Una encuesta a 454 estudiantes de odontología en cinco países encontró que usar herramientas como ChatGPT para estudiar ya es la norma, no la excepción — y que revisar lo que responden todavía no lo es tanto.
❝La pregunta que vale la pena hacerle a cualquier tecnología de salud no es si funciona en un estudio, sino si funciona para ti — esta semana la evidencia nos ayuda a distinguir una cosa de la otra.
Cuando lees que “la inteligencia artificial ya está en la salud”, puede estar hablando de tres capas muy distintas. La primera es monitoreo: dispositivos y apps que solo recogen datos (un anillo que mide tu pulso, un chat que registra tu glucosa). La segunda es diagnóstico o predicción: un modelo que interpreta esos datos o una imagen y entrega un resultado (¿esto va a progresar?, ¿esto va a responder al tratamiento?). La tercera es tratamiento asistido: un sistema que actúa o decide, no solo que informa (un robot que opera, una IA que arma un plan de radioterapia). Las tres capas avanzan a ritmos distintos — y esta edición trae ejemplos de las tres.
Por qué importa el orden: Si le pides a la primera capa (monitoreo) lo que solo la tercera (tratamiento asistido) puede probar — que cambia un desenlace de salud, no solo que junta datos —, vas a terminar sistemáticamente decepcionado o sistemáticamente sorprendido. Saber en qué capa está parado un hallazgo te ayuda a calibrar qué tan emocionado, o qué tan escéptico, conviene estar frente a él.
Esta semana partimos por una app de mensajería que se asoció a menos azúcar en la sangre, en un metaanálisis con 1.742 personas. Seguimos con dos maneras de meter inteligencia artificial en la lectura de imágenes oncológicas — predecir la respuesta al tratamiento y armar el plan de radioterapia — y cerramos los temas con dos modelos de imagen más preliminares, uno en cáncer de pulmón y otro en paratiroides, que emocionan pero todavía no prueban que cambien una decisión clínica. Antes de eso, “imprescindibles” resume lo que ya sabemos sobre dónde funciona — y dónde no — la tecnología digital en salud, y en “frontera” llevamos la cirugía de rodilla asistida por robot, con evidencia que emociona pero todavía no prueba un mejor resultado a largo plazo.
●●●●● La cifra principal de esta edición — cuánto usan la inteligencia artificial los futuros profesionales de salud — viene de una encuesta, así que es emergente: describe una situación real, pero no prueba una causa ni un efecto. Dicho eso, dos de los tres temas de hoy sí se apoyan en revisiones sistemáticas con metaanálisis — evidencia robusta —, igual que el bloque de imprescindibles. La sección de frontera, como cada semana, es apenas exploratoria a propósito: por eso vive aparte.
Fuente principal: Encuesta a estudiantes de odontología en 5 países, ago 2026 · ¿qué es la rúbrica? →
1 · Un chat de todos los días bajó el azúcar en la sangre — con matices · 2 min
2 · Cuando el radiólogo ya no mira solo — y cuando la máquina arma el plan · 3 min
3 · La misma herramienta, dos preguntas distintas: pulmón y paratiroides · 2 min
Lo que conviene saber antes de confiar en cualquier tecnología de salud · 2 min
Rodillas operadas por un robot: lo que todavía no se sabe · 1 min
🔬 Acompañamiento digital de enfermedades crónicas · ●●●●● Robusta · revisión sistemática y metaanálisis
En China, cientos de millones de personas usan WeChat — una aplicación de mensajería tan común como WhatsApp — para casi todo, incluido hablar con su equipo de salud. Esta semana, la evidencia más sólida de la edición viene justamente de ahí: no de un aparato nuevo, sino de una app que la gente ya tenía instalada.
Una revisión sistemática con metaanálisis reunió siete estudios — seis ensayos aleatorizados y uno cuasi-experimental — con 1.742 personas con diabetes tipo 1, tipo 2 o gestacional. Quienes recibieron acompañamiento por WeChat (recordatorios, contacto con su equipo, seguimiento de sus datos) bajaron en promedio 1,10 puntos porcentuales su HbA1c frente a la atención habitual (intervalo de confianza 95%: -1,78 a -0,42), además de una mejora pequeña en la presión diastólica. La glucosa en ayunas, en cambio, no bajó de forma estadísticamente significativa.
