Embedded Files
ACTUALIZACIONES SEMANALES
------------------------------
AGOSTO | 2026
------------------------------
Un modelo multitarea predice la glucosa y detecta hipoglucemias en un mismo marco
Un modelo multitarea predice la glucosa y detecta hipoglucemias en un mismo marco
DIABETES
Resumen. Se propone un marco de aprendizaje continuo multitarea (DA-CMTL) que, de forma simultánea, pronostica los niveles de glucosa y clasifica eventos de hipoglucemia. Entrenado con datos simulados (transferencia Sim2Real) y validado en tres bases públicas (DiaTrend, OhioT1DM y ShanghaiT1DM), alcanzó un RMSE de 14,01 mg/dL y sensibilidad/especificidad de 92,1%/94,3% a 30 minutos. En validación in vivo (ratas diabéticas) redujo el tiempo por debajo de rango de 3,01% a 2,58%.
Por qué es relevante. Muestra el camino hacia sistemas de administración automática de insulina (AID) más seguros: un único modelo que anticipa la glucosa y actúa como capa de seguridad frente a la hipoglucemia, en lugar de algoritmos aislados. Tipo de estudio: desarrollo y validación de modelo con datasets públicos y validación preclínica in vivo.
Fuente. npj Digital Medicine (2025). Publicado 16/10/2025. DOI: 10.1038/s41746-025-01994-4 — Ver artículo
Revisión sistemática: IA combinada con dispositivos vestibles (wearables) en diabetes
Revisión sistemática: IA combinada con dispositivos vestibles (wearables) en diabetes
DIABETES
Resumen. Revisión sistemática de 60 estudios (seleccionados entre más de 5.000 registros) sobre la integración de IA y tecnología vestible en el manejo de la diabetes. Los modelos de IA acoplados a wearables mostraron utilidad en la monitorización glucémica, el ajuste adaptativo de insulina y la predicción de eventos, además de reforzar el autocuidado y la toma de decisiones clínicas.
Por qué es relevante. Ofrece una foto rigurosa y actualizada del estado del arte, útil para ubicar dónde la evidencia es sólida y dónde no. Señala barreras concretas para la práctica: diversidad demográfica limitada, calidad variable de los datos, falta de benchmarks estandarizados e interpretabilidad limitada de los modelos. Tipo de estudio: revisión sistemática (n = 60 estudios).
Fuente. npj Digital Medicine (2025). Publicado 18/11/2025. DOI: 10.1038/s41746-025-02036-9 — Ver artículo
Una app de IA para estimar la ingesta subestimó las calorías un 25% frente a agua doblemente marcada
Una app de IA para estimar la ingesta subestimó las calorías un 25% frente a agua doblemente marcada
NUTRICIÓN / OBESIDAD
Resumen. Estudio observacional transversal, en condiciones de vida libre, que validó SNAQ —una app de evaluación dietética basada en imágenes con IA— contra el método de referencia de agua doblemente marcada (DLW) en 20 mujeres con obesidad, durante un protocolo de 7 días. Frente a un gasto energético total medido de 3.004 ± 481 kcal/día, SNAQ subestimó la ingesta un 25% (sesgo −817 kcal/día), y el recordatorio de 24 h la subestimó un 50%. La concordancia individual fue prácticamente nula (ICC = 0,00).
Por qué es relevante. Un recordatorio necesario de que "tener IA" no equivale a validez clínica: incluso con arquitecturas avanzadas persiste una brecha entre el rendimiento algorítmico y la utilidad real, y hace falta validación estandarizada antes de usar estas apps en consulta o investigación. Tipo de estudio: validación transversal contra método de referencia (n = 20).
Fuente. npj Digital Medicine (2026). Publicado 17/03/2026. DOI: 10.1038/s41746-026-02536-2 — Ver artículo
IA para interpretar datos de diabetes: hacen falta "benchmarks" curados por clínicos
IA para interpretar datos de diabetes: hacen falta "benchmarks" curados por clínicos
DIABETES
Resumen. Artículo de análisis en una revista de endocrinología de primer nivel que argumenta que, para integrar IA (incluidos modelos de lenguaje) en la lectura de datos de monitorización continua de glucosa e insulina, se necesitan estándares de referencia ("gold standards") anotados por clínicos que capturen su razonamiento y juicio. Propone métricas como el Glycemic Risk Index (GRI) para evaluar cómo la IA pondera el equilibrio entre hipo e hiperglucemia.
