thumb|Radiografía de una mano con cálculo automático de la edad ósea mediante un programa informático basado en inteligencia artificial. La Inteligencia Artificial (IA) aplicada al campo de la salud se basa en la utilización de algoritmos y técnicas de software para predecir la cognición humana a través del análisis de conjuntos de datos médicos. En concreto, la Inteligencia Artificial es la habilidad que dota a algoritmos computacionales de la capacidad para aproximar conclusiones sin la intervención directa del razonamiento humano.

Lo que diferencia a la tecnología basada en la Inteligencia Artificial de las tecnologías tradicionales empleadas en el campo de la salud, es la habilidad de conseguir información, procesarla y proporcionar al usuario final un diagnóstico bien definido. La Inteligencia Artificial consigue este objetivo por medio de algoritmos de aprendizaje automático, que son capaces de reconocer patrones de comportamiento y extraer su propia lógica. Para reducir el margen de error, los algoritmos basados en Inteligencia Artificial necesitan someterse a continuas evaluaciones. Los algoritmos basados en Inteligencia Artificial se comportan de manera diferente a los seres humanos en cuanto a los dos siguientes factores: (1) los algoritmos son literales: cuando se establece un objetivo, el algoritmo no puede auto ajustarse y solamente comprenderá aquello que se le ha ordenado de forma explícita, (2) y los algoritmos son cajas negras; pueden predecir de forma extremadamente precisa, pero no explicar el por qué de su predicción.

El objetivo principal de las técnicas de Inteligencia Artificial aplicadas en el campo de la salud, es analizar las relaciones entre métodos de prevención o tratamiento y sus resultados en el paciente. Se han creado y aplicado programas basados en Inteligencia Artificial a prácticas como procesos de diagnóstico, creación de protocolos de tratamiento, creación de fármacos, medicina personalizada y monitorización y cuidado del paciente. Instituciones clínicas como la Clínica Mayo, Memorial Sloan Kettering Cancer Center, Hospital General de Massachusetts y el National Health Service, han creado algoritmos basados en inteligencia Artificial para sus departamentos. Grandes compañías tecnológicas como IBM y Google, y startups como Welltok y Ayasdi, también han creado algoritmos basados en Inteligencia Artificial orientados al campo de la salud. Además, las nuevas tecnologías traen consigo nuevas consideraciones éticas en cuestiones como la intimidad, oportunidades perdidas en el mercado laboral, y desigualidades en la representación.

Historia Investigaciones en las décadas de 1960 y 1970 tuvieron como resultado la creación del primer sistema experto, conocido como Dendral. A pesar de estar diseñado para aplicaciones en química orgánica, proporcionó la base para el posterior sistema MYCIN, considerado uno de los usos más tempranos de la inteligencia artificial en medicina. No obstante, ni MYCIN ni otros sistemas como INTERNIST-1 o CASNET consiguieron que se hiciera un uso rutinario de ellos.Duda, R. O., & Shortliffe, E. H. (1983). Búsqueda de sistemas expertos. Ciencia, 220(4594), 261-268. Durante la década de 1970, recursos informáticos compartidos como SUMEX-AIM facilitaron el desarrollo y la colaboración en el campo de la inteligencia artificial biomédica.

En las décadas de 1980 y 1990, tuvo lugar una proliferación de los microordenadores y nuevos niveles de conectividad de red. Durante este tiempo, investigadores y creadores reconocían que los sistemas basados en inteligencia artificial aplicados en el campo de la salud debían ser diseñados para acomodar la ausencia de conjuntos de datos perfectos. Métodos basados en la teoría de conjuntos borrosos, redes Bayesianas y redes neuronales han sido aplicadas a sistemas inteligentes en el campo de la salud.

Los avances médicos y tecnológicos, conseguidos a lo largo de esta mitad de siglo, que han permitido el crecimiento de las aplicaciones de inteligencia artificial aplicadas en el campo de la salud, incluyen:

Avances en la energía de cómputo, dando lugar a una mayor rapidez en la recolección y el procesamiento de datosKoomey, J., Berard, S., Sanchez, M., & Wong, H. (2011). Implicaciones de tendencias históricas en la eficacia eléctrica de computar. Anales de IEEE de la Historia de Computar, 33(3), 46-54. Aumento del volumen y disponibilidad de datos médicos para el personal y dispositivos médicosDinov, I. D. (2016). Volumen y valor de grandes healthcare dato. Revista de estadística médica y informatics, 4. El crecimiento de las bases de datos se secuenciación genómicaBarnes, B., & Dupré, J. (2009). Genomas y qué para hacer de ellos. Universidad de Prensa de Chicago. Implementación generalizada de sistemas de expedientes sanitarios electrónicosJha, Un. K., DesRoches, C. M., Campbell, E. G., Donelan, K., Rao, S. R., Ferris, T. G., ... & Blumenthal, D. (2009). Uso de registros de salud electrónica en hospitales de EE.UU.. Revista de Inglaterra nueva de Medicina, 360(16), 1628-1638. Avances en el procesamiento del lenguaje natural y visión computacional, permitiendo a las máquinas replicar procesos de percepción humanosBanko, M., & Brill, E. (2001, julio). Scaling A muy muy grande corpora para desambiguación de lengua natural. En Proceedings de la 39.ª reunión anual encima asociación para lingüística computacional (pp. 26-33). Asociación para Lingüística Computacional.Dougherty, G. (2009). Procesamiento de imagen digital para aplicaciones médicas. Cambridge Prensa universitaria. Mejoras en la precisión en las cirugías llevadas a cabo por robots"Máquina e Inteligencia artificiales Aprendizaje para Healthcare" Sigmoidal, diciembre 21, 2017. https://sigmoidal.io/artificial-intelligence-and-machine-learning-for-healthcare/.

