IA en el sector salud: aplicaciones reales que ya funcionan en clínicas y hospitales

Tengo una perspectiva un poco diferente sobre la IA en sanidad. No vengo del mundo médico ni del académico. Vengo de haber implementado soluciones tecnológicas en una red de más de 70 clínicas dentales y haber visto de primera mano cómo la tecnología puede transformar —o complicar— la gestión sanitaria.

Lo que voy a compartir no son predicciones futuristas ni papers traducidos. Son aplicaciones que ya funcionan, herramientas que ya se usan y lecciones de proyectos reales. Con sus luces y sus sombras.

Porque la IA en sanidad no es solo algoritmos de diagnóstico que aparecen en los titulares. También es automatizar la gestión de citas, optimizar la facturación, mejorar la comunicación con pacientes y reducir la carga administrativa que asfixia a los profesionales. Y eso, créeme, es igual de transformador y muchísimo menos arriesgado.

Empiezo por lo que más disgustos evita: en sanidad hay dos líneas que no se cruzan. Los datos de salud son categoría especial del RGPD, con un listón mucho más alto que cualquier otro dato. Y cualquier herramienta que apoye el diagnóstico o el tratamiento es un producto sanitario y necesita marcado CE. Una IA generalista no lo tiene, y ninguna versión futura lo va a arreglar.

Dónde puede entrar la IA y dónde no

Área	¿IA generalista?	Requisito	Riesgo si te equivocas
Gestión de citas y agenda	Sí	Datos mínimos, contrato con proveedor	Bajo
Recordatorios y campañas de recall	Sí	Base jurídica para la comunicación	Bajo
Contenido educativo y web de la clínica	Sí	Revisión clínica antes de publicar	Bajo
Chatbot de información general	Sí	Aviso de que es IA (obligatorio desde ago-2026)	Medio
Codificación y facturación	Con supervisión	Contrato de encargado firmado	Medio
Documentación clínica por voz	Con contrato sanitario	Consentimiento, EIPD, política de audio	Medio-alto
Triaje de síntomas al paciente	No	Producto sanitario con marcado CE	Alto
Diagnóstico o apoyo al diagnóstico	No	Producto sanitario con marcado CE	Muy alto
Cálculo de dosis o pauta terapéutica	No	Producto sanitario con marcado CE	Muy alto

La primera columna con "No" no es una opinión de prudencia: es lo que dice el Reglamento (UE) 2017/745, y lo desarrollo más abajo.

El panorama real de la IA en sanidad

Hay muchísima inversión, muchísima investigación y muchísimo ruido. Pero la adopción real en clínicas y hospitales es más lenta de lo que sugieren los titulares. Por cuatro razones, todas legítimas.

Regulación estricta y necesaria. Los productos sanitarios con IA necesitan marcado CE en Europa. Eso lleva tiempo, y está bien que así sea: hablamos de la salud de las personas.

Integración con sistemas existentes. La mayoría de centros usa software de gestión que lleva años funcionando. Meter IA ahí no es enchufar y usar, y en España el mapa de sistemas por comunidad autónoma complica más el asunto.

Resistencia cultural. Muchos profesionales son escépticos ante la tecnología que pretende influir en decisiones clínicas. Han visto otras revoluciones prometer más de lo que entregaron.

Coste. Las soluciones certificadas no son baratas y para un centro pequeño la inversión cuesta de justificar sin datos claros de retorno.

Dicho esto, hay áreas donde la IA ya aporta valor medible.

IA para diagnóstico médico

Es el área que más atención mediática recibe, y los avances son genuinamente impresionantes. También es donde el marco regulatorio es más estricto.

Diagnóstico por imagen

Los algoritmos de aprendizaje profundo son extraordinariamente buenos analizando imágenes médicas, porque es un problema de clasificación visual y es exactamente lo que mejor hacen.

Radiología. Herramientas como Lunit INSIGHT detectan nódulos pulmonares sospechosos en TAC, sistemas como Transpara clasifican mamografías por riesgo para priorizar lectura, y plataformas como qXR analizan radiografía de tórax detectando decenas de hallazgos en segundos. El radiólogo sigue tomando la decisión y firmando el informe; la IA señala dónde mirar primero.

