Google Research anuncia avances en IA para la salud: desde agentes clínicos hasta modelos abiertos para desarrolladores

Google Research publicó el 17 de marzo de 2026 un balance de sus últimas líneas de trabajo en salud que, según la propia organización, buscan llevar la inteligencia artificial desde el laboratorio a entornos clínicos y de salud pública.

El informe —firmado por Avinatan Hassidim (VP Research) y Katherine Chou (VP Product)— resume avances en atención personalizada, apoyo diagnóstico para médicos, herramientas abiertas para desarrolladores y aplicaciones para la salud pública y la investigación biomédica.

Qué anunció Google Research

Google Research expone varias iniciativas simultáneas. Entre las más relevantes:

• Un estudio con Fitbit sobre un “Personal Health Agent” (PHA) que usa modelos multimodales para convertir datos de wearables en recomendaciones personalizadas. El PHA funciona como un equipo integrado (científico de datos, experto clínico y coach de salud) en lugar de apps que sólo miden pasos o calorías.
• Resultados en detección de cáncer de mama difundidos en Nature Cancer, fruto de dos estudios con Imperial College London y el NHS del Reino Unido. El sistema experimental identificó 25% de “interval cancers” (tumores detectados entre cribados) que antes se pasaban por alto y mostró potencial para reducir la carga de trabajo de radiólogos.
• Escalado de un modelo para detección de retinopatía diabética que ya permitió más de un millón de exámenes rápidos —con diagnósticos que, según la nota, pueden entregarse en ~2 minutos— en colaboración con hospitales de India, Tailandia y Australia.
• AMIE, un sistema multi-agente (desarrollado con DeepMind) que interpreta historias clínicas, análisis y pruebas de imagen. AMIE está en pruebas clínicas con Beth Israel Deaconess Medical Center y en un estudio nacional aprobado por un comité de ética (IRB) junto a Included Health para evaluar telemedicina asistida por IA.
• HAI-DEF (Health AI Developer Foundations), una iniciativa que libera modelos de “open-weight” y herramientas de código abierto para que desarrolladores creen aplicaciones de salud. En este marco, MedGemma —modelos para texto e imágenes médicas y reconocimiento de voz clínico— ya se usa en AIIMS (Nueva Delhi) y en pruebas con el Ministerio de Salud de Singapur. Hubo también un desafío (MedGemma Impact Challenge) con 850+ inscripciones.
• Uso de Google Earth AI para investigación de salud pública. Un ejemplo citado: junto a Mount Sinai y Boston Children’s/Harvard, se generaron estimaciones de cobertura vacunal (MMR) a nivel de código postal, identificando clústeres de baja vacunación asociados a brotes.
• Herramientas de investigación: Co-Scientist y Gemini Deep Think para generación de hipótesis, sistemas de software experimental que corren experimentos en paralelo y DeepSomatic, una herramienta genómica que identificó variantes relacionadas con cáncer que herramientas previas no detectaron.

Explicaciones para no expertos

1. Modelo multimodal: un sistema que puede procesar varios tipos de datos (texto, imágenes, audio, señales de un wearable) y combinarlos para dar una respuesta más completa. Ejemplo cotidiano: un PHA que ve tu historial de sueño (sensor), tu relato de síntomas (texto) y una foto de una lesión (imagen) para aconsejarte.
2. LLM (large language model): un modelo entrenado con grandes cantidades de texto para generar y comprender lenguaje. En salud se usa para resumir historias clínicas o ayudar a formular preguntas.
3. Agente o sistema multi-agente: imagínelo como un equipo virtual de especialistas que colaboran entre sí: uno “lee” imágenes, otro analiza resultados de laboratorio y otro propone pasos a seguir.

Cómo puede afectar a las personas

Según la nota, estos desarrollos buscan hacer la atención más personalizada, detectar enfermedades con mayor precisión y apoyar a los profesionales para que dediquen más tiempo al paciente.

También pretenden democratizar herramientas (modelos abiertos para desarrolladores) para que hospitales y gobiernos locales las adapten. Google Research enfatiza que publica en revistas científicas, colabora con instituciones clínicas y somete estudios a revisión ética antes de implementarlos.

Limitaciones y garantías señaladas por la fuente

La propia nota insiste en la responsabilidad: publicación en revistas, colaboración con médicos y ensayos en entornos reales antes de ampliar su uso.

No se ofrecen en la pieza detalles técnicos ni resultados clínicos finales fuera de los ejemplos citados; por ello, su impacto a gran escala dependerá de la evaluación clínica y regulatoria en cada país.

Nota de Transparencia

Esta nota fue generada 100% con IA. La fuente fue aprobada por Diario Occidente y el contenido final fue revisado por un miembro del equipo de redacción.

🔊 El Resumen de Noticias sobre Inteligencia Artificial e Innovación Tecnológica, aquí 👇🏻

Curaduría editorial

La curaduría y revisión editorial de estas notas está a cargo de Rosa María Agudelo Ayerbe, comunicadora social y periodista, con maestría en Transformación Digital y especialización en Inteligencia Artificial.

Desde su rol como líder del equipo de innovación y transformación digital del Diario Occidente, y a través de la unidad estratégica DO Tech, realiza un seguimiento permanente a las principales novedades en tecnología e inteligencia artificial a nivel global.

Estas notas se apoyan en un agente de investigación basado en inteligencia artificial, diseñado para monitorear semanalmente avances, lanzamientos y debates clave del sector.

El contenido es posteriormente leído, analizado, contextualizado y validado editorialmente antes de su publicación.

Este proceso forma parte del mecanismo de actualización continua que permite interpretar los desarrollos tecnológicos desde una mirada periodística, crítica y comprensible para audiencias no especializadas.

Comments