Por qué es relevante. Aporta el marco crítico que suele faltar en el entusiasmo por la IA: sin benchmarks clínicos sólidos y específicos por subpoblación, es difícil confiar en que las herramientas reflejen un buen razonamiento clínico. Muy útil para audiencia profesional. Tipo de publicación: artículo de análisis/comentario en revista de alto impacto.
Fuente. The Lancet Diabetes & Endocrinology (2026). PMID: 41911937. DOI: 10.1016/S2213-8587(26)00044-6 — Ver artículo
Modelo de aprendizaje automático interpretable para predecir metástasis ganglionar oculta en cáncer papilar de tiroides
Modelo de aprendizaje automático interpretable para predecir metástasis ganglionar oculta en cáncer papilar de tiroides
ENDOCRINOLOGÍA
Resumen. Estudio publicado en JCEM que desarrolla un modelo de machine learning interpretable para predecir la metástasis oculta en ganglios del compartimento central en el cáncer papilar de tiroides, un dato clave para decidir la extensión de la cirugía y evitar tanto el infratratamiento como intervenciones innecesarias.
Por qué es relevante. Ejemplo de IA aplicada a una decisión quirúrgica endocrinológica concreta y de alto impacto, con énfasis en la interpretabilidad (que el modelo explique por qué predice lo que predice), condición necesaria para la adopción clínica. Tipo de estudio: desarrollo y validación de modelo predictivo interpretable.
Fuente. The Journal of Clinical Endocrinology & Metabolism, 2026; 111(5):1232. Oxford Academic (artículo revisado por pares). — Ver artículo
Revisión asistida por IA de 4.609 estudios sobre modelos de lenguaje en medicina clínica
Revisión asistida por IA de 4.609 estudios sobre modelos de lenguaje en medicina clínica
IA EN SALUD (GENERAL)
Resumen. Revisión —realizada con ayuda de los propios modelos de lenguaje (LLM)— que identificó 4.609 estudios revisados por pares sobre LLM en medicina clínica entre enero de 2022 y septiembre de 2025 (≈3,2 artículos por día). Solo 1.048 usaron datos reales de pacientes y apenas 19 fueron ensayos aleatorizados prospectivos; la mayoría abordó escenarios simulados o preguntas tipo examen. En 1.046 comparaciones directas, los LLM superaron a humanos en el 33%, con fuerte dependencia del realismo de la tarea; al menos el 25% de los estudios tuvo muestras menores de 30.
Por qué es relevante. Pone números al fenómeno más comentado del año: hay una explosión de publicaciones, pero muy poca evidencia rigurosa y centrada en el paciente. Un excelente antídoto contra el exceso de expectativas, y un llamado a exigir ensayos prospectivos antes de la adopción clínica. Tipo de estudio: revisión sistemática asistida por LLM.
Fuente. Nature Medicine (2026). Publicado 03/03/2026. DOI: 10.1038/s41591-026-04229-5 — Ver artículo
Ensayo aleatorizado: el acceso a un LLM mejoró el razonamiento diagnóstico de los médicos SALUD (GENERAL)
Ensayo aleatorizado: el acceso a un LLM mejoró el razonamiento diagnóstico de los médicos SALUD (GENERAL)
Resumen. Ensayo controlado aleatorizado, simple ciego, con 60 médicos de varias instituciones de Pakistán (58 completaron el estudio) entre enero y mayo de 2025. Tras una formación de 20 horas en alfabetización en IA, se aleatorizó a los participantes a resolver viñetas clínicas con acceso a un LLM más recursos convencionales, o solo con recursos convencionales. La puntuación de razonamiento diagnóstico fue del 71,4% con LLM frente a 42,6% sin él (diferencia ajustada +27,5 puntos porcentuales; IC 95% 22,8–32,2; p<0,001), sin aumentar el tiempo por caso.