Dermatología. Aplicaciones que analizan fotografías de lesiones cutáneas para detectar melanoma y otros cánceres de piel. La precisión publicada es alta, con un sesgo importante: muchos modelos se entrenaron predominantemente con pieles claras, lo que degrada su fiabilidad en pieles oscuras. Es el ejemplo más citado de sesgo algorítmico con consecuencias clínicas.

Oftalmología. La detección de retinopatía diabética es una de las aplicaciones más maduras. LumineticsCore, antes IDx-DR, fue el primer sistema en recibir aprobación de la FDA para diagnóstico autónomo sin revisión de especialista, y sigue siendo una rareza regulatoria.

Todas estas herramientas comparten lo que las hace utilizables: marcado CE como producto sanitario. Sin eso, ninguna puede usarse para apoyar el diagnóstico en Europa, por buena que sea.

IA en odontología: donde tengo experiencia directa

Aquí puedo hablar con más propiedad, porque es mi terreno.

Análisis de radiografía dental. Herramientas como Overjet o Pearl analizan panorámicas y periapicales para detectar caries, pérdida ósea y lesiones periapicales. El odontólogo recibe un informe que revisa y valida.

Planificación de tratamientos. Software que propone planes a partir del historial, las radiografías y los protocolos clínicos. No sustituye al profesional: estandariza la calidad del diagnóstico entre gabinetes, que en una red con muchas clínicas es una ventaja enorme.

Simulación de resultado estético. Mostrar al paciente cómo quedará su sonrisa tiene impacto directo en la aceptación del presupuesto. Es marketing, no diagnóstico, y por tanto no entra en producto sanitario. Pero cuidado con lo que prometes: una simulación que el tratamiento no puede reproducir es un problema de expectativas y de reclamación.

Lo que he aprendido es que la IA diagnóstica funciona mejor como segundo par de ojos que como sustituto. Los profesionales que la usan así reportan más confianza y menos errores por omisión. Los que la usan como decisor terminan mal, tarde o temprano. Lo he desarrollado en detalle en IA para clínicas dentales.

Limitaciones reales

Sesgo en los datos de entrenamiento. Si el modelo se entrenó con una población concreta, puede ser menos preciso con otras. Es un problema documentado en dermatología y en cardiología, entre otras.

Falsos positivos. Un falso positivo en cribado oncológico genera estrés, pruebas invasivas y coste. La especificidad importa tanto como la sensibilidad, y los titulares casi nunca dan las dos.

Responsabilidad. Si la IA falla y hay daño, responde el profesional que tomó la decisión. Usar una herramienta de apoyo no traslada la responsabilidad al fabricante salvo defecto acreditado del producto.

IA para gestión de pacientes: el mayor impacto inmediato

Aquí es donde veo el retorno más rápido para una clínica. No es tan vistoso como el diagnóstico, pero transforma la rentabilidad y la experiencia del paciente sin tocar terreno regulado.

Gestión inteligente de citas

Las citas perdidas son uno de los costes más silenciosos de cualquier centro: una hora de agenda vacía no se recupera.

Predicción de ausencias. Algoritmos que analizan el histórico del paciente, el día de la semana, la hora y la antelación de la reserva para estimar la probabilidad de que no acuda. Con eso puedes reforzar el recordatorio en los casos de alto riesgo o gestionar mejor los huecos.

Recordatorios automatizados. SMS, WhatsApp o correo, ajustando el momento y el canal a las preferencias del paciente.

Optimización de agenda. Distribución de citas considerando duración esperada por tipo de tratamiento, preferencias y disponibilidad.

En las clínicas con las que trabajo, los recordatorios inteligentes bien configurados reducen las ausencias de forma notable. No te voy a dar un porcentaje universal porque depende muchísimo del tipo de clínica y del canal: mide el tuyo antes y después.

Comunicación automatizada

Chatbot de información. Puede resolver horarios, ubicación, qué documentación traer y qué incluye un tratamiento, y agendar citas. No puede hacer triaje de síntomas: en el momento en que valora urgencia clínica está haciendo función sanitaria. Y desde el 2 de agosto de 2026 tiene que identificarse como sistema de IA ante el usuario, por el artículo 50 del Reglamento Europeo de IA.

Seguimiento post-tratamiento. Mensajes que preguntan cómo se encuentra el paciente, detectan posibles complicaciones pronto y reducen llamadas al centro. Con escalado inmediato a persona si la respuesta lo requiere.