En un registro distinto — trasplantes de órgano, no diabetes — otro grupo probó algo parecido en espíritu: usar imágenes e inteligencia artificial, además del ojo clínico, para anticipar si un injerto va a funcionar bien en los próximos tres años. El modelo, que combina ecografía temprana con un análisis de imágenes más sofisticado, superó al modelo clínico habitual en la validación externa, pero es un estudio más chico, con datos históricos, y los propios autores piden validación prospectiva antes de llevarlo a la práctica — la clase de hallazgo que en esta edición llamamos emergente, no robusto.
Si usas una app o un chat para registrar tus datos de salud, llévale esta pregunta a tu equipo: “¿Estos datos que registro te sirven a ti para decidir algo, o se quedan solo conmigo?”
Conclusión del tema: La evidencia más fuerte de esta semana no depende de comprar nada nuevo: depende de que el canal — chat, app, llamada — esté realmente conectado con tu equipo de salud, no solo contigo. Eso sí está probado en personas con diabetes en China; que se sostenga igual en otro país, con otra app, todavía no.
🔬 Imágenes que ayudan a decidir en oncología · ●●●●● Robusta · revisión sistemática y metaanálisis
Dos maneras distintas de meter tecnología en el cáncer: una lee las imágenes que ya te toman para adivinar si el tratamiento va a funcionar antes de terminarlo; la otra arma, sola, el plan de radioterapia que hoy demora días de trabajo humano. Ambas usan lo mismo por dentro: radiómica, es decir, convertir una imagen médica en cientos de números que un computador puede comparar.
Una revisión sistemática con metaanálisis de 21 estudios evaluó si la radiómica de resonancia magnética predice, antes de terminar la quimioterapia, quién va a responder al tratamiento en cáncer de cabeza y cuello. El modelo distinguió a quienes respondían de quienes no con un AUC combinado de 0,84 (IC 95%: 0,81-0,87), donde 0,50 es adivinar al azar y 1,00 sería perfecto. Los propios autores advierten que la mayoría de los estudios son retrospectivos y de pocos centros, así que todavía falta validación más amplia antes de usarlo para decidir un tratamiento.
El segundo hallazgo es más preliminar: un sistema que coordina varios modelos de inteligencia artificial entre sí armó, solo, el plan de radioterapia en 60 casos retrospectivos de cerebro, pulmón y próstata. En general, el plan de la IA cumplió más criterios de calidad que el plan clínico habitual (89,8% frente a 85,2%), con una diferencia clara en un tipo de radioterapia (IMRT) pero sin diferencia en otro (VMAT) — una honestidad que vale la pena señalar: no funcionó mejor en todo por igual.
Si una resonancia o tomografía va a decidir el siguiente paso de tu tratamiento, puedes preguntar: “¿este resultado se interpretó solo con el ojo del radiólogo, o también con un modelo de análisis de imagen? ¿Está validado para mi tipo de caso?”
Conclusión del tema: La lectura de imágenes ya tiene ayuda de máquina en más de un sentido: para predecir y para planificar. Lo primero — predecir la respuesta — tiene ya una revisión sistemática detrás; lo segundo — armar el plan solo — recién se probó puertas adentro, con datos históricos y en un tipo de radioterapia, no en todos. Que algo sea posible no es lo mismo que esté listo para tu caso.
🔬 Modelos de imagen que intentan adelantarse · ●●●●● Emergente · estudios retrospectivos
La radiómica de la que hablamos en el tema anterior no está pensada solo para un tipo de cáncer o de imagen: esta semana apareció aplicada a dos preguntas clínicas completamente distintas, y en ambos casos con la misma honestidad — funciona, pero todavía en fase de validar si sirve fuera del centro donde se probó.
En 173 personas con cáncer de pulmón de células no pequeñas que recibían inmunoterapia (anti-PD-1), un modelo que combina radiómica de tomografía con datos clínicos — como si la persona tenía enfermedad pulmonar obstructiva crónica — predijo si la enfermedad iba a progresar en los siguientes tres años con un AUC de 0,836 en el grupo de prueba, mejor que usar solo la radiómica (0,815). El estudio es retrospectivo y de un solo centro.
El segundo trabajo, mucho más chico y preliminar, siguió a personas en diálisis con hiperparatiroidismo secundario antes y seis meses después de operarse la paratiroides. Con imágenes de tomografía, encontró cambios favorables en el tejido graso alrededor del corazón y menos avance de calcio en las arterias coronarias en quienes se operaron, frente a quienes siguieron solo con tratamiento médico. Es un estudio de cohorte pequeño y los propios autores lo llaman “información preliminar”: útil para generar la próxima pregunta, no para cambiar una decisión hoy.
