La inteligencia artificial entró en la salud antes de que muchas instituciones decidieran cómo gobernarla. Médicos y pacientes ya recurren a herramientas propias para buscar información, resumir documentos o preparar una consulta. Esa adopción es real, pero no demuestra por sí misma que el diagnóstico mejore ni que el paciente esté más seguro. La evidencia más exigente procede de procesos clínicos delimitados, con supervisión humana y comparación frente a la práctica habitual.
Los médicos la usan, aunque las encuestas miden cosas diferentes
Elsevier informó que el 48 % de los clínicos de su encuesta internacional había usado IA para trabajar, frente al 26 % del año anterior. El sondeo reunió a 2.206 profesionales de 109 países. Entre sus respuestas, China registró el 71 %, Estados Unidos el 36 % y Reino Unido el 34 %. Son porcentajes de quienes respondieron, no tasas nacionales de adopción calculadas con un mismo censo profesional.
La Asociación Médica Estadounidense publicó en 2026 otro dato: el 81 % de los médicos encuestados declaró conocer o usar alguna aplicación de IA en su práctica; el 72 % incorporaba al menos un caso de uso. Su muestra fue de 1.692 médicos de Estados Unidos. El 81 % no equivale al 36 % de Elsevier: cambian la población, el momento y la definición de adopción. Usar esos porcentajes para clasificar países sería una falsa precisión.
La AMA ubica entre los usos más frecuentes el resumen de investigación médica y la documentación de la atención. Son tareas con potencial de alivio operativo, siempre que el profesional revise las fuentes y el resultado. La frecuencia declarada en una encuesta tampoco permite concluir cuántas consultas adicionales atendió un hospital ni cuánto tiempo ganó realmente cada médico.
Los pacientes llegan con una respuesta previa
Boston Consulting Group encuestó en noviembre de 2025 a 13.353 adultos con acceso a internet en 15 países. Su informe señala que cerca de seis de cada diez ya habían utilizado herramientas de IA para asuntos de salud personal. India, Brasil y China figuran entre los mercados conectados de mayor adopción. La muestra no representa a quienes carecen de internet y no incluye Ecuador; por eso no corresponde trasladar el promedio al conjunto de la población latinoamericana.
El paciente usa esas herramientas para orientarse antes de entrar al sistema de salud, entender un resultado o formular mejores preguntas. El riesgo aparece cuando una respuesta plausible se convierte en diagnóstico, decide una urgencia o retrasa la consulta profesional. La institución ya no controla la primera fuente que lee el paciente. Sí puede diseñar una conversación clínica que pregunte qué información encontró, la contraste con su historia y explique qué decisión corresponde tomar.
La adopción avanzó más rápido que la capacidad institucional
El Future Health Index 2026 de Philips, basado en encuestas a 2.011 profesionales sanitarios y 20.085 pacientes de diez países, informa que el 64 % de los profesionales recurre a herramientas personales de IA cuando las opciones del trabajo no satisfacen sus necesidades. El 70 % considera que la formación institucional es inexistente, limitada o inconsistente. Son respuestas declaradas, pero señalan una brecha que cualquier director médico puede comprobar dentro de su organización.
La salida no es prohibir sin ofrecer una alternativa útil. Una política que nadie puede cumplir desplaza el uso fuera de la vista institucional. El paso inicial e ineludible es conocer qué herramientas se usan, con qué datos, para qué decisiones y bajo qué revisión. Después corresponde proporcionar opciones aprobadas, formación situada en el trabajo y reglas claras para información sensible. El objetivo es conservar la utilidad sin convertir la historia clínica en materia prima de servicios que la institución no evaluó.
La gobernanza también alcanza a los dispositivos clínicos. La FDA informa que había autorizado más de 1.600 dispositivos médicos con IA para comercialización en Estados Unidos hasta septiembre de 2026. Su lista pública no es exhaustiva y la autorización evalúa seguridad y eficacia según el uso previsto del dispositivo. No equivale a demostrar que cada producto mejora mortalidad, reingresos o calidad de vida en cualquier hospital.
