FDA autoriza Aidoc CARE: 11 indicaciones de triaje con IA
La autorización de la FDA para Aidoc CARE, anunciada el 22 de enero de 2026, suma 11 nuevas indicaciones a la solución de triaje con IA de Aidoc y la convierte en una herramienta de triaje por tomografía computarizada (TC) de cuerpo para urgencias y centros ambulatorios. Las 11 indicaciones funcionan con CARE, el modelo fundacional propio de Aidoc, y alcanzaron una sensibilidad media del 97% y una especificidad media del 98% en el estudio que revisó la FDA. Para los hospitales, el software reordena la fila de radiología para que los estudios de los pacientes más graves se lean primero.
Por qué urgencias necesitaba otra fila de estudios
El caso de Aidoc empieza en una fila, no en un tomógrafo. La empresa sostiene que el cuello de botella en urgencias es el sistema de turnos y no la imagen en sí, porque la mayoría de los proveedores todavía lee los estudios por orden de llegada.
Con ese orden, la TC de un paciente en estado agudo puede esperar detrás de estudios de rutina hasta que un radiólogo llegue a ella. Aidoc, una empresa de IA clínica fundada en 2016, se propuso resolver la saturación que esto provoca en las salas de urgencias y en los consultorios.
Qué autorizó la FDA el 22 de enero de 2026
El 22 de enero de 2026, Aidoc anunció que la Administración de Alimentos y Medicamentos (FDA) autorizó 11 nuevas indicaciones para su solución de triaje. Antes de esa decisión, la empresa tenía tres indicaciones autorizadas para TC. Ahora ofrece lo que llama una solución integral de triaje por TC de cuerpo para urgencias y centros ambulatorios.
Las nuevas indicaciones funcionan con CARE, siglas de Clinical AI Reasoning Engine, un motor que Aidoc construyó por su cuenta y que describe como el primer modelo fundacional autorizado en salud. CARE reúne 14 indicaciones en un solo flujo de trabajo, así que un hospital ya no tiene que sumar una herramienta aparte para cada hallazgo agudo.
Cómo funciona el triaje con IA en un servicio de radiología
El software lee primero cada estudio. En lugar de atender por orden de llegada, la solución de triaje de Aidoc prioriza los estudios según su revisión inicial de las imágenes, y los que tienen sospecha de hallazgos agudos suben en la fila para que los revisen los radiólogos.
El radiólogo sigue haciendo el diagnóstico. La IA cambia el orden del trabajo para que los pacientes en estado agudo lleguen antes a un lector. El triaje funciona sobre Aidoc aiOS, la plataforma empresarial de IA de la compañía, que detecta una amplia gama de condiciones agudas para urgencias y proveedores ambulatorios. En su sitio web europeo, Aidoc dice que aiOS se integra a los sistemas que el hospital ya tiene, como PACS, expediente clínico electrónico, RIS y agenda, y que no le exige al radiólogo ni un clic adicional.
«La posibilidad de reunir condiciones agudas clave en un solo flujo de trabajo es un cambio de fondo en cómo operan los servicios de radiología». Heidi Beilis, médica, directora médica de diagnóstico de WellSpan Health
Qué midió el estudio revisado por la FDA
El resultado medido viene del estudio que revisó la FDA. Las indicaciones más recientes de Aidoc lograron una sensibilidad media del 97% y una especificidad media del 98%, según la empresa.
Aidoc dice que eso hace a las nuevas indicaciones más precisas que otras soluciones del mercado y que generan menos falsas alertas. Esa comparación es una afirmación de la propia empresa. Las fuentes no dan tiempos de respuesta de hospitales de Estados Unidos que usen las nuevas indicaciones. El sitio europeo de Aidoc menciona una reducción de 5,2 días en el tiempo de respuesta y dice que su plataforma analiza 60 millones de estudios al año, sin decir dónde se midieron esas cifras.
Qué cambia para los servicios de radiología de los hospitales
Para un sistema de salud, la tarea que resuelve CARE es ordenar la lista de lectura según la necesidad médica. Eso pesa más donde el volumen de estudios supera al número de radiólogos de turno y donde un hallazgo agudo que se pasa por alto le cuesta caro al paciente y al hospital.
Una falsa alerta consume tiempo del radiólogo, así que el 98% de especificidad importa tanto como la sensibilidad: menos falsos positivos significan menos estudios adelantados sin motivo. Un solo modelo autorizado que cubre 14 indicaciones también implica una sola evaluación de proveedor y una sola integración en lugar de muchas. WellSpan Health dice que ha integrado numerosas herramientas de IA en sus operaciones de imagen y que esta solución de triaje cambia la forma en que gestiona el flujo de trabajo y el tiempo hasta el diagnóstico en condiciones agudas.
Qué sigue en los planes de Aidoc para TC y rayos X
Aidoc planea extender sus soluciones de imagen con IA a todos los flujos de TC y rayos X en los próximos 18 meses, dijeron sus directivos en el comunicado de prensa. También desarrolla una solución que redacta borradores de informes para los médicos. Ambas cosas son planes, no resultados.
La empresa tiene dinero para ese trabajo. En julio recaudó 150 millones de dólares en nuevo financiamiento respaldado por General Catalyst y Square Peg, con NVentures, el brazo de capital de riesgo de Nvidia, y los sistemas de salud estadounidenses Sutter Health, Hartford, Mercy y WellSpan.
Preguntas y respuestas
¿Qué es Aidoc CARE?
CARE, el Clinical AI Reasoning Engine, es el modelo fundacional propio de Aidoc para imágenes médicas. La empresa dice que es el primer modelo fundacional autorizado en salud, y hoy impulsa 14 indicaciones de triaje en un solo flujo de trabajo.
¿Qué tan precisa es la solución de triaje de Aidoc?
En el estudio revisado por la FDA, las 11 nuevas indicaciones alcanzaron una sensibilidad media del 97% y una especificidad media del 98%, según Aidoc.
¿La IA reemplaza al radiólogo?
No. El software revisa primero las imágenes y sube en la fila los casos con sospecha de hallazgo agudo, y los radiólogos revisan los estudios y hacen el diagnóstico.
La visión de MOZGII
Cómo lo construiríamos
La parte de la medicina donde el software más ayuda hoy es la fila de trabajo: qué estudio, qué paciente y qué mensaje llega primero a un médico. El caso de Aidoc es un ejemplo limpio. El modelo no diagnostica. Decide el orden en que miran las personas, y esa es una decisión que un hospital puede auditar.
Si construyéramos esto, empezaríamos con los datos que ya tiene una lista de lectura: el estudio, la hora en que llegó, el servicio que lo pidió y el informe final que firmó un radiólogo. Usaríamos los informes firmados para etiquetar qué estudios eran realmente agudos, y volveríamos a entrenar y a comprobar el modelo contra ellos cada mes. Los radiólogos revisarían cada caso marcado, y un jefe de servicio sería dueño de las reglas sobre cuánto puede adelantarse un estudio marcado.
Fallaría en dos puntos. Una falsa alerta pone un estudio de rutina delante de un paciente grave, y un hallazgo que se pasa por alto deja un caso agudo esperando en el orden de siempre. Ambos empeoran cuando un hospital cambia de equipos o de protocolos y las imágenes se alejan de lo que el modelo vio en el entrenamiento. La métrica que vigilaríamos es el tiempo entre el estudio y el informe en los casos agudos confirmados, medido antes y después de activar el sistema.
Después construiríamos el paso posterior a la lectura: una herramienta que envíe el hallazgo confirmado al especialista de guardia indicado y registre cuándo lo vio.
Fuentes
De dónde salen los datos de esta nota.