La FDA ha autorizado más de 1,600 dispositivos médicos que integran inteligencia artificial en los Estados Unidos en septiembre de 2026. Esta cifra refleja un cambio: las innovaciones médicas ya no son una promesa lejana, sino que entran en los recorridos de atención reales, con autorizaciones regulatorias y protocolos clínicos verificables.
Dispositivos médicos breakthrough: más allá de la cirugía robótica
Los competidores a menudo abordan la robótica quirúrgica como una vitrina de la innovación en salud. El programa Breakthrough Devices de la FDA revela una realidad más diversa: al 30 de junio de 2026, se habían otorgado 210 autorizaciones de comercialización en este marco.
Estos dispositivos cubren áreas muy especializadas. Incluyen herramientas de análisis de presión arterial, detección de infecciones en sangre, neuromodulación portátil, asistencia en diagnóstico pulmonar mediante ECG e inteligencia artificial aplicada a la evaluación de heridas. La tendencia se dirige hacia tecnologías específicas, diseñadas para patologías donde el diagnóstico tardío agrava el pronóstico.
El punto en común de estos dispositivos es que responden a una necesidad médica no cubierta o mejoran significativamente un tratamiento existente, condición necesaria para obtener el estatus breakthrough. Los recursos disponibles en lasantedemain.com permiten seguir estas evoluciones en el paisaje médico francófono.
IA médica y vigilancia post-comercialización: el verdadero desafío de 2026
El desafío ha cambiado de naturaleza. La autorización inicial de un algoritmo médico es solo el primer paso. Monitorear el rendimiento de un software médico después de su comercialización plantea problemas inéditos en comparación con un medicamento clásico.
Un algoritmo de radiología puede recibir actualizaciones de software que modifican su rendimiento. La FDA ha comenzado a estructurar un marco regulatorio para estas evoluciones continuas, distinto del proceso de aprobación único aplicado a las moléculas farmacéuticas.
Radiología, cardiología, neurología: los tres campos en cabeza
El progreso de las autorizaciones es particularmente visible en estas especialidades. En radiología, los algoritmos asisten en el análisis de imágenes para detectar anomalías que a veces son invisibles en un examen humano rápido. En cardiología, los dispositivos analizan continuamente las señales cardíacas para detectar arritmias. En neurología, la IA aplicada a la ecografía y a la imagen cerebral abre vías para el diagnóstico temprano de patologías neurodegenerativas.
Esta especialización por área clínica marca una ruptura con la visión generalista de la IA médica. Los algoritmos más avanzados no son versátiles: destacan en una tarea diagnóstica específica, entrenados en conjuntos de datos específicos de una patología.
Ética y supervisión de la IA en salud: el marco establecido por la OMS
En septiembre de 2026, la OMS publicó un informe que llama a reforzar la supervisión ética de la investigación en salud relacionada con la IA. Este documento no se limita a recomendaciones abstractas: se centra en los protocolos de investigación clínica que utilizan algoritmos de decisión.
Este marco destaca varios requisitos:
- El diseño conjunto con los pacientes y los cuidadores, para que las herramientas de IA respondan a las necesidades clínicas reales y no solo a las restricciones técnicas.
- La transparencia de los datos de entrenamiento utilizados para desarrollar los modelos, para que los clínicos puedan evaluar los sesgos potenciales en ciertas poblaciones de pacientes.
- La responsabilidad claramente atribuida a los diferentes actores (desarrolladores, establecimientos de salud, reguladores) cuando un algoritmo produce un resultado erróneo o sesgado.
Este marco ético responde a una preocupación concreta: un algoritmo médico puede afectar a millones de pacientes simultáneamente, mientras que un medicamento mal prescrito afecta a un individuo a la vez. La escala del riesgo cambia la naturaleza de la vigilancia necesaria.
Aceleración de los ensayos clínicos: las nuevas metodologías de la FDA
La FDA lanzó en 2026 un programa piloto de IND (Investigational New Drug) acelerado y desarrolla las New Approach Methodologies (NAM). Estos métodos buscan reducir la duración de las fases preclínicas y clínicas sin comprometer la seguridad de los pacientes.
Datos sintéticos y modelización predictiva
Entre los enfoques más concretos, los datos sintéticos permiten simular cohortes de pacientes para probar hipótesis antes de reclutar voluntarios reales. Esta técnica no reemplaza los ensayos clínicos, pero filtra de antemano las moléculas o dispositivos poco prometedores.
La Agencia Europea de Medicamentos explora vías similares, lo que indica que esta convergencia entre datos de salud e inteligencia artificial supera el marco estadounidense.
- Los ensayos adaptativos modifican el protocolo en curso de estudio según los resultados intermedios, reduciendo los plazos sin sacrificar la rigurosidad estadística.
- Los gemelos digitales de pacientes sirven como brazos de control virtual en algunos ensayos, disminuyendo el número de participantes expuestos a un placebo.
- Los biomarcadores compañeros permiten seleccionar de antemano a los pacientes más propensos a responder a un tratamiento, aumentando la tasa de éxito de los ensayos.
Estos métodos no son futuristas. Son objeto de programas piloto en curso, con resultados esperados en los próximos meses.
La acumulación de dispositivos autorizados, de marcos regulatorios adaptados y de metodologías clínicas aceleradas dibuja un paisaje médico donde la velocidad de despliegue se convierte en un parámetro a monitorear. La capacidad de los sistemas de salud para absorber estas innovaciones, formar a los profesionales y mantener la vigilancia post-comercialización determinará su impacto real en los recorridos de atención.
