Skip to content
WriteVoice WriteVoice Start Creating

133 estadísticas de IA en sanidad, noviembre de 2026

Actualizado en 133 citas de fuentes primarias Se actualiza mensualmente

En esta página
  1. Conclusiones clave
  2. ¿Cuántos médicos y hospitales utilizan IA en 2026?
  3. ¿A qué ritmo crece la adopción de escribas de IA ambiental?
  4. ¿Cuántos dispositivos habilitados para IA ha autorizado la FDA?
  5. ¿Qué precisión y seguridad tiene la IA en medicina?
  6. ¿Qué opinan los pacientes sobre el uso de IA durante su atención?
  7. ¿Cuánto dinero se invierte en IA sanitaria?
  8. Metodología y fuentes

Las estadísticas de IA en sanidad de 2026 muestran que los médicos utilizan la IA sobre todo para documentar, no para diagnosticar. Entre los médicos de EE. UU., el 30 % ya utiliza la IA para crear instrucciones de alta, planes de atención o notas de evolución; el 28 %, para documentar códigos de facturación, historias clínicas o notas de consulta; y el 28 %, para generar resúmenes de historias clínicas, frente al 20 %, el 21 % y el 12 % de 2024 (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026). El diagnóstico asistido, el uso que acapara los titulares, se sitúa por debajo, con un 17 %; por detrás de la redacción de respuestas a mensajes del portal del paciente, con un 19 %, y de la traducción, con un 18 % (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026).

El gasto sigue el mismo patrón. La documentación clínica ambiental es la categoría de gasto más grande en IA sanitaria, con una cifra estimada de $600M en 2025, por delante de la automatización de la codificación y la facturación, con $450M (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025). La IA de diagnóstico se regula como dispositivo médico: la lista de la FDA está compuesta principalmente por programas de radiología, y las pruebas más sólidas de ensayos clínicos proceden del cribado de cáncer de mama. La mayoría de los pacientes quiere que le informen cuando se utilice IA durante su atención, y la mayoría confía poco en que su sistema sanitario la utilice de forma responsable.

Las cifras que aparecen a continuación abarcan la adopción entre médicos y hospitales, los escribas de IA ambiental, los dispositivos habilitados para IA de la FDA, la precisión y la seguridad, las actitudes de los pacientes y el dinero. Las cifras de fuera de EE. UU. están identificadas como tales.

Conclusiones clave

  • El 72 % de los médicos de EE. UU. utilizó al menos una aplicación de IA en su consulta en 2026, frente al 48 % de 2024 y el 38 % de 2023 (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026).
  • El 71 % de los hospitales de cuidados agudos de EE. UU. utilizó IA predictiva integrada en su historia clínica electrónica en 2024, frente al 66 % de 2023 (ASTP/ONC Data Brief 80, sep. 2025).
  • Los 43 grandes sistemas sanitarios de EE. UU. incluidos en una encuesta de otoño de 2024 informaron de actividad de adopción de notas de IA ambiental; fue la única de las 37 aplicaciones de IA para la que ningún sistema se quedó en cero (Poon et al., JAMIA, may. 2025).
  • El 29 % de los médicos de EE. UU. encuestados por Doximity entre noviembre de 2025 y enero de 2026 utilizaba herramientas de documentación por voz, como escucha ambiental o escribas de IA, frente al 20 % de marzo a abril de 2025 (Doximity, 2026 State of AI in Medicine, mar. 2026).
  • La adopción de escribas de IA se asoció con 16,0 minutos menos de documentación y 13,4 minutos menos de tiempo total en la HCE por cada 8 horas programadas de atención a pacientes, entre 8581 profesionales clínicos de 5 sistemas sanitarios académicos de EE. UU. (Rotenstein et al., JAMA, abr. 2026).
  • En un ensayo aleatorizado que comparó dos escribas de IA entre 238 médicos de UCLA, uno redujo un 9,5 % el tiempo dedicado a las notas y el otro no mostró cambios significativos (Lukac et al., NEJM AI, nov. 2025).
  • La lista de dispositivos médicos habilitados para IA de la FDA contiene 1614 dispositivos, con decisiones finales desde 1995 hasta junio de 2026 (FDA, AI-Enabled Medical Device List, sep. 2026).
  • La radiología es el panel de revisión principal del 76,2 % de los dispositivos habilitados para IA de la lista de la FDA (FDA, AI-Enabled Medical Device List, sep. 2026).
  • El 43,4 % de las retiradas de dispositivos de IA autorizados por la FDA se produjo en los 12 meses siguientes a su autorización, aproximadamente el doble que la tasa de todos los dispositivos 510(k) (Lee et al., JAMA Health Forum, ago. 2025).
  • En un ensayo aleatorizado sueco con 105 934 mujeres, el cribado de mamografías asistido por IA alcanzó una sensibilidad del 80,5 %, frente al 73,8 % de dos radiólogos, con la misma especificidad del 98,5 % (Gommers et al., Lancet, ene. 2026).
  • El uso indebido de chatbots de IA ocupa el primer puesto en la lista de ECRI de los 10 principales riesgos de tecnología sanitaria para 2026 (ECRI, Top 10 Health Technology Hazards 2026, ene. 2026).
  • El 72 % de los adultos de EE. UU. dice que un profesional sanitario debería informarles si la IA toma notas durante una consulta médica (Pew Research Center, ago. 2026).
  • El 29 % de los adultos de EE. UU. utiliza herramientas de IA o chatbots para obtener información y consejos de salud al menos una vez al mes, frente al 17 % de junio de 2024 (KFF Tracking Poll on Health Information and Trust, jun. 2026).
  • Las startups habilitadas para IA recibieron el 54 % de la financiación de capital riesgo en salud digital de EE. UU. en 2025, frente al 37 % de 2024 (Rock Health, 2025 Year-End Digital Health Funding Overview, ene. 2026).

¿Cuántos médicos y hospitales utilizan IA en 2026?

El uso de IA por parte de los médicos ha superado la fase de los primeros usuarios. La mayoría de los médicos de EE. UU. ya la utiliza, sobre todo para leer y escribir, no para diagnosticar. Los hospitales llegaron primero, a través de modelos predictivos integrados en la HCE.

Estadísticas de IA en sanidad: porcentaje de médicos de EE. UU. que utilizan al menos una aplicación de IA, no saben qué ofrece su consulta o no utilizan ninguna, 2023, 2024 y 2026
Figura 1: La proporción de médicos de EE. UU. que utilizan al menos una herramienta de IA en su consulta se ha duplicado aproximadamente desde 2023, y el grupo que no sabe qué ofrece su consulta se ha reducido a la mitad desde 2024; por tanto, el uso de IA ya es lo habitual en la medicina estadounidense. La AMA cambió la pregunta en 2026, por eso las barras se dividen en tres grupos. Fuente: AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026. Gráfico publicado por la fuente, consultado el 2 de oct. de 2026.

¿Cuánto se utiliza la IA entre los médicos en 2026?

La mayoría de los médicos de EE. UU. ya utiliza IA en el trabajo, y cada uno la emplea en más tareas que en 2023. La adopción fuera de EE. UU. es menor y desigual; los médicos de cabecera del Reino Unido están muy rezagados.