Por qué es relevante. Evidencia experimental —no solo simulaciones— de que, con formación adecuada, los LLM pueden mejorar el razonamiento clínico, especialmente en entornos con recursos limitados. Matiz importante: en un análisis exploratorio, el LLM solo superó al médico asistido por LLM, lo que abre el debate sobre cómo colaboran humano e IA. Tipo de estudio: ECA simple ciego (n = 58).
Fuente. Nature Health (Nature Portfolio), 2026. Publicado 06/02/2026. DOI: 10.1038/s44360-025-00007-8. Registro: NCT06774612 — Ver artículo
------------------------------
JULIO | 2026
------------------------------
🤖 Dos IAs (MIRA y AMIE) igualan o superan a médicos en diagnóstico y tratamiento
Resumen: Un estudio publicado esta semana en Nature presenta MIRA (de Jakob Kather y su equipo) y AMIE, de Google, dos sistemas de IA capaces de acompañar todo el proceso clínico: pedir estudios, interpretarlos y proponer tratamiento. MIRA, evaluado con más de 500 casos reales de guardia, logró 87.8% de precisión diagnóstica frente a 78.1% de un panel de seis médicos especialistas. AMIE, basado en Gemini, igualó a médicos reales en razonamiento clínico y los superó en precisión de tratamientos y apego a guías clínicas.
Por qué es curioso/útil: Es la primera vez que dos sistemas independientes de IA muestran, en el mismo número de una revista de primer nivel, que pueden gestionar un caso clínico de punta a punta (no solo diagnosticar) a un nivel comparable o superior al de médicos humanos. Los propios autores aclaran que esto no significa que estén listos para reemplazar a un equipo clínico real.
------------------------------
💡El NHS de Inglaterra despliega Copilot a 505.000 trabajadores de salud
Resumen: El NHS England anunció el 7 de junio que extenderá el acceso a Microsoft 365 Copilot a 505.000 trabajadores clínicos y administrativos. La prueba piloto previa, con más de 30.000 trabajadores en 90 organizaciones, mostró un ahorro promedio de 43 minutos por persona y por día en tareas administrativas.
Por qué es curioso/útil: Es uno de los despliegues de IA generativa más grandes anunciados hasta ahora en un sistema de salud público, y apunta a un problema muy concreto: liberar tiempo administrativo para que el personal de salud lo dedique a pacientes.
------------------------------
🤍 Un electrocardiograma de 10 segundos basta para detectar una afección cardíaca que suele pasar inadvertida
Resumen: Investigadores de Michigan Medicine desarrollaron un modelo de IA, entrenado con más de 800.000 electrocardiogramas, que predice la disfunción microvascular coronaria (CMVD) a partir de un EKG estándar de 10 segundos. Hasta ahora, detectar esta condición requería estudios de imagen especializados (PET), por lo que muchos pacientes con angiografías normales quedaban sin diagnóstico pese a tener dolor de pecho real.
Por qué es curioso/útil: Convierte un estudio barato y rutinario (el EKG) en una herramienta capaz de detectar algo que antes exigía equipamiento de alta gama, lo que podría ayudar especialmente a hospitales con recursos limitados.
------------------------------
👌 Una IA acierta más diagnósticos que los médicos en las primeras horas de guardia
Resumen: Un estudio de Harvard, con colaboradores de Stanford publicado en Science, evaluó el modelo o1 de OpenAI en casos reales de guardia. En las etapas tempranas, cuando solo hay información limitada del paciente, el modelo acertó el diagnóstico exacto o muy cercano en 67% de los casos, frente a 50-55% de dos médicos con los mismos datos.
Por qué es curioso/útil: En otra parte del estudio, el modelo recibió puntaje perfecto de razonamiento clínico en el 98% de los casos (explicando bien su lógica diagnóstica), algo que los médicos de planta lograron solo en el 35% de los casos. Ojo: es diagnóstico a ciegas con texto escrito, no manejo real de pacientes ni uso de imágenes.