Puedes preguntar directamente: “¿este modelo se probó en personas parecidas a mí, o solo en el grupo donde se desarrolló? ¿Qué tan segura o seguro está de esta predicción en mi caso particular?”
Conclusión del tema: La misma técnica — convertir una imagen en números — ya se está probando en preguntas muy distintas: pulmón, paratiroides, y en el tema anterior, cabeza y cuello y radioterapia. Eso es señal de que la herramienta funciona en general; no es señal de que ya esté lista para decidir tu tratamiento en particular. Ese salto — de “funciona en el estudio” a “cambia lo que hacemos contigo” — es justamente lo que todavía falta medir en la mayoría de estos casos.
1 · Pide luz verde primero. Antes de comprarlo, cuéntale a tu equipo de salud que quieres usarlo: así puede decirte si tiene sentido en tu caso y qué NO va a reemplazar.
2 · No lo uses como reemplazo. Los tres estudios disponibles hasta ahora son de observación, con pocas personas: ningún anillo inteligente ha probado ser tan preciso como tu glucómetro o tu sensor habitual. Úsalo como complemento, no como sustituto.
3 · Compara antes de confiar. Si el anillo te da una lectura que no coincide con tu método habitual, confía en el método habitual y anótalo para comentarlo en tu próximo control.
🔬 Acceso y madurez real · ●●●●● Robusta · revisión sistemática
Este bloque no trae la noticia de la semana: trae lo que sostiene todo lo demás. Antes de emocionarte con un hallazgo nuevo, esto es lo que la evidencia ya estableció sobre cómo — y para quién — funciona realmente la tecnología en salud.
El mismo dispositivo no funciona igual en todas partes. Una revisión sistemática de métodos mixtos con 14 estudios sobre tecnología digital para enfermedades no transmisibles en zonas rurales encontró barreras que se repiten: fallas técnicas, mala conexión a internet, costos, y equipos de salud con poco personal y mucha carga de trabajo. Once de los catorce estudios eran de países de altos ingresos, así que incluso esa evidencia tiene un límite geográfico.
Lo que sí ayuda a que una tecnología funcione en la práctica es más aburrido que la tecnología misma: diseño simple de usar, liderazgo claro dentro del equipo de salud, buen trabajo en equipo y comunicación sostenida. Ninguno de esos cuatro factores es técnico — son organizacionales, y explican por qué la misma app puede funcionar en un lugar y fracasar en otro.
Diagnosticar y tratar no maduran al mismo ritmo. Una revisión de una década de inteligencia artificial en la atención del accidente cerebrovascular (2015-2025), que analizó más de 1.300 estudios, encontró que la IA para leer imágenes ya tiene más de 30 herramientas aprobadas por la FDA y reduce en promedio 74,8% el tiempo que un radiólogo tarda en puntuar una imagen — pero la única prueba aleatorizada de una IA que ayuda a decidir el tratamiento del ACV redujo el tiempo hasta el procedimiento en 11 minutos sin mejorar de forma significativa la recuperación funcional a 90 días. Diagnóstico maduro, tratamiento todavía no: la misma distinción de “Entiende primero”.
Antes de confiar en un dispositivo o una app nueva, pregunta: “¿esto se probó en un lugar parecido al mío — mi idioma, mi conexión, mi sistema de salud — o solo en un estudio piloto en otra parte?”
Cada vez se operan más rodillas con ayuda de un brazo robótico que guía al cirujano, sin necesitar una tomografía previa. Uno de estos sistemas (VELYS, de Johnson & Johnson MedTech) fue evaluado esta semana con el marco que usa el organismo británico de salud (NICE) para decidir si una tecnología nueva merece adopción temprana.
La revisión encontró 16 estudios relevantes, casi todos retrospectivos y ninguno aleatorizado. Las señales tempranas son auspiciosas — menos radiación previa, curva de aprendizaje corta —, pero los propios evaluadores dicen que faltan datos de largo plazo, falta comparación directa con la cirugía sin robot, y falta el análisis de costo-beneficio.
Emergente · revisión exploratoria (fase temprana) Todavía no hay evidencia que muestre que operarse con este robot da mejores resultados a largo plazo que la cirugía tradicional: la señal observada no equivale a un beneficio comprobado.
