La IA que ya salva vidas: el diagnóstico corre, el fármaco todavía no

LA CIFRA QUE IMPORTA. A 30 de marzo de 2026, la agencia del medicamento de Estados Unidos (FDA) había autorizado 1.524 algoritmos de IA para uso médico. De ellos, 1.163 son de radiología, el 76% del total, según el recuento que publica The Imaging Wire. El listado superó los mil dispositivos a finales de 2025 y crece a un ritmo de unos 18 nuevos al mes. Esto no es marketing: son productos que un regulador ha revisado y dejado entrar en los hospitales. La lectura es clara. La IA médica que de verdad funciona hoy no es un chatbot que diagnostica solo. Es una herramienta acotada que ayuda a un especialista a ver mejor una imagen. La radiología manda porque una radiografía o una resonancia son datos ordenados y abundantes, el terreno donde estos sistemas rinden.

LO QUE YA SALVA VIDAS. El mejor ejemplo es el cribado de mama. El ensayo sueco MASAI, publicado en la revista The Lancet, es el primer estudio aleatorizado a gran escala en este campo: más de 105.000 mujeres. Un estudio aleatorizado es el patrón de oro de la medicina, porque reparte a las participantes al azar entre dos grupos y así aísla el efecto real de la herramienta. El resultado: la lectura asistida por IA detectó un 29% más de cánceres (6,4 por cada 1.000 mujeres frente a 5,0) sin aumentar los falsos positivos, y redujo un 44% la carga de lectura de los radiólogos. Más importante todavía: bajó un 12% los cánceres que aparecen entre una revisión y la siguiente, los llamados cánceres de intervalo, que suelen ser los más agresivos. Un estudio alemán en condiciones reales, con 463.094 mujeres, apunta en la misma dirección: un 17,6% más de detección. Nuestra lectura: aquí «salva vidas» deja de ser un eslogan. Detectar antes un tumor y quitar trabajo mecánico al médico es, a la vez, mejor medicina y un sistema sanitario que aguanta la falta de personal.

EL FÁRMACO SIGUE SIN LLEGAR. En descubrimiento de medicamentos la historia es distinta, y conviene decirlo sin rodeos. AlphaFold, la IA de Google DeepMind que predice la forma tridimensional de las proteínas, fue un salto científico real y ganó el Nobel de Química en 2024. Su filial Isomorphic Labs presentó en febrero de 2026 un motor propio, IsoDDE, que según la empresa duplica la precisión de AlphaFold 3 en los casos más difíciles. Suena espectacular. Pero conviene atender a las fechas: en enero de 2026, su fundador Demis Hassabis reconoció en el Foro de Davos que los primeros ensayos en humanos no llegarían hasta finales de 2026, y no en 2025 como se había insinuado. El dato que ordena todo el debate es este: hay más de 200 fármacos descubiertos con ayuda de IA en ensayos clínicos, y cero aprobados por la FDA. El candidato más avanzado, el INS018_055 de Insilico Medicine contra la fibrosis pulmonar, está en fase II. La IA acelera la parte barata y rápida —diseñar la molécula—, pero el cuello de botella sigue siendo el ensayo clínico: años de pruebas en personas que ninguna IA puede saltarse. Es un aviso contra la euforia: capacidad demostrada no es lo mismo que medicamento en la farmacia.

EL RIESGO REAL: ALUCINA CON APLOMO. El peligro de corto plazo no es una superinteligencia rebelde. Es que estos modelos inventan datos y lo hacen con un tono seguro que engaña. En medicina eso tiene nombre: alucinación clínica, una respuesta que suena plausible pero es falsa. Los datos asustan. Cuando el texto de entrada contiene un error, algunos modelos lo propagan hasta en el 83% de los casos, según análisis recogidos por medios especializados. Más del 45% de las referencias bibliográficas que generan son inventadas. Y en una encuesta, más del 90% de los clínicos dijeron haberse topado con alucinaciones y un 85% las considera capaces de dañar al paciente. A esto se suma el sesgo de automatización: la tendencia del médico a fiarse de la máquina y bajar la guardia. Un modelo puede inventar una medida en un informe, una lateralidad equivocada —izquierda por derecha— o un hallazgo que no existe, y de ahí salen decisiones sobre biopsias o tratamientos. Nuestra lectura: la IA de imagen que clasifica y prioriza es ya fiable; la IA generativa que redacta texto clínico libre todavía no lo es. Meter la segunda donde debería estar la primera es el error más caro que puede cometer un hospital.

QUIÉN PONE LAS REGLAS. Los reguladores lo saben. En enero de 2026, la FDA estadounidense y la Agencia Europea del Medicamento (EMA) publicaron juntas diez «principios de buena práctica en IA» para el desarrollo de fármacos. El eje común es una idea sencilla: humano en el bucle. Es decir, la IA propone, pero una persona identificada revisa y firma; nunca se usa la salida del modelo tal cual. En Europa, la ley de IA clasificará como «alto riesgo» los usos médicos, con exigencias que empiezan a aplicarse en agosto de 2027. El dato que marca el límite: a día de hoy no hay ni un solo dispositivo de IA generativa plenamente autorizado, aunque en marzo de 2026 la FDA dio una designación acelerada a una aplicación de este tipo. Traducción: casi todo lo aprobado es IA «estrecha» y predecible, no la IA que conversa. El riesgo regulatorio, como venimos defendiendo, es legislar el pánico en vez de la capacidad real. La gobernanza debe basarse en evidencia y en tareas de prueba difíciles, no en titulares.

NUESTRA LECTURA A LARGO PLAZO. Ordenemos las dos velocidades. A corto plazo, lo honesto es reconocer los problemas: modelos que alucinan, sesgos que penalizan a poblaciones mal representadas en los datos y la tentación de recortar personal antes de tiempo. Nada de esto es menor. Pero el horizonte inclina la balanza hacia el optimismo, y con motivo. Si la IA de imagen ya adelanta el diagnóstico de un tumor, y si el diseño de moléculas —hoy el eslabón lento— madura hasta cruzar el ensayo clínico, la dirección es la medicina personalizada: tratamientos ajustados a la biología de cada paciente, enfermedades hoy mortales convertidas en crónicas y, en el mejor caso, erradicadas. No es fe: es la extrapolación razonable de lo que ya se mide. El trabajo del médico no desaparece; cambia. El profesional que orquesta estas herramientas y aporta criterio y trato humano gana. El que solo repite tareas mecánicas, no. Esa es la transición dura de los próximos años, camino de una medicina más abundante y más justa.