  • El médico medio utiliza ahora 2,3 aplicaciones de IA en su consulta, frente a 1,1 en 2023 (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026).
  • El 76 % de los médicos dice que la IA les da una ventaja a la hora de atender a los pacientes, frente al 65 % de 2023, mientras que el 40 % sigue sintiendo la misma emoción y preocupación al respecto (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026).
  • El 85 % de los médicos quiere que se le consulte o ser responsable de incorporar la IA a su consulta, y el 92 % quiere más formación y capacitación en IA (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026).
  • En todo el mundo, el 49 % de los profesionales clínicos y el 57 % de los médicos utilizaron una herramienta de IA para trabajar, según una encuesta a 2757 profesionales clínicos de 118 países, realizada entre diciembre de 2025 y febrero de 2026 (Elsevier, Clinician of the Future 2026, may. 2026).
  • Entre los profesionales clínicos que utilizan IA en el trabajo, el 34 % usa ahora con frecuencia o siempre herramientas de IA específicas para la práctica clínica, frente al 22 % de 2025; América del Norte es la región con el porcentaje más alto, con un 41 % (Elsevier, Clinician of the Future 2026, may. 2026).
  • En el Reino Unido, el 25 % de los médicos de cabecera utilizó herramientas de IA generativa en la práctica clínica en enero de 2025, frente al 20 % del año anterior (Blease et al., Digital Health, nov. 2025).
  • El 95 % de los médicos de cabecera del Reino Unido afirmó no haber recibido formación profesional sobre el uso de IA generativa en el trabajo, y el 85 % dijo que su empleador no les había animado a utilizarla (Blease et al., Digital Health, nov. 2025).

Una encuesta de un solo hospital muestra hasta qué punto este uso es informal.

  • En un gran hospital académico de EE. UU., el 66,7 % de los 54 médicos hospitalistas encuestados utilizaba IA en la práctica clínica sin que hubiera habido un despliegue institucional; OpenEvidence (51,9 %) se utilizaba mucho más que ChatGPT (7,4 %) (Bagla et al., JMIR, mar. 2026).

¿Para qué tareas utilizan la IA los médicos?

Los médicos utilizan la IA sobre todo para leer y escribir: resumir investigaciones, redactar notas y codificar consultas. El diagnóstico ocupa un lugar bajo en las encuestas nacionales, aunque los médicos hospitalistas que ya utilizan IA recurren a ella para los diagnósticos diferenciales.

  • Los resúmenes de investigaciones médicas y estándares de atención son ahora la aplicación de IA más común: los utiliza el 39 % de los médicos de EE. UU. en 2026, frente al 13 % en 2024 (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026).
  • Los médicos que utilizan herramientas de IA de propósito general como ChatGPT o Copilot las emplean sobre todo para consultar literatura médica (61 %), buscar información sobre fármacos (47 %) y formación profesional (47 %); mucho menos para comunicarse con los pacientes (31 %) o analizar imágenes médicas (18 %) (Elsevier, Clinician of the Future 2026, may. 2026).
  • Entre los médicos de cabecera del Reino Unido que utilizan IA generativa, el 35 % la emplea para redactar documentación tras las consultas y el 27 % para sugerir un diagnóstico diferencial (Blease et al., Digital Health, nov. 2025).
  • El 71 % de los médicos de cabecera del Reino Unido que utilizan IA generativa para tareas clínicas afirmó que las herramientas reducían su carga de trabajo (Blease et al., Digital Health, nov. 2025).
  • Entre los médicos hospitalistas de un hospital académico de EE. UU. que utilizan IA, el 88,9 % la emplea para responder a preguntas clínicas y el 86,1 % para generar diagnósticos diferenciales; solo el 44,4 % la utiliza para crear materiales educativos para pacientes (Bagla et al., JMIR, mar. 2026).

¿Cuántos hospitales y sistemas sanitarios han adoptado la IA?

La mayoría de los hospitales de EE. UU. ya utilizan IA predictiva en su HCE, y los grandes sistemas sanitarios han implantado IA de diagnóstico por imagen prácticamente en todas partes. Los hospitales pequeños, rurales, de acceso crítico e independientes van muy por detrás.

  • La automatización de la facturación fue el uso de IA hospitalaria que más creció: pasó del 36 % al 61 % de los hospitales que utilizaban IA predictiva entre 2023 y 2024, mientras que la programación de citas pasó del 51 % al 67 % (ASTP/ONC Data Brief 80, sep. 2025).
  • En 2024, el 82 % de los hospitales que utilizaban IA predictiva la evaluó para comprobar su precisión, el 74 % para detectar sesgos y el 79 % la supervisó después de implementarla (ASTP/ONC Data Brief 80, sep. 2025).
  • Solo el 37 % de los hospitales independientes utilizó IA predictiva en 2024, frente al 86 % de los hospitales pertenecientes a sistemas con varios centros; la brecha era similar en los hospitales de acceso crítico (50 % frente al 80 % de otros hospitales), los hospitales pequeños (59 % frente al 96 % de los grandes) y los hospitales rurales (56 % frente al 81 % de los urbanos) (ASTP/ONC Data Brief 80, sep. 2025).
  • El diagnóstico por imagen y la radiología son las aplicaciones clínicas de IA más extendidas en los grandes sistemas sanitarios de EE. UU.: el 90 % de los 43 sistemas encuestados en otoño de 2024 las había implantado al menos en algunas áreas (Poon et al., JAMIA, may. 2025).
  • Solo el 38 % de los sistemas sanitarios que utilizan IA para estratificar el riesgo clínico, por ejemplo para detectar precozmente la sepsis, afirmó haber obtenido un alto grado de éxito (Poon et al., JAMIA, may. 2025).
  • El 77 % de los sistemas sanitarios señaló que las herramientas de IA inmaduras eran su principal o segundo principal obstáculo, por delante de las preocupaciones financieras (47 %) y la incertidumbre normativa (40 %) (Poon et al., JAMIA, may. 2025).

Los datos censales de las empresas de asistencia sanitaria y social muestran que el uso de IA ha aumentado a lo largo de 2026.

¿A qué ritmo crece la adopción de escribas de IA ambiental?

Según los autores de la encuesta de JAMIA, los escribas ambientales superaron la fase de primeros usuarios más rápido que la IA de diagnóstico por imagen. Los primeros estudios rigurosos indican que el tiempo que ahorran es real, pero escaso; el ahorro es mayor en atención primaria y entre los profesionales clínicos que los utilizan en la mayoría de las consultas.

Porcentaje estimado de médicos de EE. UU. que utilizan documentación de IA ambiental en 11 especialidades, rondas de la encuesta de Doximity de abril de 2025 y enero de 2026
Figura 2: El uso de documentación de IA ambiental aumentó en las 11 especialidades que Doximity incluyó en su gráfico entre las rondas de la encuesta de primavera de 2025 e invierno de 2025-26; neurología encabezó el aumento, y ninguna especialidad superó el 35 %. Doximity señala que su muestra no es representativa de la población. Fuente: Doximity, 2026 State of AI in Medicine, encuesta de nov. de 2025 a ene. de 2026. Gráfico publicado por la fuente, consultado el 2 de oct. de 2026.

