La Inteligencia Artificial (IA) ha dejado de ser una promesa futurista para convertirse en una fuerza transformadora que redefine la práctica médica. A medida que avanzamos hacia 2026, los proyectos pioneros en España y a nivel internacional no solo están mejorando la eficiencia operativa, sino que están salvando terapias que se daban por perdidas, acelerando diagnósticos complejos y estableciendo los primeros marcos éticos globales. Desde la oncología hasta la cardiología y las enfermedades raras, la hoja de ruta del próximo año estará marcada por una oleada de innovaciones que prometen hacer la sanidad más precisa, personalizada y, fundamentalmente, más humana.
El pilar ético y regulatorio
El rápido crecimiento de herramientas basadas en modelos de lenguaje, como ChatGPT y otras aplicaciones generativas, ha obligado a la comunidad médica a establecer límites claros y seguros ante el comienzo de esta revolución. En respuesta a esta irrupción, la Sociedad Europea de Oncología Médica (ESMO) ha publicado una guía pionera: el documento «ESMO Large Language Model in Clinical Practice (ELCAP)», con el objetivo central de ofrecer un marco práctico para integrar los modelos de lenguaje en la atención oncológica sin comprometer la seguridad, la ética ni la confianza en el juicio clínico.
La guía ELCAP establece un principio ineludible: la supervisión humana es irrenunciable. Para garantizar un uso responsable, la ESMO distingue tres niveles de aplicación de estos modelos, basándose en quién los usa y con qué propósito: ////
El tipo 1, orientado al paciente, incluye herramientas como chatbots educativos o asistentes digitales que proporcionan información sobre tratamientos y síntomas. La ESMO es enfática en que estos sistemas deben complementar la atención profesional, no sustituirla, y operar en circuitos supervisados con protocolos claros de escalada y fuertes medidas de protección de datos.
El tipo 2, dirigido al profesional sanitario, abarca sistemas de apoyo a la toma de decisiones, herramientas que ayudan a redactar informes o soluciones para traducir documentación médica. Aquí, la ESMO exige una validación formal, transparencia absoluta en las limitaciones del modelo y, de manera crítica, la responsabilidad explícita del médico por cualquier decisión clínica que derive de su uso.
Y el tipo 3, enfocado en los sistemas institucionales de respaldo, aquellos integrados en la infraestructura hospitalaria, como los que extraen datos de historias clínicas electrónicas, generan resúmenes automáticos o vinculan a pacientes con ensayos clínicos. Antes de su implantación, estos sistemas deben someterse a pruebas exhaustivas, contar con una gobernanza institucional sólida y ser monitorizados continuamente para detectar posibles sesgos o cambios en el rendimiento.
ELCAP se centra específicamente en los modelos de IA de asistencia, diseñados para trabajar bajo supervisión humana y apoyar al profesional clínico sin tomar decisiones autónomas. Sin embargo, la guía ya mira hacia el futuro, advirtiendo sobre los modelos autónomos —capaces de iniciar acciones sin instrucciones directas—, cuyo uso requerirá un marco normativo específico y una supervisión mucho más estricta debido a los importantes riesgos éticos, regulatorios y de seguridad que conllevan.
Los beneficios esperados de los modelos de lenguaje en oncología incluyen la optimización de los flujos de trabajo clínicos, el seguimiento de síntomas, la educación del paciente y el procesamiento eficiente de grandes volúmenes de datos. No obstante, los riesgos son palpables: desde la privacidad de la información y el sesgo algorítmico, hasta la dependencia excesiva de sistemas no validados o la generación de respuestas erróneas que podrían tener consecuencias graves. Este enfoque regulatorio de la ESMO, fruto del consenso de 20 expertos internacionales tras un proceso Delphi, establece 23 declaraciones clave y principios transversales como la seguridad de los datos y la transparencia, buscando que el éxito de la IA no solo dependa de los avances tecnológicos, sino de estándares comunes y una responsabilidad compartida.
La IA en la vanguardia diagnóstica: del corazón al cerebro
El próximo año la IA impulsará innovaciones decisivas en el diagnóstico temprano y la clasificación precisa de enfermedades complejas, especialmente en cardiología y neurología.