Campañas de recall. Identificar pacientes que no han acudido a su revisión y enviar recordatorios personalizados. En odontología es fundamental, y es donde mejor se ve el retorno.

Listas de espera

En el sistema público la IA puede ayudar con priorización según urgencia clínica y riesgo de deterioro, detección de cancelaciones con reasignación automática del hueco y predicción de demanda por especialidad y periodo. Ojo: un sistema que prioriza pacientes por criterio clínico está tomando decisiones con impacto en la salud y exige criterios auditables, supervisión humana y control de sesgo.

Automatización administrativa

Los profesionales dedican una cantidad obscena de tiempo a tareas administrativas. Es el frente donde la IA da más y arriesga menos.

Documentación clínica por voz. Los sistemas de escucha ambiental generan la nota clínica a partir de la conversación. Los ahorros que publican los fabricantes son de una a dos horas diarias por profesional; mídelo en tu centro. Y no olvides lo importante: estás grabando una conversación clínica, así que necesitas informar al paciente, contrato de encargado con el proveedor, evaluación de impacto y política de retención del audio.

Codificación y facturación. Sugerencia de códigos diagnósticos a partir de la nota, detección de errores que generarían denegación y homogeneización entre profesionales. Siempre con validación humana antes de facturar.

Historia clínica electrónica. Autocompletado inteligente, búsqueda semántica en el historial en vez de por palabra exacta y alertas de alergias o interacciones.

IA para investigación clínica y fármacos

Queda fuera del día a día de una clínica, pero acaba impactando en la práctica.

Descubrimiento de fármacos. Identificación de dianas terapéuticas analizando bases genómicas, diseño generativo de moléculas candidatas y predicción de eficacia y toxicidad antes del laboratorio. El desarrollo tradicional de un fármaco se mide en más de una década y en cifras de nueve dígitos; la IA está comprimiendo las fases iniciales de forma significativa, aunque los ensayos clínicos siguen marcando el ritmo real.

Ensayos clínicos. Emparejamiento de pacientes con ensayos según historial, detección temprana de efectos adversos analizando datos en tiempo real y análisis más rápido de resultados.

Protección de datos: el listón del artículo 9

Aquí hay que ser preciso, porque circula un error grave.

Los datos de salud no son simplemente datos sensibles: son categoría especial del artículo 9 del RGPD, cuyo tratamiento está prohibido con carácter general salvo excepción tasada. Y aquí el matiz que veo mal explicado casi siempre: el interés legítimo no es una excepción válida del artículo 9. Sirve como base del artículo 6 para datos ordinarios, no para levantar la prohibición del 9.

Para un centro sanitario la excepción aplicable suele ser el artículo 9.2.h): medicina preventiva, diagnóstico médico, prestación de asistencia sanitaria o gestión de servicios sanitarios, con la condición de que quien trate los datos esté sujeto a secreto profesional. En España se sostiene además en la LOPDGDD y en la Ley 41/2002.

El error más caro que veo es basar el tratamiento asistencial en el consentimiento del paciente. Parece lo más garantista y es lo contrario: el consentimiento es revocable en cualquier momento, pero el centro no puede borrar la historia clínica si el paciente lo revoca, porque la Ley 41/2002 obliga a conservarla un mínimo de cinco años desde el alta de cada proceso asistencial. Prometes algo que no puedes cumplir. El consentimiento explícito sí hace falta para lo que queda fuera de la asistencia: marketing, comunicaciones comerciales, fotos de antes y después.

Lo que el artículo 9 implica en la práctica:

• Evaluación de impacto casi siempre. El artículo 35 la exige ante alto riesgo y menciona expresamente las nuevas tecnologías; la lista de la AEPD la considera necesaria cuando concurren dos o más criterios, y datos de salud más tecnología nueva los cumplen. La sanción más alta de la AEPD en este terreno no fue por usar tecnología, sino por no haber hecho la evaluación de impacto.
• Delegado de protección de datos obligatorio en centros sanitarios, salvo profesionales que ejerzan a título individual.
• Contrato de encargado del tratamiento (artículo 28) con todo proveedor que procese datos de pacientes.
• Minimización y seudonimización antes de enviar nada a un tercero.
• Nunca cuentas gratuitas o personales. En los planes de consumo de las grandes herramientas las conversaciones pueden usarse para entrenar el modelo salvo exclusión expresa. Lo he desglosado plan por plan en RGPD e inteligencia artificial en la empresa.