¿Cuántos profesionales clínicos utilizan escribas de IA ambiental?

Pocos grandes sistemas sanitarios de EE. UU. han activado las notas ambientales en todas partes, y los profesionales clínicos que disponen de la herramienta la utilizan en una minoría de sus consultas.

  • En otoño de 2024, solo el 14 % de los 43 grandes sistemas sanitarios de EE. UU. había implantado por completo las notas ambientales; el 47 % las había implantado en áreas limitadas y el 40 % aún las estaba desarrollando o probando (Poon et al., JAMIA, may. 2025).
  • Microsoft afirmó que su IA sanitaria automatizó 28 millones de encuentros con pacientes en el trimestre de abril a junio de 2026, el doble que el año anterior, y que iba camino de superar los 100 millones en el año natural 2026 (Microsoft, FY26 Q4 earnings call, jul. 2026).
  • En el Reino Unido, el 14 % de los 1003 médicos de cabecera encuestados en agosto de 2025 utilizaba un escriba de IA ambiental, el 39 % tenía previsto adoptar uno pronto y el 46 % no tenía planes de hacerlo (Blease et al., BMJ Health & Care Informatics, jul. 2026).

Dos sistemas sanitarios académicos muestran cómo aumenta la adopción tras el lanzamiento.

  • Para el 31 de marzo de 2025, unas 11 semanas después de que Vanderbilt University Medical Center pusiera la transcripción ambiental a disposición de más de 2400 profesionales clínicos en un solo día, 1223 profesionales clínicos ya la habían utilizado y el 20,1 % de las notas de consulta la incluía (Wright et al., JAMIA, oct. 2025).
  • En UCSF Health, 698 de los 1565 médicos adjuntos (44,6 %) habían adoptado un escriba de IA para abril de 2025; aun así, las consultas de quienes lo habían adoptado representaron solo el 15,2 % de 1,2 millones de visitas ambulatorias (Holmgren et al., JAMA Network Open, ene. 2026).

¿Cuánto tiempo de documentación ahorran los escribas de IA?

El ahorro es real, pero escaso. El mayor estudio multicéntrico y dos ensayos aleatorizados encuentran mejoras modestas, sobre todo en atención primaria y entre los usuarios intensivos; el tiempo dedicado a la HCE fuera del horario laboral apenas cambia.

  • Los profesionales de atención primaria que adoptaron un escriba de IA dedicaron 26,9 minutos menos a la documentación y 25,0 minutos menos a la HCE por cada 8 horas programadas de atención a pacientes que quienes no lo adoptaron (Rotenstein et al., JAMA, abr. 2026).
  • Los profesionales clínicos que utilizaron el escriba en el 50 % o más de sus consultas dedicaron 27,3 minutos menos a la documentación por cada 8 horas programadas de atención a pacientes y atendieron 1,0 consulta más a la semana que quienes no lo adoptaron (Rotenstein et al., JAMA, abr. 2026).
  • El tiempo dedicado a la HCE fuera del horario laboral no cambió significativamente con la adopción de escribas de IA (3,1 minutos menos por cada 8 horas programadas de atención a pacientes, IC del 95 %: 6,8 minutos menos a 0,5 minutos más), aunque las visitas semanales aumentaron en 0,49 (Rotenstein et al., JAMA, abr. 2026).
  • En un ensayo aleatorizado escalonado de 24 semanas con 66 profesionales de clínicas dirigidas por University of Wisconsin en dos estados, la IA ambiental redujo en 0,36 horas diarias el tiempo dedicado a las notas; una reducción de 0,50 horas de trabajo fuera del trabajo dejó de ser significativa al excluir el 3 % de los días con los valores más altos (Afshar et al., NEJM AI, nov. 2025).
  • Los médicos de UCSF que adoptaron un escriba de IA facturaron 1,81 unidades de valor relativo (RVU) más a la semana, lo que equivalía a unos $3044 al año con las tarifas de Medicare de 2025, y atendieron a 0,80 pacientes más a la semana, sin cambios en las reclamaciones denegadas (Holmgren et al., JAMA Network Open, ene. 2026).
  • En 14 servicios de urgencias, los profesionales clínicos no dedicaron menos tiempo a la edición activa de notas asistidas por IA que a la de notas convencionales (diferencia mediana de 0,17 minutos más), aunque escribieron 722 caracteres menos por nota (Kashiouris et al., Applied Clinical Informatics, sep. 2026).
  • El 46 % de los responsables de consultas médicas de EE. UU. afirmó que las nuevas herramientas de IA habían aumentado la productividad de sus profesionales en los últimos dos años; el 27 % no observó ninguna mejora, y quienes sí la observaron señalaron los escribas de IA ambiental como principal factor (MGMA Stat, may. 2026).

Dictar la nota después de la consulta es la forma tradicional de acortarla. En el centro de estadísticas sobre velocidad de escritura se comparan las velocidades de escritura y dictado, y programas de dictado clínico aborda ese flujo de trabajo.

¿Los escribas de IA alivian el agotamiento y las preocupaciones sobre la calidad de las notas?

Las puntuaciones de los ensayos y las encuestas mejoran con los escribas ambientales, pero las pruebas sobre el agotamiento siguen considerándose de baja certeza y proceden sobre todo de primeros usuarios voluntarios. Los profesionales clínicos siguen notificando errores en las notas de los escribas, y los pacientes son menos proclives a dar su consentimiento cuanto más información reciben.

  • Los médicos a los que se asignó cualquiera de los dos escribas de IA en el ensayo de UCLA mejoraron 2,83 y 2,69 puntos en la escala de bienestar Mini-Z, que va de 10 a 50 puntos; los usuarios de DAX redujeron la carga de tareas en 39,9 puntos en una escala de 0 a 400 (la reducción de 31,7 puntos de Nabla no fue estadísticamente significativa). Los autores afirman que estos resultados secundarios necesitan confirmación (Lukac et al., NEJM AI, nov. 2025).
  • En un ensayo aleatorizado, la IA ambiental redujo el agotamiento laboral y la desconexión interpersonal en 0,44 puntos en una escala de cinco puntos, pero el aumento de 0,14 puntos en la realización profesional no fue significativo (Afshar et al., NEJM AI, nov. 2025).
  • Entre 263 profesionales clínicos ambulatorios de 6 sistemas sanitarios de EE. UU., el porcentaje que dijo sufrir agotamiento bajó del 51,9 % antes al 38,8 % después de 30 días utilizando un escriba de IA ambiental, en un estudio antes-después sin grupo de control (Olson et al., JAMA Network Open, oct. 2025).
  • Un metaanálisis de 21 estudios halló que la documentación con IA ambiental se asociaba a una menor probabilidad de agotamiento (razón de probabilidades 0,47, a partir de 3 estudios), pero calificó de baja la certeza de las pruebas sobre el agotamiento (Gong et al., JMIR, ago. 2026).

El centro de estadísticas sobre el agotamiento de los médicos aborda lo frecuente que es el agotamiento. En cuanto a la calidad de las notas, los escribas no están libres de errores.

