El 7 de enero de 2026, OpenAI lanzó ChatGPT Health, una plataforma que permite a los usuarios conectar sus registros médicos y datos fitness con un asistente de inteligencia artificial diseñado para analizar patrones, prepararse para consultas y resolver dudas sobre dieta y ejercicio.
A primera vista, podría parecer un anuncio más de una empresa tecnológica incursionando en salud digital. Pero el contexto es diferente: este lanzamiento no ocurre en el vacío. Es la respuesta de OpenAI a una carrera entre las big tech.
Mientras el ecosistema médico se debate entre los beneficios reales de estas herramientas y los riesgos de privatización de datos de salud, Google, Apple, Microsoft y Amazon ya han trazado sus estrategias. Y no están construyendo soluciones similares: cada una apuesta a un frente diferente de la transformación sanitaria.
ChatGPT Health es la apuesta de OpenAI por ser el portal de entrada para la salud del consumidor. Con más de 230 millones de personas ya preguntando temas de salud a ChatGPT semanalmente, la empresa reconoció una oportunidad: ¿por qué no centralizar esos datos y hacerlos más útiles?
La plataforma se desarrolló con el apoyo de 260 médicos de 60 países y 60 especialidades que evaluaron más de 600 000 interacciones durante dos años. Los datos de salud se alojan en un espacio separado del ChatGPT general, con cifrado en tránsito y reposo, y explícitamente no se utilizan para entrenar el modelo.
ChatGPT Health no diagnostica ni prescribe; redirige automáticamente ante situaciones de riesgo. Y por ahora está disponible solo en Estados Unidos, excluyendo a la UE, Suiza y Reino Unido, porque OpenAI reconoce que el marco regulatorio europeo (GDPR) y británico es incompatible con su arquitectura de procesamiento.
La familia Med-Gemini (sucesora de Med-PaLM 2) está diseñada para interpretar radiografías, resonancias, tomografías, datos genómicos y notas clínicas. Med-Gemini alcanza 91,1 % de precisión en benchmarks de razonamiento médico USMLE-style. Generó ya mismo reportes radiológicos de tórax equivalentes a los de los radiólogos especialistas humanos.
Su ecosistema incluye la integración con Fitbit (para monitoreo preventivo) y Google Cloud MedLM (para que los hospitales creen IAs propias). Un hospital puede usar Med-Gemini integrado en su proceso de atención, analizando cada imagen, redactando reportes preliminares en 90 segundos.
Microsoft Nuance DAX Copilot quiere resolver el problema de la carga de documentación que tienen los médicos. El sistema escucha las conversaciones médico-paciente en tiempo real, genera borradores de notas clínicas y, con autorización del paciente, los transfiere al sistema de historia clínica electrónica. Desde enero de 2025 está completamente integrado en Epic, el principal proveedor de historia clínica electrónica estadounidense.
70 % de los médicos reportan reducción de burnout con la herramienta y algunos reportes hablan de 50 % de reducción en tiempo de documentación. La IA ambiental reduciría la carga cognitiva significativamente.
Apple está transformando el Apple Watch de accesorio a dispositivo médico preventivo. Su proyecto Quartz entrena IA en datos de médicos internos de Apple para ofrecer coaching personalizado en nutrición, sueño, ejercicio y manejo del estrés.
El procesamiento es on-device. La IA analiza el ritmo cardíaco, la variabilidad de la frecuencia cardíaca y los patrones de sueño, directamente en el iPhone, sin enviar datos a servidores en la nube.
El modelo de negocio es con suscripción anual. Cuanto más tiempo se usa, más aprende la IA de los patrones personales.
Amazon One Medical usa AWS HealthScribe y análisis predictivo para redactar notas de consulta en tiempo real, clasificar pacientes (triage) y seguir tareas automáticamente según especialidad y carga del equipo. Todo integrado en su historia clínica electrónica 1Life, lo que les permite innovar con velocidad, sin esperar a los proveedores Epic o Cerner.
Amazon puede derivar a una consulta virtual con One Medical, luego a una físicamente cercana, y finalmente coordinar que Amazon Pharmacy entregue medicamentos en 48 horas.
Un estudio de 2025 en JAMA Network Open comparó ChatGPT, Gemini y DXplain en diagnóstico clínico. Los resultados, aunque ya pasó tiempo y hubo mejoras, fueron los siguientes en cuanto a efectividad diagnóstica:
- Sin resultados de laboratorio: DXplain 56 %, ChatGPT 42 %, Gemini 39 %.
- Con resultados de laboratorio: DXplain 72 %, ChatGPT 64 %, Gemini 58 %.
En radiología, ChatGPT-4o alcanzó 57,8 % de precisión en imágenes versus 43,8 % de Gemini Advanced, pero ambos superan a residentes de primer año. En oftalmología, Gemini Advanced lideró con 66 % versus 62 % de ChatGPT-4.
Med-Gemini es superior en imagenología. DAX Copilot es insuperable en reducción de burnout documentario. ChatGPT Health parece que será mejor en la comunicación empática con los pacientes.
América Latina tiene una ventana todavía (muy pequeña) para decidir cómo queremos que se desarrolle esta tecnología en nuestros contextos. 2026 será decisivo: Chile, Brasil, Perú y México pondrán en vigor marcos regulatorios de IA basados en niveles de riesgo (como la UE). Costa Rica ya avanzó y Colombia tiene su estrategia nacional.
Pero solo el 15 % de las instituciones médicas latinoamericanas están probando IA. El 85 % de pruebas de concepto no escalan. Y la brecha es enorme: los hospitales privados de São Paulo o Ciudad de México tendrán acceso a Med-Gemini y DAX, mientras que los hospitales públicos de las zonas rurales, probablemente no.
El lanzamiento de ChatGPT Health es un punto de inflexión, pero no es el evento más importante. Sí lo es aquello que sucede en silencio: mientras leemos esto, Google, Microsoft, Amazon y Apple están negociando con hospitales latinoamericanos para pilotos de Med-Gemini, DAX y HealthScribe.