Vas a escuchar cada vez más que “una inteligencia artificial ya entiende el lenguaje como el cerebro” o que puede “leer tu mente” a partir de cómo procesa el texto. Lo que existe hoy es más modesto: una revisión que compara, en el papel, las representaciones internas de estos modelos con señales cerebrales medidas con resonancia, electroencefalograma y técnicas similares, y encuentra parecidos funcionales, no una explicación de cómo funciona el cerebro. Los propios autores son claros: hay “alineación funcional sin homología estructural”, es decir, se parecen en lo que hacen, no en cómo lo hacen por dentro. No hay, en este trabajo ni en ninguno citado en él, una aplicación clínica — ni diagnóstico ni tratamiento. Es ciencia básica sobre lenguaje y cerebro, no una herramienta que puedas usar ni que tu equipo de salud vaya a ofrecerte. Hipótesis · sin respaldo clínico
Esta semana dejamos fuera ocho trabajos que pasaron la primera lectura pero no cambiaban ninguna decisión tuya: pruebas de detección de sustancias que sirven para vigilancia epidemiológica y no para el seguimiento de una persona, estudios de un solo caso, y desarrollos técnicos — nuevos algoritmos, nuevos sensores — sin ningún dato en personas todavía. Son valiosos para quien construye estas herramientas; no cambian nada de lo que puedas hacer o preguntar hoy.
novedades-tecnologia-salud cubre herramientas y tecnologías, no tratamientos o fármacos específicos de una enfermedad — eso vive en la edición de tu propia condición, si tienes una. Y dentro de la tecnología, el umbral es el mismo de siempre: sin un estudio en personas que muestre un cambio real, no entra a esta edición, aunque circule mucho o nos lo pidan. Un dispositivo con buen marketing y sin evidencia se queda en “fuera de la frontera”, no en un tema.
Lo que todavía no sabemos
Si quieres seguir de cerca este tema entre una edición y otra, dos fuentes independientes valen la pena. npj Digital Medicine es una revista revisada por pares y de acceso abierto dedicada solo a tecnología en salud, sin filtro de marketing, con sus propios límites metodológicos explicados en cada estudio. El Programa de Atención Médica Efectiva de la agencia estadounidense AHRQ evalúa, con dinero público y sin conflictos comerciales, si una tecnología realmente cambia desenlaces — el mismo tipo de pregunta que te hacemos en cada tema de esta edición.
1 · ¿Tiene sentido que use una app o un chat para llevar mi seguimiento, o en mi caso no cambia nada?
2 · ¿Mis imágenes se analizan con algún modelo de este tipo, o solo con lectura manual?
3 · ¿Hay algún modelo de predicción por imágenes que aplique a mi caso, o es todavía experimental para mí?
4 · ¿La tecnología que me ofreces fue probada en un lugar parecido al mío — conectividad, idioma, acceso — antes de recomendármela?
5 · ¿La cirugía asistida por robot que me mencionan tiene resultados a largo plazo, o es todavía muy nueva?
6 · ¿Puedo llevarte una copia de mis propios registros — informes, exámenes — para que los revisemos juntos?
Esta semana la evidencia más sólida no viene de un aparato nuevo, sino de algo simple: una revisión sistemática con 1.742 personas mostró que acompañar el control de la diabetes con mensajería (WeChat) bajó la HbA1c en promedio 1,10 puntos frente a la atención habitual. La acción de esta semana parte de ahí — evidencia robusta.
La pregunta que te llevas al control: ¿Este registro que llevo te sirve a ti para decidir algo, o solo me sirve a mí?
En una línea: Esta semana la tecnología en salud avanzó más en predecir y en acompañar que en decidir y en tratar — y esa distinción es la que conviene llevarse a cualquier titular sobre IA en medicina.
La semana pasada: Esta es la primera edición de tecnología en salud que realmente te llega, así que todavía no hay una semana pasada que resumirte — iremos construyendo el hilo desde aquí. Hoy: una app de mensajería y la diabetes, dos formas de IA en imágenes oncológicas, y dos modelos de predicción más preliminares (pulmón y paratiroides). La próxima: vamos a seguir el estudio del modelo de imágenes para trasplantes: sus autores pidieron una validación prospectiva, y te contamos si aparece. Todo lo tuyo, ordenado por tema, vive en tu perfil →
Tu tema: Tecnología en salud · Tu objetivo: sin declarar aún.
Todavía no sabemos más de ti, así que esta edición va general — no calibrada a tu caso. Si nos cuentas qué te interesa dentro de la tecnología en salud (monitoreo, un diagnóstico específico, algo distinto), la próxima puede venir más afinada. Ajustar tu perfil →
P.D. Cuéntanos qué te faltó o qué sobró — respondiendo este correo llega directo a quien lo escribió. Lo leemos todos.