  • Los médicos del ensayo de UCLA calificaron las inexactitudes clínicamente importantes en las notas de los escribas como ocasionales (2,7 y 2,8 en una escala de cinco puntos), y se notificó un acontecimiento adverso leve (Lukac et al., NEJM AI, nov. 2025).
  • El 32 % de los médicos de cabecera del Reino Unido que utilizan escribas ambientales dijo que los errores se producían a menudo o siempre, y el 14 % informó de errores con consecuencias importantes o críticas (Blease et al., BMJ Health & Care Informatics, jul. 2026).
  • El 81,6 % de los pacientes de un centro sanitario académico de EE. UU. dio su consentimiento a la documentación ambiental cuando recibió información básica, pero solo lo hizo el 55,3 % una vez que se le explicaron las funciones de IA, el almacenamiento de datos y la participación empresarial (Lawrence et al., JAMA Network Open, jul. 2025).

¿Cuántos dispositivos habilitados para IA ha autorizado la FDA?

La lista de la FDA crece más rápido cada año y está compuesta sobre todo por programas que leen imágenes médicas. Casi todos esos dispositivos llegaron al mercado mediante la autorización 510(k), que se basa en compararlos con un dispositivo existente, en vez de exigir nuevos ensayos clínicos; además, las pruebas públicas que respaldan la mayoría son escasas.

Número de dispositivos médicos habilitados para IA autorizados por la FDA cada año y total acumulado, de 1995 a 2025
Figura 3: Las autorizaciones anuales de dispositivos habilitados para IA de la FDA pasaron de cifras de un solo dígito antes de 2016 a cientos al año, y la curva no se ha aplanado. Stanford elaboró este gráfico a partir de la versión de diciembre de 2025 de la lista, por lo que su barra de 2025 es inferior a la del archivo actual, que sigue sumando dispositivos a medida que la FDA publica sus resúmenes. Fuente: U.S. Food and Drug Administration, AI-Enabled Medical Device List, charted in Stanford HAI's 2026 AI Index Report, dic. 2025. Gráfico publicado por la fuente, consultado el 2 de oct. de 2026.

¿Cuántos dispositivos médicos habilitados para IA ha autorizado la FDA?

2025 marcó un récord de autorizaciones de dispositivos habilitados para IA de la FDA, y el primer semestre de 2026 ya supera los mismos meses de 2025. Casi todos los dispositivos llegaron al mercado por la vía 510(k).

  • La FDA autorizó 335 dispositivos habilitados para IA en 2025, un 43 % más que los 235 de 2024 y los 226 de 2023 (FDA, AI-Enabled Medical Device List, sep. 2026).
  • La lista ya contiene 181 dispositivos con decisiones de enero a junio de 2026, frente a los 176 de los mismos meses de 2025; la cifra de 2026 aumentará a medida que la FDA añada dispositivos cuyos resúmenes todavía no ha publicado (FDA, AI-Enabled Medical Device List, sep. 2026).
  • El 96,2 % de los dispositivos habilitados para IA de la lista, 1553 en total, llegó al mercado con la autorización 510(k); 40 lo hicieron mediante De Novo y 21 mediante autorización previa a la comercialización (PMA) (FDA, AI-Enabled Medical Device List, sep. 2026).
  • La lista de la FDA aún no indica qué dispositivos utilizan modelos de lenguaje grandes; la agencia afirma que etiquetará las funciones basadas en LLM en una futura actualización (FDA, AI-Enabled Medical Device List, sep. 2026).

Las cifras anuales proceden del archivo descargable de la propia FDA y se cuentan por fecha de decisión. La FDA añade dispositivos en actualizaciones posteriores, por lo que las cifras de los últimos años tienden a aumentar con el tiempo.

¿Qué especialidades médicas tienen más dispositivos de IA?

La radiología, con mucha diferencia. Todos los demás paneles de revisión se sitúan por debajo del 10 %, y casi la mitad de los dispositivos de IA de odontología se destinan a la radiología oral.

  • La especialidad cardiovascular ocupa un distante segundo puesto en la lista de la FDA, con 154 dispositivos (9,5 %), y neurología está en tercer lugar, con 73 (4,5 %); las autorizaciones cardiovasculares se duplicaron, de 15 en 2024 a 30 en 2025 (FDA, AI-Enabled Medical Device List, sep. 2026).
  • Solo 30 de los 1358 dispositivos de IA autorizados por la FDA (2,2 %) eran específicos de urología en septiembre de 2025, y el 26,7 % de ellos se autorizó en 2025 (Qian et al., BJU International, jun. 2026).
  • Los investigadores identificaron 52 dispositivos dentales de IA o aprendizaje automático en la base de datos 510(k) de la FDA, y el 48 % se destinaba a la radiología oral (Naved et al., BMC Oral Health, nov. 2025).
  • El 60 % de los dispositivos dentales de IA autorizados por la FDA no especificaba qué tipo de algoritmo de IA utilizaba, y el 50 % no tenía registros públicos de uso clínico (Naved et al., BMC Oral Health, nov. 2025).
  • Los 9 productos de cribado de cáncer de mama con IA autorizados o aprobados por la FDA entre 2017 y 2021 se autorizaron a partir de datos retrospectivos recopilados con anterioridad, y ninguno informó de la detección de cánceres de intervalo ni del estadio del cáncer en el momento de la detección (Potnis et al., JAMA Internal Medicine, dic. 2022).

¿Cómo se prueban y supervisan los dispositivos médicos de IA después de su autorización?

La mayoría de los resúmenes públicos de la FDA sobre dispositivos de IA no ofrece datos demográficos, pocos informan de pruebas prospectivas o aleatorizadas y los dispositivos sin validación clínica son los que más se retiran.

  • El 95,5 % de los dispositivos de IA y aprendizaje automático autorizados por la FDA no informó de datos demográficos en sus resúmenes públicos, y el 46,7 % no especificó el diseño del estudio (Lin et al., JAMA Health Forum, sep. 2025).
  • Solo 6 de los 691 dispositivos de IA autorizados por la FDA informaron de datos procedentes de ensayos clínicos aleatorizados, y 53 (7,7 %) informaron de datos de estudios prospectivos (Lin et al., JAMA Health Forum, sep. 2025).
  • Se notificaron 489 acontecimientos adversos relacionados con 36 dispositivos de IA autorizados por la FDA: 458 fallos de funcionamiento, 30 lesiones y 1 fallecimiento (Lin et al., JAMA Health Forum, sep. 2025).
  • Solo el 3,6 % de las aprobaciones de dispositivos de IA de la FDA entre 1995 y 2023 informó de la raza o etnia de los participantes de los estudios, y el 81,6 % no indicó su edad (Muralidharan et al., npj Digital Medicine, oct. 2024).
  • Los resúmenes de la FDA de 1012 dispositivos de IA obtuvieron una media de 3,3 sobre 17 en una escala de transparencia sobre el desarrollo y el rendimiento de los modelos; la puntuación solo mejoró 0,88 puntos tras los principios de aprendizaje automático de la FDA de 2021 (Mehta et al., npj Digital Medicine, nov. 2025).