Fuente: https://www.harvardmagazine.com/ai/ai-outperforms-doctors-diagnosis-harvard-study
------------------------------
🗣️ La voz como biomarcador: IA que intenta predecir recaídas de psicosis
Resumen: El estudio internacional TRUSTING está evaluando, en varios países y seis idiomas, si el análisis automático del habla (con IA explicable) puede anticipar el riesgo de recaída en personas con psicosis. Pacientes y controles sanos envían grabaciones de voz semanales durante 12 meses para que el sistema detecte patrones de cambio.
Por qué es curioso/útil: La idea de que la forma de hablar, el ritmo, las pausas y la estructura puedan anticipar una crisis psiquiátrica antes de que sea evidente clínicamente abre una vía de prevención poco invasiva y de bajo costo.
Fuente: https://www.medrxiv.org/content/10.1101/2025.11.14.25339774.full.pdf
------------------------------
❓Casi 1 de cada 2 españoles ya le pregunta a una IA sobre su salud
Resumen: Una encuesta a 2.000 personas en España encontró que el 41,6% de los adultos de 18 a 65 años usa herramientas de IA generativa para resolver dudas sobre su salud o cuidado personal. Sorprendentemente, el uso es mayor entre las personas de 55 a 65 años (45,1%) que entre los jóvenes de 18 a 29 (40,1%).
Por qué es curioso/útil: Contradice la idea de que solo los más jóvenes recurren a la IA: en este caso son los adultos mayores quienes más la usan para temas de salud, justo el grupo que históricamente consulta más al médico de cabecera.
------------------------------
🩼La FDA ya autorizó más de 1.450 dispositivos médicos con IA
Resumen: Según datos actualizados de la FDA, ya son 1.451 los dispositivos médicos habilitados con inteligencia artificial desde que comenzó a llevarse registro en 1995. Solo en marzo de 2026 se autorizaron 24 nuevos dispositivos (uno cada 31 horas) y en abril, 27 más. La radiología sigue siendo la especialidad líder, con el 77% de las autorizaciones.
Por qué es curioso/útil: El ritmo de aprobación, un dispositivo nuevo cada día y medio, muestra qué tan rápido se está integrando la IA al equipamiento médico cotidiano, aunque la mayoría todavía se concentra en imágenes (radiología) y no en otras especialidades.
Fuente: https://intuitionlabs.ai/articles/fda-ai-medical-device-tracker
------------------------------
JUNIO | 2026
------------------------------
😷 La IA superó a médicos de guardia en precisión diagnóstica (Harvard)
Resumen: Un estudio de Harvard Medical School y Beth Israel Deaconess Medical Center, publicado en la revista Science, comparó el diagnóstico de 76 pacientes de urgencias hechos por dos médicos internistas frente a los modelos o1 y 4o de OpenAI. La IA acertó el diagnóstico correcto o muy cercano en alrededor del 67% de los casos, frente a 50-55% de los médicos.
Por qué es curioso/útil: Es uno de los primeros estudios que muestra a una IA superando consistentemente a médicos humanos en diagnóstico de emergencias reales, no solo en exámenes estandarizados. Útil para conversar sobre el rol de la IA como apoyo (no reemplazo) en la toma de decisiones clínicas urgentes.
------------------------------
💊 Anthropic presenta Claude Mythos 5: diseño de fármacos 10 veces más rápido
Resumen: Anthropic lanzó Claude Fable 5 y Claude Mythos 5, modelos de una nueva categoría Mythos enfocada en ciencias de la vida. En pruebas internas, Mythos 5 ejecutó tareas de diseño de fármacos sin asistencia humana directa (selección de sitios de unión, recuperación de corridas fallidas) igualando o superando a científicos expertos, y sus hipótesis de biología molecular fueron preferidas por científicos en el 80% de comparaciones ciegas.
Por qué es curioso/útil: Una hipótesis generada por el modelo sobre una proteína de E. coli fue corroborada de forma independiente por un laboratorio externo. Además, trabajó de forma autónoma más de una semana en genómica, entrenando un modelo que superó a otro 100 veces más grande.