El diagnóstico de enfermedades neurodegenerativas, como el Alzheimer y la demencia frontotemporal, es notoriamente complejo debido al solapamiento de síntomas y la imprevisibilidad de su evolución. En este contexto, surge StateViewer, un Sistema de Apoyo a la Decisión Clínica (SADC) basado en machine learning que analiza imágenes de Tomografía por Emisión de Positrones con Fluorodesoxiglucosa (FDG-PET) para medir la actividad metabólica cerebral. Este sistema está entrenado para reconocer y clasificar hasta nueve síndromes neurodegenerativos distintos, ofreciendo una versatilidad superior a la de modelos que solo se centran en una única patología. Su rendimiento es «excelente» en la discriminación entre síndromes, con una sensibilidad media del 89% y un Área Bajo la Curva (AUC) del 93%.
La utilidad clínica de StateViewer quedó demostrada en un estudio con radiólogos: aquellos que contaron con el apoyo de la herramienta tuvieron una probabilidad 3,3 veces mayor de acertar en el diagnóstico de patologías confusas como la atrofia cortical posterior y la demencia con cuerpos de Lewy, en comparación con quienes solo usaban los estándares actuales de atención. Además, StateViewer destaca por su alta interpretabilidad, ofreciendo una visualización clara del razonamiento de la predicción, lo cual es fundamental para la confianza de los profesionales.
Complementando la detección temprana, el Hospital La Fe de València ha sido seleccionado para la validación clínica del Helmet-PET, el primer prototipo de un escáner cerebral de última generación. Este escáner PET está diseñado específicamente para mejorar la detección precoz del Alzheimer y otras demencias, así como para el diagnóstico de tumores cerebrales, epilepsia y trastornos del movimiento como el Parkinson. El Helmet-PET incorpora una estación de procesado de imágenes asistida por IA y cuenta con un diseño modular y ergonómico que mejora la sensibilidad y precisión en el análisis de estructuras cerebrales pequeñas, a la vez que reduce la radiación en los estudios. Este desarrollo se enmarca en el modelo de Compra Pública Precomercial y está cofinanciado por Fondos MRR y Next Generation.
FADE: La IA que aprende de la normalidad cardíaca
En cardiología, un proyecto de la Universidad de Málaga (UMA) promete transformar el diagnóstico de anomalías críticas. FADE es un sistema inteligente que anticipa anomalías cardíacas en electrocardiogramas (ECG), incluyendo arritmias, isquemia o infarto de miocardio, con una precisión notable del 84%.
La gran ventaja de FADE radica en su metodología: se entrena exclusivamente con electrocardiogramas normales. Esto elimina la necesidad, costosa y lenta, de tener grandes volúmenes de datos previamente etiquetados por cardiólogos sobre anomalías. Al aprender el patrón de un ECG sano, el sistema puede predecir la señal futura y detectar la anomalía con antelación, logrando una precisión media del 83,84% en la detección de cualquier tipo de anomalía cardíaca.
Los investigadores de la UMA trabajan ahora para llevar FADE a un entorno clínico real y optimizarlo para su uso en un dispositivo portable, un avance que promete diagnósticos cardíacos más rápidos y menos dependientes de la interpretación manual.
Estos avances se suman a la creciente integración de la IA en la imagen cardiovascular, tema central del Congreso de la Salud Cardiovascular (SEC 2025). La IA y la robótica están optimizando procesos, aumentando la precisión y reduciendo los tiempos de medición, sin sustituir al profesional. La IA ya está permitiendo la automatización de mediciones críticas como el ventrículo izquierdo y la fracción de eyección, la integración multimodal de imágenes (ecocardiografía, TAC, resonancia) y el fenotipado automático de pacientes, anticipando una transformación total del flujo de trabajo en cardiología.
Oncología de precisión e innovación terapéutica asistida por IA
Más allá, la Inteligencia Artificial está generando herramientas específicas que aumentan la precisión en el abordaje del cáncer, desde el diagnóstico por imagen hasta la asistencia clínica en tiempo real.
El cáncer hepático plantea desafíos significativos para la salud, a menudo detectándose en fases avanzadas. En este campo, el Vall d’Hebron Instituto de Oncología (VHIO) ha desarrollado SALSA (Sistema para la Segmentación y Detección Automática de Tumores Hepáticos), una herramienta de deep learning que detecta y segmenta tumores hepáticos de manera precisa y totalmente automatizada en imágenes de tomografía computarizada (TAC).