Las retiradas reflejan esta falta de pruebas. Dos equipos de investigación distintos encontraron el mismo patrón en instantáneas diferentes de la lista.

  • 60 de los 950 dispositivos de IA autorizados por la FDA (6,3 %) se vincularon a 182 retiradas; los dispositivos sin validación clínica notificada tenían 2,8 veces más probabilidades de ser retirados, y las empresas cotizadas fabricaron el 53,2 % de los dispositivos, pero concentraron el 91,8 % de las retiradas (Lee et al., JAMA Health Forum, ago. 2025).
  • De los 903 dispositivos de IA autorizados por la FDA cuyo seguimiento llegó hasta agosto de 2024, 43 (4,8 %) fueron retirados tras una mediana de 458 días en el mercado (Ren et al., JAMA Network Open, jun. 2026).
  • Se retiró el 7,8 % de los dispositivos de IA sin estudios sobre su rendimiento clínico, frente al 2,6 % de los dispositivos que sí los tenían (Ren et al., JAMA Network Open, jun. 2026).

¿Qué precisión y seguridad tiene la IA en medicina?

Las pruebas más sólidas sobre el uso de IA en medicina proceden del cribado de cáncer de mama, donde un ensayo aleatorizado sueco halló que la lectura asistida por IA detectó más cánceres con muchas menos lecturas de radiólogos. Los chatbots cuentan con menos pruebas de ensayos clínicos y menos regulación que la IA de diagnóstico por imagen.

Tasas de detección de cáncer, rellamadas y falsos positivos por cada 1,000 mujeres cribadas en el ensayo MASAI, por grupo de edad; cribado asistido por IA frente a doble lectura estándar, Suecia, 2021 a 2022
Figura 4: El cribado asistido por IA (líneas discontinuas) detectó más cánceres que la doble lectura estándar en todos los grupos de edad; las tasas de falsos positivos se mantuvieron similares entre las mujeres menores de 70 años. Fuente: Hernström et al., Lancet Digital Health, Screening performance and characteristics of breast cancer detected in the MASAI trial, feb. 2025. Gráfico publicado por la fuente, consultado el 2 de oct. de 2026.

¿La IA diagnostica tan bien como los médicos?

En el cribado de cáncer de mama, el ensayo sueco MASAI concluyó que la lectura asistida por IA no era inferior a la lectura de dos radiólogos en cuanto a cánceres de intervalo. Los resultados de los chatbots son dispares: en un ensayo, GPT-4 no mejoró los diagnósticos de los médicos; en otro, mejoró sus puntuaciones en la toma de decisiones clínicas.

  • En MASAI, el cribado mamográfico asistido por IA registró 1,55 cánceres de intervalo por cada 1000 mujeres, frente a 1,76 con la doble lectura estándar, lo que cumplió el objetivo de no inferioridad del ensayo (Gommers et al., Lancet, ene. 2026).
  • El cribado asistido por IA detectó 6,4 cánceres por cada 1000 mujeres suecas, frente a 5,0 con la doble lectura estándar; la tasa de detección fue un 29 % mayor, sin que aumentaran significativamente los falsos positivos (Hernström et al., Lancet Digital Health, feb. 2025).
  • Los radiólogos del grupo de IA de MASAI realizaron 61 248 lecturas de cribado, frente a 109 692 en el grupo estándar, lo que supuso una reducción del 44,2 % de la carga de trabajo de lectura (Hernström et al., Lancet Digital Health, feb. 2025).
  • En el primer análisis de seguridad de MASAI, realizado con 80 033 mujeres suecas, el 28,3 % de las rellamadas del grupo asistido por IA resultó ser cáncer, frente al 24,8 % con la lectura estándar (Lång et al., Lancet Oncology, ago. 2023).
  • En 14 estudios y 1 214 885 pruebas de cribado, la mamografía con IA independiente alcanzó una precisión conjunta (AUC) de 0,890, pero la heterogeneidad fue tan alta que el intervalo de predicción del 95 % para un nuevo programa osciló entre 0,731 y 0,960; los autores afirman que sigue siendo necesario validar cada sistema localmente antes de implantarlo (Ciurescu et al., Diagnostics, sep. 2026).

Los ensayos con chatbots miden algo diferente: si un modelo de propósito general ayuda a un médico a razonar sobre un caso.

  • En un ensayo aleatorizado con 50 médicos de EE. UU., quienes utilizaron GPT-4 obtuvieron una mediana del 76 % en razonamiento diagnóstico, frente al 74 % de quienes emplearon recursos convencionales; la diferencia no fue estadísticamente significativa (Goh et al., JAMA Network Open, oct. 2024).
  • En el mismo ensayo, GPT-4 por sí solo obtuvo una puntuación 16 puntos porcentuales más alta que los médicos que utilizaron recursos convencionales (Goh et al., JAMA Network Open, oct. 2024).
  • En las decisiones sobre la atención, como el tratamiento y las pruebas, los 92 médicos que utilizaron GPT-4 obtuvieron una puntuación 6,5 puntos porcentuales superior a la de quienes emplearon recursos convencionales, pero dedicaron unos 119 segundos más a cada caso (Goh et al., Nature Medicine, feb. 2025).

¿Con qué frecuencia las herramientas de IA cometen errores o muestran sesgos?

Los errores son lo bastante comunes como para que ECRI pida ahora a los profesionales sanitarios que los notifiquen. Los médicos que revisan los textos siguen encontrando omisiones y detalles inventados en los borradores de IA, y una pequeña proporción podría causar daño a un paciente si se enviara sin revisar.

  • En una encuesta de ECRI a 124 responsables, en su mayoría de calidad, seguridad y gestión de riesgos, el 31 % dijo haber visto en el último año un resultado de IA que consideraba incorrecto o engañoso, y el 9 % afirmó que un error de IA había llegado a un paciente o afectado a una decisión sobre su atención (ECRI, AI error survey, ago. 2026).
  • En 450 notas clínicas generadas por LLM, el 1,47 % de las 12 999 frases de las notas contenía información inventada, y el 3,45 % de las 49 590 frases de las transcripciones de las consultas se había omitido en las notas (Asgari et al., npj Digital Medicine, may. 2025).
  • Cuando los médicos revisaron borradores de GPT-4 para responder a mensajes de pacientes, consideraron que el 7,1 % podía causar daños graves si se enviaba sin revisar, y que 1 de los 156 (0,6 %) podía causar la muerte (Chen et al., Lancet Digital Health, abr. 2024).
  • Los médicos que revisaron 100 resúmenes de hospitalización redactados por IA encontraron omisiones en el 25 %, inexactitudes en el 20 % e invenciones en el 2 %; consideraron que el 88 % no podía causar daños si se dejaba sin revisar (Grolleau et al., JAMA Network Open, may. 2026).
  • Por sí solos, los LLM identificaron la enfermedad correcta en el 94,9 % de los casos médicos; sin embargo, los adultos del Reino Unido que utilizaron los mismos LLM la identificaron en menos del 34,5 % de los casos, un resultado que no superó al de quienes utilizaron otras fuentes (Bean et al., Nature Medicine, feb. 2026).