Una revisión publicada en PLOS Digital Health examinó 1.357 dispositivos autorizados hasta diciembre de 2025 y encontró tres vinculados, según sus criterios de búsqueda pública, con evaluación de resultados centrados en el paciente. Sus autores advierten que pudieron quedar fuera estudios internos o no registrados. Esta cifra describe la evidencia pública identificada por esa revisión, no la totalidad de la evaluación regulatoria de la FDA.
Cuando se rediseña un proceso, la evidencia mejora
El ensayo sueco MASAI ofrece una prueba más rigurosa para una aplicación específica. En el análisis de 105.915 mujeres, el tamizaje mamográfico con apoyo de IA se comparó de forma aleatorizada con la doble lectura habitual. La IA ayudó a decidir qué estudios requerían una o dos lecturas humanas y apoyó la detección. La Universidad de Lund informó un 29 % más de cánceres detectados durante el tamizaje y una reducción del 44 % en la carga de lectura radiológica.
En el seguimiento se observaron 82 cánceres de intervalo en el grupo con IA y 93 en el grupo estándar. La diferencia observada fue del 12 %, pero el resultado publicado en The Lancet estableció no inferioridad en esta medida, no superioridad estadísticamente confirmada. Tampoco midió una reducción de mortalidad. La lección es precisa: una herramienta puede aliviar trabajo y mejorar la sensibilidad dentro de un programa definido sin que esos resultados autoricen promesas universales.
La evaluación británica GEMINI, publicada en Nature Cancer, añadió otra señal: entre 10.889 mujeres, una revisión humana adicional de casos señalados por IA detectó 11 cánceres que la doble lectura rutinaria no había identificado. Su estimación de hasta un 31 % menos carga de lectura procede de simulaciones de flujos de trabajo combinadas con integración en vivo; no debe describirse como una reducción operativa ya observada en cada escenario.
La decisión pendiente en América Latina
Para hospitales y aseguradoras, la primera decisión es identificar el uso real de IA y separar apoyo administrativo, orientación al paciente y decisiones clínicas. Cada uso requiere datos permitidos, un responsable, revisión humana y una forma de medir errores y beneficios. La evidencia obtenida en sistemas con doble lectura mamográfica o historias clínicas integradas necesita validación local antes de justificar una compra o un cambio de protocolo.
Para las facultades de medicina, la tarea es proteger la formación del criterio. En la encuesta de la AMA, el 88 % de los médicos manifestó algún grado de preocupación por la pérdida de habilidades asociada a la IA, especialmente durante la formación y al inicio de la carrera. Esa percepción no demuestra una pérdida ya ocurrida; sí exige evaluar cuándo el estudiante debe razonar sin asistencia, cuándo puede usarla y cómo defiende una decisión frente a la evidencia.
La adopción dejó de ser una hipótesis. Lo que todavía debe ganarse es la confianza en cada uso clínico. Un sistema de salud que mida licencias, dispositivos autorizados o respuestas generadas sin medir daños, errores y resultados para pacientes administrará tecnología, pero seguirá sin gobernar la atención.
Fuentes y alcance
- Elsevier, Clinician of the Future 2025 y AMA, encuesta de médicos de 2026. Uso y percepción declarados por profesionales.
- BCG, encuesta de consumidores y Philips, Future Health Index 2026. Uso declarado por adultos conectados y profesionales sanitarios.
- FDA, dispositivos médicos con IA y PLOS Digital Health, mapa de evidencia pública. Alcance regulatorio y límites de la evidencia publicada.
- Ensayo MASAI en The Lancet, síntesis de la Universidad de Lund y evaluación GEMINI en Nature Cancer. Resultados de tamizaje mamográfico y sus límites.
Consulta: 29 de septiembre de 2026. Las encuestas miden respuestas autodeclaradas y no equivalen a resultados clínicos. MASAI evaluó no inferioridad en cánceres de intervalo; GEMINI combinó aplicación en vivo con simulaciones. Las recomendaciones para América Latina son interpretación editorial y requieren evaluación local.