Producto sanitario: la distinción que decide qué puedes usar

El Reglamento (UE) 2017/745 define producto sanitario por su finalidad prevista, no por la tecnología. Un software es producto sanitario cuando está destinado a diagnóstico, prevención, seguimiento, predicción, pronóstico o tratamiento de una enfermedad. Si cumple esa finalidad necesita marcado CE y evaluación de conformidad, con organismo notificado en casi todas las clases relevantes, y en España su comercialización está bajo supervisión de la AEMPS.

De ahí, dos consecuencias:

Una IA generalista no es un producto sanitario. Los modelos actuales —la familia GPT-5, Claude Opus 5 y Sonnet 5, Gemini 3.x Pro— no se comercializan con finalidad médica, no tienen marcado CE y sus condiciones de uso excluyen el uso clínico. Puedes usarlos para gestión, comunicación, formación y contenido. No para decidir sobre un paciente.

El desarrollo propio te convierte en fabricante. Si un centro coge una herramienta genérica y la despliega internamente con finalidad diagnóstica, se coloca en una posición muy incómoda respecto de la normativa de productos sanitarios. Es un riesgo que se asume sin querer en muchos proyectos de innovación interna.

El Reglamento Europeo de IA y su calendario real

El Reglamento (UE) 2024/1689 se solapa con el de productos sanitarios. Un sistema de IA que sea componente de seguridad de un producto sujeto a la legislación armonizada del Anexo I —donde están los productos sanitarios— y requiera evaluación de conformidad por tercero es de alto riesgo: gestión de riesgos, gobernanza de datos, documentación técnica, registro de eventos, transparencia, supervisión humana y robustez.

El calendario, tras el paquete de simplificación digital de 2026:

• Febrero de 2025: prácticas prohibidas y obligación de alfabetización en IA (artículo 4), que aplica a cualquier organización que use estos sistemas, sin umbral de tamaño.
• Agosto de 2026: obligaciones de transparencia del artículo 50.
• Diciembre de 2027: alto riesgo del Anexo III, aplazado desde agosto de 2026.
• Agosto de 2028: alto riesgo de sistemas integrados en productos con normativa sectorial, que es el caso de los productos sanitarios.

Cuidado con la lectura fácil: el aplazamiento no toca el marcado CE, que es exigible hoy y viene de otra norma. El calendario completo está en mi guía de la ley de IA europea.

Cómo implementar IA en una clínica o centro sanitario

Empieza por lo administrativo, no por lo clínico. Gestión de citas, comunicación y automatización tienen menor riesgo regulatorio, retorno más fácil de medir, menos resistencia del equipo e implantación más rápida. Cuando el equipo ve el beneficio en gestión, la adopción de herramientas clínicas certificadas es mucho más natural.

Involucra al equipo desde el principio. Los proyectos de IA que fracasan en sanidad suelen fracasar por lo mismo: se imponen desde arriba sin escuchar a quien va a usarlos.

Mide. Define indicadores antes de implantar: tasa de ausencias, tiempo medio de consulta, satisfacción del paciente, horas de documentación, ingresos por profesional. Mide antes y después, no solo después.

Documenta la formación. Desde febrero de 2025 no es solo buena práctica, es la prueba de cumplimiento del artículo 4.

En el mercado español hay proveedores trabajando específicamente en este terreno: Savana en análisis de datos clínicos no estructurados, Mediktor en evaluación de síntomas, y varias plataformas de telemedicina con automatización integrada. Si tu problema es más de captación que de operativa, lo he tratado en marketing para clínicas.

Preguntas frecuentes

¿Puede la IA diagnosticar enfermedades?

Puede apoyar el diagnóstico, y solo si es un producto sanitario con marcado CE. Las plataformas de imagen implantadas en hospitales lo tienen y funcionan como triaje o segunda lectura, con el informe firmado por un profesional. Una IA generalista como ChatGPT o Gemini no está autorizada para esa finalidad y sus propias condiciones de uso lo excluyen.

¿Puedo usar ChatGPT con datos de pacientes?