Los sesgos aparecen tanto en algoritmos antiguos como en los LLM.

  • En 1,7 millones de resultados de nueve LLM sobre los mismos casos de urgencias, algunos casos etiquetados como LGBTQIA+ se remitieron a evaluaciones de salud mental unas seis o siete veces más de lo que estaba clínicamente indicado (Omar et al., Nature Medicine, abr. 2025).
  • Un estudio de 2019 sobre un algoritmo comercial de gestión de la atención muy utilizado concluyó que corregir su sesgo racial elevaría del 17,7 % al 46,5 % la proporción de pacientes negros señalados para recibir ayuda adicional (Obermeyer et al., Science, oct. 2019).

¿Qué normas regulan la IA en medicina?

EE. UU. se basa en normas de organismos públicos y proyectos de ley estatales, en vez de contar con una única ley sobre IA; la UE, que sí tiene una, ha retrasado un año el plazo para los dispositivos médicos.

  • Según nuestro recuento de los archivos de inventario de los ejercicios fiscales 2025 y 2024 publicados por HHS, HHS incluyó 446 aplicaciones de IA en el ejercicio fiscal 2025, frente a 271 en el ejercicio fiscal 2024; 167 de las 446 estaban implantadas y 88 se encontraban en fase piloto (HHS, AI Use Case Inventory, jul. 2026).
  • La norma final HTI-1 de ONC, publicada en enero de 2024, sustituyó el antiguo criterio de certificación de apoyo a la toma de decisiones clínicas por un criterio de intervención de apoyo a la toma de decisiones que abarca la IA predictiva; desde el 1 de enero de 2025, solo el nuevo criterio cuenta para la definición de HCE básica (ONC, HTI-1 Final Rule, Federal Register, ene. 2024).
  • Según nuestro recuento de la tabla de proyectos de ley de NCSL, los legisladores estatales presentaron 152 proyectos de ley sobre IA relacionados con la sanidad en 36 estados durante la sesión de 2025; 20 se aprobaron o adoptaron en 16 estados (NCSL, Artificial Intelligence 2025 Legislation, jul. 2025).
  • La UE modificó su Ley de IA en julio de 2026 para que las normas de alto riesgo para la IA integrada en dispositivos médicos y productos de diagnóstico in vitro sean aplicables a partir del 2 de agosto de 2028, un año después de la fecha del 2 de agosto de 2027 establecida en el texto original de 2024 (EUR-Lex, AI Act consolidated text, jul. 2026).
  • Las directrices de la OMS sobre modelos multimodales grandes, la IA generativa que hay detrás de los chatbots sanitarios, recogen más de 40 recomendaciones para gobiernos, empresas tecnológicas y proveedores de atención sanitaria (WHO, ene. 2024).

¿Qué opinan los pacientes sobre el uso de IA durante su atención?

Los pacientes quieren que se les informe y tener voz en cómo se utiliza la IA durante su atención, y cada vez más personas recurren por su cuenta a los chatbots para resolver dudas sobre salud.

Porcentaje de adultos de EE. UU. que dice que un profesional sanitario debería informarles cuando se utilice IA para analizar imágenes, hacer un diagnóstico, explicar resultados de laboratorio, tomar notas, solicitar recetas de renovación o programar citas, junio de 2026
Figura 5: Los estadounidenses quieren que se les informe sobre el uso de IA sobre todo cuando afecta a un diagnóstico, una imagen o un resultado de laboratorio; una mayoría clara también quiere saber si solo se utiliza para tomar notas durante la consulta o programar la cita. Fuente: Pew Research Center, Americans want transparency when AI is used in their healthcare, encuesta de jun. de 2026, publicada en ago. de 2026. Gráfico publicado por la fuente, consultado el 2 de oct. de 2026.

¿Se sienten cómodos los pacientes con que los médicos utilicen IA?

En la encuesta de Pew de 2023, la mayoría de los estadounidenses no se sentía cómoda. La comodidad aumenta cuando el profesional clínico mantiene el control, y los pacientes que han tenido un escriba de IA ambiental en la consulta suelen considerar que les ha resultado útil.

  • El 60 % de los adultos de EE. UU. dijo que le resultaría incómodo que su propio proveedor de atención sanitaria confiara en la IA para diagnosticar enfermedades y recomendar tratamientos, frente al 39 % que se sentiría cómodo, según el último sondeo de Pew sobre esta cuestión (Pew Research Center, feb. 2023).
  • El 75 % de los estadounidenses dijo que le preocupaba más que los proveedores adoptaran la IA demasiado rápido, antes de comprender los riesgos para los pacientes; al 23 % le preocupaba más que avanzaran demasiado despacio (Pew Research Center, feb. 2023).
  • Entre 13 806 pacientes hospitalizados encuestados en 43 países, el 57,6 % tenía una opinión positiva de la IA en la atención sanitaria, y quienes tenían peor salud eran mucho menos positivos (Busch et al., JAMA Network Open, jun. 2025).
  • El 72,9 % de esos mismos pacientes prefería que las decisiones las dirigiera un médico, y el 70,2 % prefería una IA capaz de explicarse, aunque su precisión fuera ligeramente menor (Busch et al., JAMA Network Open, jun. 2025).
  • En un experimento de elección conjunta con 3000 adultos de EE. UU., la presencia de un profesional clínico elevó en 18,4 puntos porcentuales la probabilidad de elegir una consulta asistida por IA; un rendimiento de la IA superior al de un especialista la elevó en 32,5 puntos (Bracic et al., JAMA Network Open, mar. 2026).

La experiencia directa suele reducir la preocupación, aunque sigue siendo importante informar de su uso.

  • En una encuesta a 1455 pacientes de Duke Health, los encuestados puntuaron las respuestas a mensajes del portal redactadas por IA por encima de las escritas por profesionales clínicos (0,30 puntos en una escala de satisfacción de 5 puntos); sin embargo, la satisfacción fue 0,13 puntos menor cuando la respuesta se etiquetaba como redactada por IA que cuando se identificaba como escrita por un profesional clínico (Cavalier et al., JAMA Network Open, mar. 2025).
  • De los 2202 pacientes de Stanford Health Care que tuvieron una consulta en la que se utilizó un escriba de IA ambiental, el 70,1 % lo consideró útil y el 73,6 % quería que se utilizara en futuras consultas (Shah et al., JAMIA Open, jun. 2026).

¿Confían los pacientes en que los sistemas sanitarios utilicen la IA de forma responsable?

La mayoría expresa poca confianza en la principal encuesta estadounidense sobre esta cuestión, y muchos pacientes no saben si se ha utilizado IA durante su atención.