El delineamiento manual de tumores para conocer su volumen ha sido históricamente un cuello de botella en la investigación y la clínica, siendo propenso a variabilidad. SALSA fue entrenada con 1.598 TACs correspondientes a 4.908 tumores primarios o metastáticos. La herramienta demostró una precisión superior al 99% en la detección por paciente y un 82% por lesión, igualando o superando la precisión de radiólogos expertos en la identificación y cuantificación de volumen tumoral.
Esta capacidad de delimitación precisa es crucial para la planificación quirúrgica, la evaluación de la respuesta al tratamiento y la cuantificación exacta de la carga tumoral. SALSA permite medir parámetros detallados, como el volumen tumoral total, la densidad o la textura, superando los estándares actuales de evaluación, que a menudo se limitan a medir el diámetro del tumor en 2D.
En el ámbito del apoyo clínico, siete sociedades científicas se han unido para crear Uro-Oncogu(IA)s, un proyecto pionero en urología. Se trata de un chatbot inteligente diseñado para ofrecer respuestas rápidas, precisas y basadas en evidencia científica actualizada, resolviendo dudas que surgen al consultar las guías de práctica clínica.
El objetivo es mejorar la toma de decisiones clínicas y reducir la variabilidad en el abordaje de los pacientes uro-oncológicos. La herramienta fue entrenada con más de 15.000 pares de preguntas/respuestas del ámbito clínico y teórico, utilizando guías de la European Association of Urology (EAU). Este desarrollo, que involucró a 70 especialistas y fue impulsado tecnológicamente por el IIS-A y el I3A, destaca como un ejemplo de colaboración interdisciplinar, con aportaciones de medicina nuclear, anatomía patológica, radiología, farmacia e ingeniería.
Desvelando el genoma y rescatando terapias: hacia la «medicina de ultra-precisión»
La IA está transformando radicalmente cómo se entiende la progresión de enfermedades crónicas y cómo se diagnostican las patologías genéticas más raras, abriendo nuevas vías para la medicina de precisión.
La alta tasa de fracaso en ensayos clínicos de Alzheimer, superior al 95%, está siendo desafiada por la Inteligencia Artificial. Investigadores de la Universidad de Cambridge han utilizado un modelo de IA denominado PPM (Predictive Patient Model) para reanalizar el ensayo AMARANTH de lanabecestat, que había sido considerado un fracaso.
El PPM, que combina machine learning con biomarcadores, predice la rapidez con la que cada paciente progresará hacia fases avanzadas de Alzheimer, demostrando ser tres veces más preciso que las evaluaciones clínicas estándar. Gracias a este análisis, se pudo dividir a los pacientes en grupos de progresión lenta y rápida. El resultado fue sorprendente: en el subgrupo de progresión lenta, el lanabecestat logró reducir el deterioro cognitivo en un 46% frente al placebo, rescatando así una terapia descartada y poniendo en evidencia que la heterogeneidad de los pacientes puede ocultar la eficacia de un fármaco.
La aplicación del PPM no solo redefine los criterios de inclusión en ensayos (favoreciendo una medicina más personalizada), sino que podría reducir drásticamente los costes y tiempos de desarrollo de fármacos al requerir ensayos más pequeños y rápidos con mayores probabilidades de éxito. La meta es adaptar el PPM a datos más accesibles, como marcadores sanguíneos o pruebas cognitivas, para extender su uso a centros clínicos con recursos limitados.
Para las enfermedades genéticas raras y ultrararas, la dificultad reside en identificar la variante genética causal entre miles de opciones. El nuevo modelo PopEVE, desarrollado entre Harvard y el Centro de Regulación Genómica (CRG) de Barcelona, promete revolucionar el diagnóstico.
PopEVE es capaz de predecir la probabilidad de que cada variante del genoma cause una enfermedad e incluso identificar qué mutaciones pueden llevar a problemas letales a distintas edades. Utiliza datos evolutivos de cientos de miles de especies y variación genética humana de biobancos (como gnomAD), lo que le permite asignar una única escala de gravedad comparable en todas las proteínas del organismo.
Su capacidad de priorización es inédita; es la primera IA que puede señalar la mutación más peligrosa en el conjunto del genoma de un paciente. En pruebas realizadas con más de 31.000 familias, PopEVE clasificó correctamente la variante causal como la más dañina en el 98% de los casos ya diagnosticados, superando a otros modelos avanzados. Además, identificó 123 genes candidatos asociados a trastornos del desarrollo que antes no se conocían, demostrando su utilidad en enfermedades ultrarraras.
