Desde el verano de 2026, el marco regulatorio europeo en torno a la inteligencia artificial médica se ha precisado con la entrada en vigor del reglamento UE 2026/1744. Este texto pospone hasta agosto de 2028 las obligaciones más estrictas para los dispositivos médicos que integran IA, al tiempo que impone desde ahora reglas de transparencia para los chatbots y contenidos generados.
Este desfase entre lo que es técnicamente posible y lo que es reglamentariamente desplegable condiciona el ritmo real de las innovaciones en salud para los próximos años.
AI Act y dispositivos médicos: un aplazamiento regulatorio que cambia las reglas del juego
El reglamento denominado “Digital Omnibus” ha pospuesto oficialmente hasta el 2 de agosto de 2028 la aplicación de las obligaciones de alto riesgo del AI Act para los sistemas de IA integrados en dispositivos médicos y diagnósticos in vitro sujetos al MDR/IVDR. Las soluciones de IA de diagnóstico integradas (imagen, triaje, ayuda a la decisión clínica) cuentan, por lo tanto, con un aplazamiento de dos años.
Este plazo no significa una ausencia de restricciones. Estos sistemas seguirán siendo clasificados automáticamente como IA de alto riesgo, con requisitos estrictos de gobernanza, documentación técnica y vigilancia post-comercialización a partir de 2028. Los fabricantes que desarrollan hoy sus algoritmos deben anticipar estas obligaciones, de lo contrario, no podrán comercializar sus productos a tiempo.
Desde el 2 de agosto de 2026, las obligaciones del artículo 50 del AI Act ya son aplicables. Todo asistente conversacional utilizado con pacientes debe indicar claramente que se trata de una interacción con una IA. Las imágenes, archivos de audio y videos sintéticos de uso médico deben estar etiquetados como tales.
Estas medidas, publicadas en el DO de la UE el 24 de julio de 2026, ilustran una elección deliberada: proteger a los pacientes sobre la transparencia antes de regular el rendimiento de los algoritmos. Los actores que siguen estas evoluciones regulatorias, como La Santé de Demain, permiten medir la brecha entre las promesas tecnológicas y la realidad del despliegue.
Inteligencia artificial en diagnóstico: agentes clínicos autónomos bajo vigilancia
La generación de IA que emerge en 2026 ya no se limita a herramientas de ayuda para la lectura de imágenes. Los “agentes IA” son capaces de encadenar tareas completas: priorizar síntomas, planificar exámenes complementarios, analizar resultados biológicos y proponer una coordinación de tratamiento. Su funcionamiento se asemeja al de un copiloto clínico en lugar de un simple filtro algorítmico.
Los retornos de campo divergen en este punto. Algunos establecimientos informan de una ganancia de tiempo significativa en el triaje de urgencias, mientras que otros destacan el riesgo de descompromiso del clínico frente a una máquina que “decide” en su lugar. La cuestión de la responsabilidad médica sigue abierta: ¿quién es responsable cuando un agente IA prioriza mal a un paciente?
La presidenta de la Comisión Europea recordó en septiembre de 2026 que la IA en salud debía “seguir siendo europea” y no sustituir a los médicos. El Reino Unido publicó sus propias recomendaciones para la regulación de la IA médica la misma semana. Estas posiciones políticas traducen una tensión real entre la velocidad de adopción tecnológica y la capacidad de los sistemas de salud para enmarcar estas herramientas.
Datos sintéticos e investigación clínica: una aceleración discreta
Entre las innovaciones menos visibles pero más estructurantes, la generación de datos sintéticos para la investigación clínica modifica en profundidad la manera en que se diseñan los ensayos. El principio consiste en crear conjuntos de datos artificiales que reproducen las características estadísticas de cohortes reales, sin exponer datos personales de pacientes.
El interés es triple:
- Acelerar el entrenamiento de los algoritmos de IA médica sin depender de bases de datos hospitalarias sujetas al RGPD y a plazos de acceso largos
- Permitir a las startups y pymes del sector desarrollar modelos robustos sin disponer de un acceso privilegiado a los datos de grandes centros hospitalarios
- Reducir los sesgos relacionados con cohortes demasiado homogéneas simulando perfiles de pacientes subrepresentados en las bases existentes
Los datos disponibles aún no permiten concluir sobre la fiabilidad a largo plazo de estos juegos sintéticos en comparación con los datos reales. Las agencias regulatorias aún no han publicado un marco específico para validar los dispositivos médicos entrenados exclusivamente con datos sintéticos. Es un ángulo muerto regulatorio que podría frenar la adopción a pesar del potencial técnico.
Edición genética y terapias dirigidas: CRISPR entra en una nueva fase
La edición genética por CRISPR combinada con IA entra en una fase donde las correcciones genéticas ya no se dirigen solo a enfermedades monogénicas raras. Los algoritmos ahora permiten identificar objetivos terapéuticos en patologías poligénicas, donde interactúan varios genes. La medicina de precisión aplicada a la oncología se beneficia directamente de esta convergencia, con enfoques como la biopsia líquida que permiten adaptar un tratamiento al perfil molecular de un tumor en tiempo casi real.
Sin embargo, el paso de la investigación a la atención habitual sigue siendo lento. Las terapias génicas aprobadas aún se refieren a un número limitado de patologías, y su costo de producción frena su generalización. La bioimpresión 3D de tejidos, a menudo presentada como una revolución inminente, se enfrenta a desafíos de vascularización de las estructuras impresas que la investigación aún no ha resuelto.
Dispositivos conectados y gemelos digitales: el seguimiento del paciente en tiempo real
Los sensores portátiles que transmiten continuamente datos fisiológicos a un médico o un algoritmo ya no son experimentales. Un paciente diabético puede ajustar su tratamiento a través de un sensor conectado a su smartphone sin esperar su próxima consulta. Este modelo de telemonitorización continua transforma el recorrido de atención al desplazar parte del seguimiento fuera del hospital.
El gemelo digital lleva esta lógica un paso más allá: se trata de crear un doble virtual del paciente, alimentado por sus datos biológicos, para simular el efecto de un tratamiento antes de administrarlo. Las aplicaciones más avanzadas se refieren a la cardiología y la planificación quirúrgica.
Las limitaciones son conocidas. La interoperabilidad entre dispositivos sigue siendo baja, los formatos de datos varían de un fabricante a otro, y la integración en los sistemas de información hospitalarios lleva años. La tecnología existe, pero la infraestructura para explotarla a gran escala sigue siendo fragmentada.
El ritmo real de estas transformaciones dependerá menos de la capacidad de invención que de la capacidad de absorción de los sistemas de salud. Entre el aplazamiento regulatorio del AI Act, las cuestiones abiertas sobre la responsabilidad médica y los obstáculos de infraestructura, cada innovación deberá superar varios filtros antes de modificar concretamente la vida cotidiana de los pacientes y los cuidadores.