  • El 65,8 % de los adultos de EE. UU. encuestados a mediados de 2023 dijo confiar poco en que su sistema sanitario utilizara la IA de forma responsable (Nong and Platt, JAMA Network Open, feb. 2025).
  • El 57,7 % dijo confiar poco en que su sistema sanitario se asegurara de que una herramienta de IA no les hiciera daño (Nong and Platt, JAMA Network Open, feb. 2025).
  • Los adultos que habían sufrido discriminación al buscar atención tenían menos probabilidades de confiar en que su sistema utilizara la IA de forma responsable (razón de probabilidades 0,66) y los protegiera de los daños de la IA (razón de probabilidades 0,57); ni los conocimientos sobre salud ni los conocimientos sobre IA se asociaron con la confianza (Nong and Platt, JAMA Network Open, feb. 2025).
  • Solo el 41,8 % de los pacientes hospitalizados de la encuesta realizada en 43 países confiaba en que la IA ofreciera información precisa sobre cómo responderían al tratamiento; fue el aspecto sobre el que se preguntó que obtuvo menos confianza (Busch et al., JAMA Network Open, jun. 2025).
  • El 63 % de los adultos de EE. UU. quiere tener más voz en la decisión de si se utiliza IA en su atención sanitaria, tres veces más que el 21 % que está conforme con el grado de participación que tiene (Pew Research Center, ago. 2026).
  • El 46 % de los adultos de EE. UU. no sabe si se ha utilizado IA en su atención sanitaria; el 37 % dice que no y el 16 % que sí (Pew Research Center, ago. 2026).
  • El 77 % de los adultos de EE. UU. está muy o algo preocupado por la privacidad de la información médica personal que se comparte con herramientas de IA (KFF Tracking Poll on Health Information and Trust, mar. 2026).

¿Cuántas personas hacen preguntas de salud a los chatbots de IA?

El uso aumenta en las dos encuestas que lo siguen a lo largo del tiempo, las de Rock Health y KFF; los médicos afirman que pocos pacientes se lo cuentan.

  • El 34 % de los adultos de EE. UU. utiliza chatbots de IA por al menos uno de ocho motivos relacionados con la salud, y el 25 % los utiliza para averiguar qué causa sus síntomas (Pew Research Center, ago. 2026).
  • El 32 % de los adultos de EE. UU. ha recurrido alguna vez a un chatbot de IA para obtener información sobre salud, el doble que el 16 % del año anterior (Rock Health, 2025 Consumer Adoption Survey, mar. 2026).
  • El 64 % de quienes utilizan IA para temas de salud hace preguntas a un chatbot semanalmente o más a menudo (Rock Health, 2025 Consumer Adoption Survey, mar. 2026).
  • El 41 % de los adultos que utilizaron IA para temas de salud en el último año ha subido información médica personal, como resultados de pruebas o notas de su médico; equivale al 13 % de todos los adultos de EE. UU. (KFF Tracking Poll on Health Information and Trust, mar. 2026).
  • Más de 300 millones de personas en todo el mundo hacen preguntas relacionadas con la salud a ChatGPT cada semana, según el recuento que OpenAI hace de sus propios usuarios (OpenAI, jul. 2026).
  • Solo el 8 % de los médicos de EE. UU. dice que la mayoría de sus pacientes revela que utiliza IA, mientras que el 30 % cree que probablemente la utiliza la mayoría de sus pacientes (AMA, 2026 Physician Survey on Augmented Intelligence, mar. 2026).

¿Cuánto dinero se invierte en IA sanitaria?

Los sistemas sanitarios aportan la mayor parte del dinero que se gasta en IA sanitaria, y la documentación acapara la mayor proporción. Las previsiones del tamaño del mercado difieren en torno a un 40 % incluso para 2026, así que conviene leer cada una como la estimación de una sola empresa.

Tamaño medio de las operaciones en 2025 para startups estadounidenses de salud digital habilitadas para IA y no habilitadas para IA, por fase de financiación, de la Serie A a la Serie D y posteriores
Figura 6: En 2025, las startups de salud digital habilitadas para IA captaron rondas más grandes que sus competidoras no habilitadas para IA, desde la Serie A hasta la Serie C; la prima se convirtió en un pequeño descuento en la Serie D y posteriores, por lo que la prima de IA alcanza su máximo en la Serie C y desaparece en la Serie D. Fuente: Rock Health, 2025 Year-End Digital Health Funding Overview, ene. 2026. Gráfico publicado por la fuente, consultado el 2 de oct. de 2026.

¿Qué proporción de la financiación de capital riesgo reciben las startups de IA sanitaria?

En 2025, las rondas fueron mayores y menos numerosas, un puñado de megarrondas sostuvo el año y la financiación siguió aumentando en el primer semestre de 2026.

  • Las startups de salud digital de EE. UU. captaron $14,2B en 2025, un 35 % más que los $10,5B de 2024 y el total anual más alto desde 2022 (Rock Health, 2025 Year-End Digital Health Funding Overview, ene. 2026).
  • Las startups de salud digital habilitadas para IA captaron rondas alrededor de un 19 % mayores, de media, que las startups que no centran sus productos en la IA; la diferencia llegó al 61 % en la Serie C (Rock Health, 2025 Year-End Digital Health Funding Overview, ene. 2026).
  • En 2025, menos startups recibieron más dinero: el número de operaciones cayó un 5 %, hasta 482, mientras que la operación media aumentó a $29,3M, frente a $20,7M (Rock Health, 2025 Year-End Digital Health Funding Overview, ene. 2026).
  • Las megarrondas de $100M o más representaron el 42 % de toda la financiación de salud digital en 2025, casi el doble que el año anterior; si se excluyeran las nueve empresas que más dinero recaudaron, el total de 2025 quedaría por debajo del de 2024 (Rock Health, 2025 Year-End Digital Health Funding Overview, ene. 2026).
  • Las startups estadounidenses de salud digital captaron $7,4B en 244 operaciones durante el primer semestre de 2026, $1B más que en el primer semestre de 2025 con un número de operaciones prácticamente igual (Rock Health, H1 2026 Funding and Market Overview, jul. 2026).
  • En el primer semestre de 2026, 20 megarrondas, algo más del 8 % de todas las operaciones, absorbieron el 45 % del capital riesgo de salud digital; Rock Health dejó de etiquetar las startups como habilitadas para IA a partir del T1 de 2026 porque, según afirma, la IA ya es demasiado común para considerarla un factor diferenciador (Rock Health, H1 2026 Funding and Market Overview, jul. 2026).

Las grandes rondas financiaron empresas de IA clínica y documentación ambiental. Cada cifra que aparece a continuación procede del anuncio de la propia empresa sobre su ronda.

  • Aidoc, empresa de IA clínica, captó $150M en una ronda de Serie E en abril de 2026, menos de un año después de su ronda de crecimiento anterior, y elevó su financiación total por encima de $500M (Aidoc, abr. 2026).
  • Abridge, empresa de documentación ambiental, captó $250M en una ronda de Serie D en febrero de 2025 (Abridge, feb. 2025).

¿Cuánto gastan los sistemas sanitarios en IA?

Según la única encuesta de inversores que mide este gasto, está aumentando rápidamente y los sistemas sanitarios pagan la mayor parte. Los ciclos de compra de los proveedores sanitarios se acortan, mientras que los de las aseguradoras se alargan.