Investigación actual Varias especialidades en medicina han mostrado un aumento en las investigaciones relacionadas con la inteligencia artificial. No obstante, la especialidad que más atención ha cobrado es el campo de la Radiología.

Investigaciones actuales en España La llegada de la pandemia mundial provocada por el Covid-19 (SARS CoV-2) ha hecho que se impulse el uso de herramientas basadas en inteligencia artificial para comprender y obtener conclusiones en un menor tiempo sobre la enfermedad.

Algunas de las investigaciones y aplicaciones que se han llevado a cabo en España son:

Metodología combinada para la detección del virus, mediante el estudio de muestras nasofaríngeas con la técnica MALDI-TOF-MS y su posterior procesamiento, con un modelo de inteligencia artificial basado en Máquinas de Vectores de Soporte (SVM). Esta técnica permite, en comparación con la prueba de diagnóstico actual más generalizada (RT-PCR), reducir a menos de 2h. el tiempo desde que se toma la muestra hasta la obtención de resultados  con una precisión del 96%. Además su aplicación reduciría los costes de la prueba en un 75%. Algoritmo de aprendizaje federado implantado por los Hospitales 12 de Octubre, Ramón y Cajal (Madrid) y San Pablo (Barcelona) que analiza imágenes radiológicas de tórax, ayudando a agilizar la detección de la enfermedad (como prueba complementaria) aportando un diagnóstico más preciso. CNN (red neuronal convolucional) desarrollada por la Universidad de Barcelona que identifica y segmenta las lesiones pulmonares provocadas por el virus, automatizando los procesos de identificación y segmentación de la gravedad del sujeto mediante el análisis de TC (Tomografía Computarizada). Calculadora de libre acceso desarrollada por investigadores de IRYCIS (Instituto Ramón y Cajal de Investigación Sanitaria) basada en PRIORITY, un modelo de regresión logística que predice, en una fase de detección inicial de la enfermedad, a los pacientes con pronóstico crítico. La herramienta está orientada a los centros médicos con bajos recursos o ausencia de pruebas radiológicas, ya que está basado en variables de exploración clínica e historial médico. TUCUVI es un asistente virtual conversacional basado en PLN (Procesamiento de Lenguaje Natural) desarrollado por Tucuvi Care (Startup ganardonada con los premios: “Premios Emprendedor XXI”,”Fenin” en 2021). Estos son alguno de los proyectos implementados con organizaciones sanitarias: acuerdo de colaboración con  IRYCIS (Instituto Ramón y Cajal de Investigación Sanitaria) y el Servicio de Medicina Interna del Hospital Ramón y Cajal, para el seguimiento de pacientes con IC (Insuficiencias Cardiacas). Hospital La Princesa dónde realizan seguimiento domiciliario a los pacientes ingresados por Covid y que han sido dados de alta hospitalaria o el Hospital Universitario de Torrejón de Ardoz dónde además de pacientes con Covid realizan seguimiento a pacientes con EPOC (Enfermedad Pulmonar Obstructiva Crónica).

Radiología La habilidad para interpretar resultados en imágenes puede proporcionar ayuda a los clínicos en la detección de cambios en imágenes, o detalles que los clínicos han podido pasar por alto. Un estudio que ha incorporado la inteligencia artificial en el campo de la radiología es un estudio de la universidad de Stanford, que es capaz de detectar la neumonía de manera más acertada que los radiólogos. La Sociedad Radiológica de Norteamérica ha decidido emplear técnicas de inteligencia artificial en la mayor parte de sus horarios. La centésimo cuarta Asamblea Científica y Reunión Anual organizada por RSNA en noviembre de 2018 exhibió novedosas herramientas de imagen basadas en inteligencia artificial. Entre estas herramientas, se encontraba el detector de pecho de Samsung, que es una herramienta radiológica de ultrasonidos que estandariza la manera de clasificar e informar sobre patologías en el pecho. La emergencia de las tecnologías basadas en inteligencia artificial en el campo de la radiología se considera como una amenaza por algunos especialistas, ya que este tipo de técnicas pueden llevar a cabo determinadas tareas de forma más acertada que los especialistas humanos, cambiando así el rol que tienen hoy en día los radiólogos.

Salud monitorizada El auge de la telemedicina ha mostrado el incremento de posibles aplicaciones de la IA en este campo. La habilidad para monitorizar a pacientes empleando técnicas de inteligencia artificial puede favorecer la transmisión de información a los médicos si se detecta actividad relacionada con alguna posible enfermedad. La utilización de un dispositivo que un paciente puede llevar puesto, puede permitir una monitorización constante del paciente y la habilidad de detectar cambios menos detectables para los humanos.

Cardiología

La inteligencia artificial tiene la capacidad de analizar electrocardiogramas para detectar anomalías cardiacas, además de la interpretación de resonancias magnéticas y tomografías computarizadas para diagnosticar enfermedades cardiacas.

Oncología

Permite el análisis de imágenes médicas y muestras de tejido para la detección de tumores, con la planeación de tratamientos de radioterapia, quimioterapia y dar seguimiento al tratamiento del paciente.

En 2025, un estudio de implementación a escala nacional en Dinamarca (publicado en Nature Medicine, Eisemann et al.) demostró que la integración de IA en el cribado mamario aumentó la tasa de detección de cáncer en un 17,6 %, pasando de 5,7 a 6,7 casos por cada 1000 mujeres cribadas, logrando además una reducción significativa en la carga de trabajo de los radiólogos.

Documentación clínica