------------------------------
🧑⚕️ El NHS británico despliega IA a 505.000 trabajadores de salud
Resumen: NHS England anunció la expansión de Microsoft 365 Copilot a 505.000 trabajadores clínicos y administrativos, tras un piloto con 30.000 usuarios. El piloto mostró un ahorro promedio de 43 minutos diarios por persona en tareas administrativas, equivalente a unas 5 semanas laborales al año.
Por qué es curioso/útil: Es el mayor ensayo de IA en salud a nivel mundial según Microsoft y NHS England. Un buen dato concreto sobre cuánto tiempo puede liberar la IA para que el personal de salud dedique más atención a pacientes.
------------------------------
💉 Vacuna universal contra coronavirus diseñada por IA supera su primer ensayo en humanos
Resumen: La Universidad de Cambridge y su spin-out DIOSynVax probaron en 39 voluntarios sanos una vacuna de ADN cuyo componente activo, un superantígeno, fue diseñado enteramente por simulación computacional, analizando datos genéticos de todo el grupo de coronavirus sarbecovirus. Se aplicó sin aguja, mediante un sistema de microchorro.
Por qué es curioso/útil: Es la primera vez que se prueba en humanos una vacuna cuyo antígeno fue creado por completo con IA. Generó respuesta inmune no solo contra SARS-CoV-2, sino contra virus relacionados de murciélagos con potencial pandémico futuro.
------------------------------
🔍 EvORanker: la IA que acorta años de búsqueda de un diagnóstico raro a minutos
Resumen: Investigadores de la Universidad Hebrea de Jerusalén crearon EvORanker, un algoritmo que compara la evolución de un gen a través de más de 1.000 especies para identificar cuál es el responsable de una enfermedad rara. En pruebas clínicas, ubicó el gen correcto como primera opción en casi 70% de los casos y entre los cinco primeros en 95% de los casos.
Por qué es curioso/útil: En un caso identificó un gen nunca antes vinculado a una enfermedad y resolvió el diagnóstico de un niño con un trastorno del neurodesarrollo tras años sin respuesta. Combina evolución comparada con IA, un enfoque poco habitual fuera de la genética.
Fuente: https://en.huji.ac.il/news/new-ai-breakthrough-could-change-long-search-rare-disease-diagnoses
------------------------------
💍 Wearables con IA: del anillo inteligente a la predicción de mortalidad
Resumen: Una revisión publicada en junio de 2026 en National Science Review describe cómo la IA ligera embebida en dispositivos como el Oura Ring (con detección de apnea del sueño aprobada por la FDA) filtra ruido, personaliza líneas base y detecta anomalías de ritmo cardíaco, oxígeno y sueño. En paralelo, un estudio en The Lancet con datos de más de 135.000 adultos asoció incluso pequeños aumentos de actividad diaria con menor mortalidad.
Por qué es curioso/útil: Muestra cómo la IA está migrando del hospital a la muñeca: dispositivos de consumo masivo ya ofrecen funciones antes exclusivas de equipos médicos, generando datos a escala poblacional sobre actividad y salud.
Fuente: https://www.mdpi.com/2079-6374/15/7/410
------------------------------
🤷 Más del 41% de los españoles usa IA generativa para resolver dudas de salud
Resumen: Un informe de LLYC y Appinio, con 2.000 entrevistas en España, encontró que el 41,6% de las personas de 18 a 65 años usa IA generativa para consultas de salud y bienestar, superando otros usos cotidianos como buscar noticias (37,9%) o comparar precios (34,5%). El grupo de 55 a 65 años es el de mayor uso (45,1%) y las mujeres consultan más que los hombres en todos los tramos de edad.
Por qué es curioso/útil: Contradice la idea de que solo los más jóvenes recurren a la IA: en este estudio son los adultos mayores de 55 quienes más la usan para temas de salud, un dato útil para pensar en alfabetización digital en salud por generación.
Page updated
Google Sites
Report abuse