Estados Unidos, según la propia página de seguimiento de la agencia, actualizada por última vez el 22 de septiembre de 2026. Los ejemplos que enumera la FDA incluyen software que examina las lesiones de piel para detectar cáncer, detecta retinopatía diabética a partir de fotografías de la retina, estima la probabilidad de infarto a partir de datos de sensores y automatiza la dosificación de insulina basada en lecturas del monitor de glucosa.
Un análisis de las autorizaciones FDA 510(k) de 2025 realizado por la consultora regulatoria Innolitics encontró que la radiología representaba la gran mayoría de las autorizaciones de dispositivos de IA/ML de ese año, con 295 autorizaciones totales emitidas a 221 fabricantes diferentes y un tiempo de revisión promedio de 142 días. La categoría más común fue el software de detección asistida por computadora radiológica, que solo representó más de una cuarta parte de todas las autorizaciones de 2025, según el análisis.
| Especialidad | Autorizaciones 2025 | Porcentaje del total |
|---|---|---|
| Radiología | 211 | 71,5% |
| Cardiovascular | 26 | 8,8% |
| Neurología | 14 | 4,7% |
| Ortopedia | 10 | 3,4% |
| Gastroenterología/Urología | 7 | 2,4% |
| Química clínica | 6 | 2,0% |
| Anestesiología | 5 | 1,7% |
| Otras especialidades combinadas | 16 | 5,5% |
La cardiología, neurología y ortopedia se quedaron muy atrás de la radiología en 2025, y especialidades como la anestesiología y la química clínica representaron cada una menos del 2 por ciento de las autorizaciones, según el mismo análisis.
La IA está diseñando fármacos, no solo examinándolos
Más allá del diagnóstico, el software de IA ahora se está utilizando para proponer nuevos objetivos de fármacos y diseñar las moléculas destinadas a atacarlos, un paso más allá de los usos anteriores de la computación para simplemente examinar las bibliotecas de compuestos existentes más rápidamente. Insilico Medicine, una empresa de biotecnología con sede en Hong Kong, dice que su plataforma PandaOmics identificó una proteína llamada TNIK como un objetivo de enfermedad y su plataforma Chemistry42 generó una molécula candidata, ahora llamada rentosertib, para la fibrosis pulmonar idiopática. La empresa dice que la vía de descubrimiento se describió en un artículo en Nature Biotechnology.
En un ensayo de Fase IIa aleatorizado controlado con placebo, los pacientes que tomaban la dosis más alta probada de rentosertib (60 mg una vez al día) vieron mejorar la función pulmonar, medida como capacidad vital forzada, en un promedio de 98,4 mililitros durante 12 semanas, en comparación con un declive promedio de 20,3 mililitros en el grupo de placebo, según el propio anuncio de Insilico Medicine de los resultados, que la empresa dice que también se publicaron en Nature Medicine.
El 7 de julio de 2026, Insilico anunció que comenzó un ensayo de Fase III de rentosertib: un estudio aleatorizado, doble ciego, controlado con placebo que enrola a 320 pacientes en 47 centros en China durante 52 semanas. El punto final principal es la tasa anual de declive en la capacidad vital forzada, con el tiempo hasta el primer evento de progresión de la enfermedad como una medida secundaria clave, dijo la empresa.
Este programa comenzó con la hipótesis de que la biología del envejecimiento podría ayudar a identificar objetivos poderosos para enfermedades importantes.
Ningún fármaco diseñado por IA ha recibido aún aprobación de la FDA u otro regulador, y las mejoras en la función pulmonar de rentosertib en el ensayo de Fase IIa se enumeraron como puntos finales secundarios y exploratorios en lugar del objetivo de seguridad principal del estudio, según la propia descripción de la empresa. Los rastreadores de la industria citados por el sitio de análisis IntuitionLabs contaron más de 170 programas de fármacos descubiertos por IA en desarrollo clínico a principios de 2026, hasta más de una docena en finales de 2023, aunque IntuitionLabs señaló que las cifras varían entre rastreadores porque no existe un único registro autorizado mantenido por el gobierno de tales fármacos y cada rastreador aplica sus propios criterios de clasificación.
Los reguladores aún están escribiendo las reglas
La Organización Mundial de la Salud (OMS) emitió orientación de ética y gobernanza para modelos de IA multimodales grandes en salud el 18 de enero de 2024, estableciendo más de 40 recomendaciones para gobiernos, desarrolladores y trabajadores de la salud. La orientación establece que los datos de entrenamiento de baja calidad o sesgados pueden producir información de salud inexacta o incompleta, y que los clínicos corren el riesgo de caer en lo que llama 'sesgo de automatización' al confiar excesivamente en los resultados de la IA o delegar inapropiadamente decisiones a ellos.
- Los datos de entrenamiento sesgados o de baja calidad pueden sesgar los resultados por raza, etnia, sexo, identidad de género o edad
- Sesgo de automatización: los trabajadores de la salud pueden pasar por alto los errores de IA o delegar decisiones inapropiadamente
- Las brechas de ciberseguridad podrían exponer datos de pacientes o socavar la confianza en los sistemas de IA
- Las herramientas de IA de alto rendimiento pueden seguir siendo accesibles principalmente para sistemas de salud más ricos, ampliando las brechas globales en la atención
El científico jefe de la OMS, Jeremy Farrar, dijo en el momento del lanzamiento de la orientación que las tecnologías de IA generativa podrían mejorar la atención médica solo si los desarrolladores, reguladores y usuarios identificaban y se hacían cargo completamente de los riesgos asociados.