No en una cuenta gratuita ni personal. Los datos de salud son categoría especial del artículo 9 del RGPD y su tratamiento exige base jurídica específica, contrato de encargado del tratamiento con el proveedor, medidas reforzadas de seguridad y normalmente una evaluación de impacto. Para tareas con datos reales hace falta plan de empresa o API con contrato firmado y seudonimización previa.

¿Qué base jurídica hay que usar para tratar datos de salud con IA?

Para el tratamiento asistencial, el artículo 9.2.h) del RGPD —asistencia sanitaria y gestión de servicios sanitarios— apoyado en la LOPDGDD y la Ley 41/2002. El interés legítimo no es una excepción válida del artículo 9, y basar la asistencia en el consentimiento crea un problema, porque es revocable y la historia clínica debe conservarse cinco años desde el alta de cada proceso.

¿Qué es el marcado CE y por qué importa en IA sanitaria?

Es la declaración de conformidad de un producto sanitario con el Reglamento (UE) 2017/745, normalmente con intervención de un organismo notificado. Importa porque la calificación depende de la finalidad prevista, no de la tecnología: si un software está destinado a diagnóstico, seguimiento, predicción o tratamiento, necesita marcado CE para usarse legalmente con esa finalidad en Europa.

¿Puedo poner un chatbot que haga triaje de síntomas en la web de mi clínica?

Un chatbot de información general sí, pero el triaje de síntomas es otra cosa: valorar urgencia clínica es finalidad sanitaria y exige un producto certificado. Además, desde el 2 de agosto de 2026 cualquier chatbot debe informar al usuario de que es un sistema de IA, según el artículo 50 del Reglamento Europeo de IA.

¿Cuánto cuesta implantar IA en una clínica?

Para la parte administrativa se puede empezar por el precio de una suscripción de un modelo generalista, unos 20-23 euros al mes por usuario, más lo que ya pagas por tu software de gestión. La factura sube en cuanto entras en planes de empresa con contrato de encargado, documentación clínica por voz o herramientas certificadas de imagen, que se presupuestan por proyecto y por volumen.

¿Es obligatorio hacer una evaluación de impacto?

No de forma automática por usar IA, pero sí cuando el tratamiento pueda entrañar alto riesgo. El artículo 35 del RGPD menciona expresamente el uso de nuevas tecnologías, y la lista de criterios de la AEPD considera necesaria la evaluación cuando concurren dos o más. Con datos de salud y una tecnología nueva, esos dos criterios se cumplen prácticamente siempre.

¿Quién responde si la IA se equivoca con un paciente?

El profesional que toma la decisión clínica y el centro como responsable del tratamiento. Utilizar una herramienta de apoyo no traslada la responsabilidad al fabricante salvo que se acredite un defecto del producto. Por eso la supervisión humana es un requisito expreso del Reglamento Europeo de IA para los sistemas de alto riesgo, y no un trámite.

¿Qué modelos de IA son los actuales en 2026?

A agosto de 2026, la familia GPT-5 en ChatGPT, Claude Opus 5 y Claude Sonnet 5 en Claude, y Gemini 3.x Pro en Google. Si una formación o un proveedor te habla de GPT-4o, Claude 3.5 o Gemini 1.5 como lo último, está trabajando con información de hace dos años, y eso también dice algo sobre lo actualizado que está el resto de su producto.

¿Por dónde empiezo si gestiono una clínica pequeña?

Por la gestión, no por lo clínico. Recordatorios de cita inteligentes, campañas de recall, contenido para la web y automatización de tareas administrativas: riesgo regulatorio bajo, retorno medible en semanas y ninguna necesidad de tocar datos clínicos. Cuando el equipo vea el resultado, plantéate herramientas certificadas para la parte clínica.

La IA en sanidad no es el futuro: ya está aquí. Pero está aquí de forma mucho más prosaica de lo que Hollywood te haría creer. No son robots cirujanos autónomos. Son herramientas que ayudan a los profesionales a trabajar mejor, cometer menos errores y dedicar más tiempo al paciente. Y en un sector tensionado por la sobrecarga administrativa y la falta de recursos, eso puede ser la diferencia entre un sistema que funciona y uno que no. Si quieres la versión clínica en profundidad, la tienes en IA para médicos; y el estado del arte del año, en IA en medicina y salud en 2026.