Una ventaja fundamental para el entorno clínico es que PopEVE funciona incluso cuando no se dispone de la información genética de los padres. También contribuye a corregir el sesgo por ascendencia inherente a las bases de datos globales, que suelen estar dominadas por información de pacientes europeos, evitando que variantes poco frecuentes se interpreten erróneamente como patógenas. Si las validaciones clínicas en curso se confirman, PopEVE será una herramienta clave en los próximos años, acelerando el diagnóstico (una de cada dos personas con enfermedad rara nunca recibe un diagnóstico claro) y el descubrimiento de nuevas dianas terapéuticas.
Y por otro lado, Galicia se está consolidando como un nodo tecnológico estratégico con la futura factoría de Inteligencia Artificial 1HealthAI. Con una inversión de 82 millones de euros y catalogada como la tercera con mejor puntuación de las 19 factorías europeas, su especialización se centra en el enfoque «One Health», que integra la salud humana, animal y ambiental.
Esta visión holística promete grandes avances para 2026, con aplicación directa en: la vigilancia de epidemias (detección y seguimiento de brotes infecciosos), la medicina de precisión (ofreciendo tratamientos más personalizados y eficaces), y la predicción de biotoxinas en las rías, crucial para la economía y la salud ambiental gallega. Liderada por el CESGA y coliderada por el CSIC, 1HealthAI se apoya en un robusto ecosistema de I+D+i. Este proyecto, junto con la reciente ley de IA de Galicia y la elección de la región como sede de la Agencia Española de Supervisión de la Inteligencia Artificial, subraya la apuesta de la Xunta por atraer y retener talento cualificado en el sector.
Cuando la IA libera al sanitario
La hoja de ruta de la IA para 2026 también incluye la automatización de las tareas menos visibles, pero que consumen incontables horas del personal sanitario. El Hospital General Universitario Gregorio Marañón de Madrid ha incorporado sistemas tecnológicos automatizados para reducir la carga administrativa repetitiva, optimizando la gestión del SERMAS.
Esta iniciativa, parte de la Estrategia de Transformación Digital de la Agencia Madrid Digital, ya ha generado 14 automatismos activos en el ámbito sanitario. La implementación de cuatro dispositivos mecanizados en funcionamiento en el Gregorio Marañón implica un ahorro significativo de más de 5.700 horas de trabajo.
Entre los trámites ya digitalizados se encuentran el fichero de plantilla, actualizando diariamente los datos del personal, ahorrando 117 horas a los profesionales; la verificación de candidatos a puestos vacantes, una tarea que antes se realizaba manualmente y ahora implica una reducción de 586 horas de trabajo y los registros administrativos, que incluyen informes de pacientes, historiales médicos para diagnóstico, tratamiento o fines estadísticos. Esto supone un volumen de más de 9.000 archivos y un ahorro de 4.400 horas de trabajo.
La Comunidad de Madrid ya trabaja en nuevos proyectos, como la automatización de la descarga de servicios prestados o la generación de certificados, con una previsión de alrededor de 9.000 peticiones mensuales. Además, se espera extender esta tecnología a otros centros sanitarios públicos, incluyendo 16 hospitales, Atención Primaria y el SUMMA 112, para facilitar el intercambio de información con el Instituto Nacional de Seguridad y Salud en el Trabajo (INSST).
En resumen, el panorama sanitario que se vislumbra para 2026 es uno donde la Inteligencia Artificial se irá integrando en el día a día y actuará como un copiloto omnipresente: detectando anomalías cardíacas antes que el ojo humano, segmentando tumores con precisión quirúrgica, y reescribiendo la metodología de los ensayos clínicos para enfermedades devastadoras como el Alzheimer, entre una infinidad de tareas. Estos proyectos demuestran que la innovación no se limita al avance tecnológico puro, sino que se sustenta en la creación de marcos éticos sólidos (como ELCAP en oncología) y la liberación de los profesionales de tareas burocráticas. El compromiso con la IA, desde la detección de variantes genéticas ultrarraras (PopEVE) hasta la vigilancia epidemiológica («One Health» en Galicia), consolida a España como un referente en la integración de la tecnología sanitaria, prometiendo un futuro donde la medicina de precisión se convierte en la norma, asistida siempre, pero nunca reemplazada, por el criterio clínico.