Lo que aún no ha sucedido
Varios hitos a veces asociados con la IA en medicina no han ocurrido. Ningún fármaco completamente diseñado por IA ha obtenido aprobación regulatoria en ningún lugar, y la orientación de la OMS advierte explícitamente que el acceso desigual a los sistemas de IA más capaces podría ampliar, en lugar de reducir, las disparidades entre sistemas de salud bien dotados de recursos e insuficientemente dotados de recursos. Por ahora, la huella más clara de la IA en medicina sigue siendo la imagen diagnóstica, donde los reguladores tienen el historial de autorización más largo, mientras que su papel en la creación de nuevos medicamentos se está moviendo de la prueba de concepto en laboratorio hacia ensayos humanos más grandes.
Preguntas
- ¿Ha aprobado la FDA un fármaco diseñado por inteligencia artificial?
- No. A partir del ensayo de Fase III que comenzó el 7 de julio de 2026, ningún fármaco diseñado por IA ha recibido aprobación de la FDA u otro regulador; el rentosertib de Insilico Medicine es el candidato más avanzado, que actualmente se está probando en un ensayo de Fase III con 320 pacientes en China, según la empresa.
- ¿Cuántos dispositivos médicos habilitados para IA ha autorizado la FDA?
- La FDA afirma que ha autorizado más de 1.600 dispositivos médicos habilitados para IA para el mercado estadounidense, según su página de seguimiento, actualizada por última vez el 22 de septiembre de 2026.
- ¿Qué especialidad médica utiliza la mayoría de las herramientas de IA autorizadas por la FDA?
- Radiología, que representó 211 de las 295 autorizaciones de dispositivos de IA/ML en 2025 —aproximadamente el 71,5 por ciento— según un análisis de la consultora regulatoria Innolitics.
- ¿Qué riesgos ha identificado la OMS para la IA en la atención médica?
- La orientación de la OMS de enero de 2024 señala datos de entrenamiento sesgados o de baja calidad, 'sesgo de automatización' entre clínicos, vulnerabilidades de ciberseguridad y acceso desigual a sistemas de IA de alto rendimiento entre sistemas de salud más ricos y de menores ingresos.
- ¿Cómo se descubrió el fármaco diseñado por IA rentosertib?
- Insilico Medicine dice que su plataforma PandaOmics identificó la proteína TNIK como un objetivo de fármaco y su plataforma Chemistry42 generó la molécula candidata, con la vía de descubrimiento descrita en Nature Biotechnology y los resultados de la Fase IIa publicados en Nature Medicine, según la empresa.
Fuentes
- FDA — Artificial Intelligence-Enabled Medical Devices
- PR Newswire (Insilico Medicine) — Insilico Initiates Phase III Clinical Trial for Rentosertib
- World Health Organization — WHO releases AI ethics and governance guidance for large multi-modal models
- Innolitics — 2025 Year in Review: AI/ML Medical Device 510(k) Clearances
- IntuitionLabs — AI-Discovered Drugs in Clinical Trials 2026: Full Pipeline
Este texto se preparó con inteligencia artificial y pasó una verificación automática de fuentes antes de publicarse. Si ves un error, pide una corrección. Pedir una corrección o réplica · Cómo lo hacemos
Relacionados

Inteligencia artificialArtículo
Cómo las Redes Neuronales Aprenden: Las Matemáticas Detrás de ChatGPT y Gemini
Las redes neuronales aprenden haciendo una predicción, midiendo cuán equivocada fue usando una función de pérdida, y luego ajustando valores internos llamados pesos hacia atrás a través de la red — un proceso llamado retropropagación emparejado con un método de optimización llamado descenso de gradiente. Los mismos mecanismos, escalados a miles de millones de parámetros, subyacen cómo sistemas como ChatGPT y Gemini se entrenan primero y luego se adaptan a tareas específicas a través del ajuste fino.

Inteligencia artificialArtículo
Cómo la IA genera arte y música, y por qué la "verdadera creatividad" sigue siendo controversial
Las herramientas de imagen de IA como Midjourney y Stable Diffusion construyen imágenes aprendiendo a invertir un proceso de ruido, mientras que las herramientas de música como Suno y Udio comprimen audio en tokens y los predicen paso a paso, guiados por un mensaje de texto. Si cualquiera de estos procesos cuenta como genuina creatividad es irresuelto: los investigadores están divididos entre llamarlo "remixing" basado en patrones y acreditarlo con desempeño creativo medible.
Inteligencia artificialArtículo
Por qué Moonshot Debilitó Deliberadamente las Habilidades de Hacking de su Nuevo Modelo de IA Kimi
El laboratorio de IA chino Moonshot dice que eliminó datos de entrenamiento relacionados con ciberseguridad de su nuevo modelo Kimi K3.1 Pro para que el sistema de pesos abiertos no impulsara la "frontera" de la capacidad de hacking ofensivo. El movimiento, anunciado el sábado 24 de octubre de 2026, llega cuando gobiernos e investigadores de seguridad advierten que las IA cada vez más capaces podrían hacer que los ciberataques sofisticados sean más baratos y fáciles de llevar a cabo.
Inteligencia artificialArtículo
Cómo funcionan los detectores de texto de IA, explicado a través de una disputa de novela premiada
Los detectores de texto de IA no prueban quién escribió algo; estiman una probabilidad midiendo patrones estadísticos como la previsibilidad de palabras y la variación de la longitud de las oraciones. Un detector llamado Pangram 4.1 atribuyó recientemente el 99% de una novela en español ganadora de un premio de €20.000 a la inteligencia artificial, lo que llevó a su editorial a suspender eventos promocionales mientras investiga.