En radioterapia de países con menos recursos, la IA sigue atrapada entre piloto e integración
Una revisión sistemática localizó 18 estudios de despliegue de IA en radioterapia en países de ingresos bajos y medios. La barrera no es solo el algoritmo: es validar, integrar y sostener el flujo de trabajo.

Imagen editorial · PulsoSalud.
En breve
Una revisión sistemática localizó 18 estudios de despliegue de IA en radioterapia en países de ingresos bajos y medios. La barrera no es solo el algoritmo: es validar, integrar y sostener el flujo de trabajo.
Datos clave
- Evidencia revisada
- Revisión sistemática PRISMA en seis bases de datos; 18 estudios incluidos.Fuente: npj Digital Medicine
- Madurez
- Nueve estudios se limitaron a tareas aisladas; seis alcanzaron integración supervisada; ninguno mostró operación madura de nivel 4.Fuente: npj Digital Medicine
- Límite clave
- La validación fue principalmente retrospectiva y el corpus es pequeño y heterogéneo.Fuente: npj Digital Medicine
La promesa no basta con llegar al hospital
La inteligencia artificial podría ayudar a aliviar algunas presiones en radioterapia, especialmente allí donde faltan especialistas y la carga asistencial es alta. Sin embargo, una revisión sistemática publicada en npj Digital Medicine muestra que entre la promesa técnica y una integración estable sigue habiendo un trayecto largo.
La revisión examinó despliegues de IA en radioterapia en países de ingresos bajos y medios y encontró 18 estudios. Nueve se limitaron a tareas aisladas, seis alcanzaron integración supervisada y solo uno llegó a coordinar etapas del proceso. Ninguno mostró una operación madura de nivel 4 ni informó de monitorización continua.
El problema es el sistema completo
Los hallazgos apuntan a barreras de validación, infraestructura, gobernanza y madurez del flujo de trabajo. Automatizar una parte no equivale a disponer de un circuito clínico que pueda mantenerse, supervisarse y adaptarse de forma segura.
La lectura es relevante para las redes oncológicas de América Latina, donde el potencial de apoyo puede ser considerable y, al mismo tiempo, la capacidad tecnológica y organizativa es desigual. La ausencia de despliegues maduros no significa ausencia de innovación; indica que la evidencia disponible aún no demuestra una operación integrada y sostenida a escala.
Qué falta por demostrar
El corpus revisado es pequeño y heterogéneo, con validación principalmente retrospectiva. Por ello, no permite concluir efectividad clínica a gran escala. El siguiente avance tendrá que combinar evaluación técnica, procesos asistenciales, recursos, supervisión humana y resultados relevantes para pacientes.
Fuentes y trazabilidad
Fuente primaria: revisión sistemática en npj Digital Medicine, publicada el 9 de octubre de 2026. Esta pieza resume el estudio citado; no sustituye la evaluación clínica, regulatoria ni de implementación local.
— Redacción PulsoSalud
Fuentes y referencias
- Revisión sistemática en npj Digital Medicine, publicada el 9 de octubre de 2026
Autoría
Redacción PulsoSalud
Sección Salud digital.
Sigue leyendo
Contenidos relacionados

IA y salud · Gobernanza
IA clínica certificada, pero opaca: qué debe exigir un hospital antes de comprar
Una auditoría de 35 proveedores de historia clínica encontró información pública desigual e incompleta sobre riesgos, mitigación y gobierno de sus sistemas predictivos.
Leer
Eventos y formación · IA y salud
Dos citas para seguir la innovación y la IA en salud
Selección breve de PulsoSalud para equipos de innovación, startups y organizaciones sanitarias: el SME Info Day de la EMA y el Apply AI Summit de la Comisión Europea.
Leer
IA y salud · Gobernanza
La factura oculta de la IA clínica: quién paga su vigilancia
Un análisis en JAMA Health Forum advierte de que exigir a cada hospital su propia infraestructura de evaluación y seguimiento puede ampliar la brecha entre centros con recursos y redes rurales o de seguridad.
Leer¿Quieres recibir los próximos análisis?
Suscríbete al newsletter de PulsoSalud.