  • Las organizaciones sanitarias de EE. UU. gastaron una cifra estimada de $1,4B en IA generativa en 2025, casi el triple que en 2024 (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
  • Los sistemas sanitarios aportaron cerca de $1B de ese gasto (75 %), los proveedores ambulatorios $280M (20 %) y las aseguradoras solo $50M (5 %) (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
  • El 22 % de las organizaciones sanitarias de EE. UU. ha implantado herramientas de IA específicas del sector, 7 veces más que en 2024 y 10 veces más que en 2023; los sistemas sanitarios encabezan la lista, con un 27 %, seguidos por los proveedores ambulatorios, con un 18 %, y las aseguradoras, con un 14 % (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
  • El 85 % del gasto en IA generativa en el sector sanitario se destina a startups, en vez de a proveedores consolidados (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
  • Los sistemas sanitarios tardan ahora una media de 6,6 meses en comprar IA, frente a los 8,0 meses de las compras tradicionales de tecnologías de la información, y los proveedores ambulatorios tardan 4,7 meses, frente a 6,0 (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).
  • Las aseguradoras siguen la tendencia opuesta: su ciclo medio de compra de IA se ha alargado a 11,3 meses, frente a 9,4 meses (Menlo Ventures, 2025 State of AI in Healthcare, oct. 2025).

Los límites de los contratos y los ingresos de los proveedores ofrecen otra perspectiva sobre el dinero.

  • Según Abridge, adjudicataria del contrato, el contrato empresarial de IA ambiental del Departamento de Asuntos de Veteranos de EE. UU., un contrato de adjudicación múltiple compartido por todos los proveedores que cumplen los requisitos, tiene un límite máximo total de $775,72M para cinco años (Abridge, sep. 2026).
  • Tempus AI, que vende diagnósticos y datos basados en IA, registró unos ingresos de $382,5M en el segundo trimestre de 2026, un 22 % más interanual; los ingresos de su división de Datos y Aplicaciones aumentaron un 28 %, hasta $93,2M (Tempus AI, Q2 2026 results (SEC Form 8-K), jul. 2026).

¿Qué tamaño alcanzará el mercado de la IA sanitaria?

Depende de la previsión que consultes. Tres firmas de investigación discrepan en torno a un 40 % incluso sobre la cifra de 2026 y utilizan años finales diferentes; por tanto, ninguna cifra única representa el tamaño del mercado.

  • MarketsandMarkets valora el mercado mundial de la IA en sanidad en $25,88B en 2025 y prevé que crezca de $36,67B en 2026 a $194,79B en 2031, con una tasa de crecimiento anual del 39,7 % (MarketsandMarkets, jun. 2026).
  • Grand View Research valora el mercado en $36,7B en 2025 y prevé que pase de $50,7B en 2026 a $505,6B en 2033, con una tasa de crecimiento anual del 38,9 %; América del Norte representó el 54 % de los ingresos de 2025 (Grand View Research, jun. 2026).
  • Precedence Research sitúa el mercado en $36,96B en 2025 y $51,20B en 2026, y prevé que alcance $744,34B en 2035, con una tasa de crecimiento anual del 35,02 % (Precedence Research, sep. 2026).

Los tres son informes de pago, y las cifras anteriores proceden de la página pública de resumen de cada firma. Definen el mercado de forma diferente, por lo que sus cifras finales no se pueden comparar como si correspondieran al mismo año.

Glosario

  • IA: inteligencia artificial; programas que realizan tareas como leer imágenes, predecir riesgos o redactar textos.
  • LLM: modelo de lenguaje grande; el tipo de IA que hay detrás de chatbots como ChatGPT.
  • IA generativa: IA que produce nuevos textos, imágenes o audios, en vez de limitarse a clasificar datos.
  • Escriba de IA ambiental: herramienta que escucha una consulta clínica, con consentimiento, y redacta una nota para que el profesional clínico la revise.
  • HCE: historia clínica electrónica.
  • Tiempo dedicado a las notas: tiempo que un profesional clínico dedica a redactar y editar notas en la HCE, según los registros de la HCE.
  • RVU: unidad de valor relativo, la medida que Medicare utiliza para fijar el precio del trabajo médico.
  • Mini-Z: encuesta breve que mide el bienestar y el agotamiento de los médicos.
  • 510(k): vía de autorización de la FDA para dispositivos que demuestran ser sustancialmente equivalentes a un dispositivo que ya está en el mercado.
  • De Novo: vía de la FDA para dispositivos nuevos de riesgo bajo o moderado sin equivalentes existentes.
  • PMA: autorización previa a la comercialización, la vía de la FDA para dispositivos de alto riesgo, que exige pruebas clínicas de seguridad y eficacia.
  • ASTP/ONC: Oficina del Subsecretario de Política Tecnológica y Oficina del Coordinador Nacional de Tecnologías de la Información Sanitaria, dependiente de HHS.
  • HHS: Departamento de Salud y Servicios Humanos de EE. UU.
  • HTI-1: norma de ONC de 2024 sobre la certificación de tecnologías de la información sanitaria que estableció requisitos de transparencia para las herramientas de apoyo a la toma de decisiones, incluida la IA predictiva.
  • Sensibilidad: proporción de personas con una enfermedad que una prueba identifica correctamente.
  • Especificidad: proporción de personas sin una enfermedad que una prueba descarta correctamente.
  • Cáncer de intervalo: cáncer diagnosticado entre cribados programados, después de que una prueba de cribado haya dado un resultado normal.
  • AUC: área bajo la curva; puntuación de 0 a 1 que mide hasta qué punto una prueba distingue entre casos positivos y negativos.

Metodología y fuentes

Todas las estadísticas de esta página se rastrearon hasta la organización que produjo los datos: organismos y agencias reguladoras (FDA, HHS, ASTP/ONC, Census Bureau y EUR-Lex), estudios revisados por pares en revistas como JAMA, Lancet, NEJM AI y Nature Medicine, organismos profesionales y de seguridad (AMA, ECRI, MGMA, WHO y NCSL), investigadores de encuestas (Pew Research Center y KFF), y empresas que informan sobre sus propios datos, rondas de financiación o presentaciones. Abrimos todos los enlaces el 2 de octubre de 2026 para confirmar que la página se cargaba, que la cifra aparecía en ella y que la fecha era correcta; los recuentos de los archivos de FDA, HHS y NCSL son cálculos propios a partir de los datos publicados. Los estudios observacionales se presentan como asociaciones, los resultados de los ensayos mantienen sus comparadores, las previsiones de mercado se atribuyen a la firma que las elaboró y los datos de fuera de EE. UU. están identificados como tales. No citamos recopilaciones de estadísticas. La página se actualiza mensualmente, empezando por la lista de la FDA, las encuestas a médicos, la financiación de capital riesgo y la encuesta de empresas del Census Bureau.

Fuentes

Cita esta página

Cada cifra de esta página enlaza al estudio del que procede. Puedes citar cualquiera de ellas con un enlace a esta página o a la fuente original.

WriteVoice. "133 estadísticas de IA en sanidad, noviembre de 2026." WriteVoice, noviembre de 2026. https://www.writevoice.io/es/statistics/ai-in-healthcare-statistics/
<a href="https://www.writevoice.io/es/statistics/ai-in-healthcare-statistics/">Estadísticas de IA en sanidad</a> (WriteVoice, noviembre de 2026)
Español