La inteligencia artificial ha dejado de ser una promesa futurista para convertirse en una herramienta clínica capaz de detectar lo que los médicos no siempre alcanzan a ver, o por lo menos así lo parece, ya que en los últimos años distintos estudios científicos publicados en revistas de alto impacto han mostrado que los algoritmos pueden identificar enfermedades con mayor sensibilidad, rapidez o anticipación que la observación humana, especialmente en áreas donde la precisión y el tiempo son decisivos para salvar vidas.
Lea también: La IA revela signos de consciencia encubierta en pacientes en coma días antes que los médicos
Desde la oncología hasta la neurología crítica, los avances se multiplican: sistemas entrenados con miles de imágenes médicas son capaces de descubrir tumores en etapas más tempranas, distinguir lesiones cutáneas malignas entre cientos de fotografías o reconocer alteraciones en la retina diabética con un nivel de certeza superior al de especialistas experimentados. Asimismo, en cuidados intensivos, tecnologías basadas en visión artificial han detectado signos de consciencia en pacientes en coma varios días antes que los médicos, lo que abre nuevas posibilidades para el pronóstico y la rehabilitación.
Sin embargo, es imprescindible hacer énfasis en que estos ejemplos no implican reemplazar al personal de salud, sino ofrecer un apoyo complementario que potencia la práctica clínica y reduce el margen de error.
En EL COLOMBIANO recopilamos cinco de los casos más representativos en los que la inteligencia artificial ha marcado una diferencia tangible en la medicina moderna:
Detección temprana de cáncer de mama
En 2020, investigadores de Google Health publicaron en Nature un estudio pionero que probó la capacidad de un sistema de aprendizaje profundo para analizar mamografías.
El algoritmo fue entrenado con más de 76.000 imágenes de pacientes del Reino Unido y Estados Unidos, y los resultados fueron contundentes: logró detectar cáncer de mama con menos falsos positivos y negativos —un 9,4 % menos de falsos negativos en EE. UU. y un 2,7 % menos en el Reino Unido— que radiólogos expertos. Esto significa que redujo tanto los diagnósticos erróneos de cáncer inexistente como los casos en los que el tumor pasaba desapercibido. Además, los investigadores probaron que el sistema mantenía su desempeño incluso cuando se enfrentaba a datos de hospitales distintos a los del entrenamiento.
Entérese de más: MedSearch, la IA colombiana que ayuda a los médicos a diagnosticar más rápido
Identificación de cáncer de piel en imágenes dermatológicas
En 2017, un equipo de la Universidad de Stanford presentó un sistema de inteligencia artificial entrenado con más de 130.000 imágenes de lesiones cutáneas. El estudio, publicado en Nature, demostró que la red neuronal convolucional clasificaba carcinomas basocelulares, queratosis actínicas y melanomas con precisión igual o superior a la de 21 dermatólogos certificados. Esto porque aprendió a distinguir patrones sutiles de color, textura y borde que a menudo resultan complejos en la práctica clínica.
Su desempeño se midió en pruebas a ciegas, donde los especialistas humanos no sabían si las imágenes correspondían a casos benignos o malignos, y la IA alcanzó un nivel de sensibilidad sobresaliente. Este resultado fue interpretado como un posible cambio en la manera de realizar cribados dermatológicos, especialmente en contextos de telemedicina o en países con escasez de especialistas.
Diagnóstico preciso de retinopatía diabética
La diabetes es una de las principales causas de ceguera en el mundo, y la detección temprana de la retinopatía diabética resulta vital.
En 2018, un sistema de IA desarrollado por Google y DeepMind fue evaluado en JAMA, mostrando un desempeño clínico de alto impacto: el algoritmo analizó más de 120.000 imágenes de fondo de ojo y diagnosticó retinopatía diabética y edema macular con una precisión del 97,5 %, superando a oftalmólogos generales y acercándose al nivel de especialistas en retina.
La importancia del hallazgo radica en la posibilidad de aplicar cribados masivos en zonas rurales y países con déficit de especialistas. De hecho, la IA ya se ha implementado en programas piloto en India y Tailandia, donde permite identificar a pacientes en riesgo antes de que la enfermedad avance a fases irreversibles.
Le puede interesar: Histórico: un robot con IA basada en ChatGPT realizó cirugía de vesícula sin intervención humana
Reconocimiento de cáncer de pulmón en tomografías
En 2019, investigadores de Google publicaron en Nature Medicine un estudio sobre un modelo de IA entrenado para analizar tomografías computarizadas de tórax.
El algoritmo fue probado con más de 45.000 escáneres y demostró ser capaz de detectar cáncer de pulmón con menor tasa de falsos negativos que los radiólogos. En concreto, redujo un 11 % los casos en los que los tumores no eran detectados. De igual forma, mostró una capacidad especial para identificar nódulos en fases muy tempranas, cuando el tratamiento puede ser más eficaz. A diferencia de los médicos, que suelen tardar varios minutos en revisar una tomografía, la IA procesaba cada estudio en cuestión de segundos.
El potencial clínico es significativo: si se integra a programas de cribado, puede reducir la mortalidad al permitir intervenciones más rápidas.
Revelación de microgestos en pacientes en coma
Un caso más reciente proviene de la Universidad Stony Brook, en Estados Unidos, donde investigadores desarrollaron SeeMe, un sistema de visión artificial diseñado para pacientes en coma. El estudio, publicado en Communications Medicine en agosto de 2025, analizó a 37 pacientes con lesiones cerebrales agudas y demostró que la IA podía detectar micromovimientos faciales —como intentos de abrir los ojos o mover la boca— 4,1 días antes que los médicos y en un mayor número de pacientes (30/36 frente a 25/36).
Estas señales, imperceptibles a simple vista, se correlacionaron con pronósticos clínicos más favorables al alta. La novedad radica en que los exámenes médicos convencionales dependen de la observación visual, lo que deja margen para pasar por alto señales sutiles. Con SeeMe, los investigadores proponen un método accesible y más sensible para complementar la evaluación neurológica, con potencial de transformar decisiones sobre rehabilitación y cuidados intensivos en unidades neurocríticas.
Siga leyendo: ¿Apple fue incapaz de crear una buena IA? La empresa se rendiría ante Google para usar Gemini con Siri
Regístrate al newsletter