Mercado de LLM y modelos fundacionales para el sector sanitario Tamaño y Compartir 2026-2035

Tamaño del mercado de LLM y modelos fundacionales para el sector sanitario

El mercado de LLM y modelos fundacionales para el sector sanitario se valoró en 2,400 millones de USD en 2025 y se prevé que alcance los 27,700 millones de USD en 2035, con una expansión de aproximadamente el 27,7 % de TCAC.

La adopción está avanzando más allá de la fase de experimentación porque la tecnología ahora aborda tareas que requieren un uso intensivo de datos y tienen consecuencias económicas relevantes: creación de notas, apoyo a la codificación médica, interpretación de imágenes médicas, identificación de dianas y contacto con pacientes.

El ecosistema cuenta con tres capas interdependientes. Los desarrolladores de modelos fundacionales suministran modelos de lenguaje clínico, visión, multimodales y biológicos; los proveedores de aplicaciones los integran en flujos de trabajo de documentación, diagnóstico por imagen, interacción y descubrimiento de fármacos; y los hospitales, las empresas biofarmacéuticas, los financiadores y las instituciones de investigación adquieren y supervisan su implementación. La ventaja competitiva depende cada vez más del control de los datos y del acceso a los flujos de trabajo, y no solo de la escala del modelo. Tempus, por ejemplo, combina datos clínicos y moleculares con análisis y comunicó un valor total de contratos superior a 1,100 millones de USD a finales de 2025 ^{[1]Tempus AI - Tempus Achieves Record Total Contract Value Exceeding $1.1 Billion. investors.tempus.com}. NVIDIA suministra la infraestructura de computación y desarrollo de modelos a través de BioNeMo y MONAI, lo que le proporciona presencia tanto en las aplicaciones biológicas como en las de diagnóstico por imagen.

La regulación se está convirtiendo en una variable del diseño de los productos. En Estados Unidos, la FDA publicó en diciembre de 2024 unas directrices definitivas sobre los planes predeterminados de control de cambios para las funciones de software de dispositivos habilitadas mediante IA, lo que ofrece a los fabricantes una vía para especificar previamente determinadas modificaciones de los modelos ^{[2]Federal Register - FDA Final Guidance: Marketing Submission Recommendations for a Predetermined Change Control Plan for AI-Enabled Device Software Functions. govinfo.gov}. La norma ONC HTI-1 también exige información sobre la transparencia de los algoritmos predictivos en las tecnologías de información sanitaria certificadas, una restricción importante para los modelos integrados en sistemas clínicos. En Europa, el Reglamento de IA de la UE entró en vigor en agosto de 2024; sus requisitos escalonados coexisten con los controles del GDPR sobre los datos sanitarios y con la normativa sobre productos sanitarios, lo que convierte las pruebas, la trazabilidad, la supervisión humana y la arquitectura de gobernanza de datos en elementos centrales de las adquisiciones. Estos requisitos favorecen a los proveedores capaces de demostrar una validación reproducible y mantener registros claros de las entradas, salidas y actualizaciones de los modelos.

Las arquitecturas técnicas responden a distintos problemas de economía sanitaria. Los LLM están consolidados en la documentación y los flujos de trabajo administrativos; los modelos de visión abordan la radiología y la anatomía patológica; los modelos multimodales combinan historiales, texto, imágenes e información molecular; y los modelos biológicos o genómicos trabajan con ADN, ARN, proteínas y estructuras químicas. Google comunicó que Med-PaLM 2 alcanzó el 86,5 % en MedQA, mientras que Evo2, de NVIDIA, se entrenó con casi 9 billones de nucleótidos, lo que ilustra la divergencia entre las trayectorias de desarrollo de modelos de lenguaje clínico y de modelos biológicos. La cuestión comercial es si estas capacidades pueden incorporarse a flujos de trabajo sujetos a rendición de cuentas, y no si un modelo de mayor tamaño puede generar una respuesta más fluida.

Las empresas mejor posicionadas para captar valor no serán necesariamente aquellas que dispongan de los modelos de propósito general más grandes. Serán las que puedan conectar los resultados de los modelos con los flujos de trabajo de historias clínicas electrónicas, diagnóstico por imagen, laboratorio y gestión asistencial, al tiempo que cumplen las exigencias probatorias y de gobernanza de los hospitales y los clientes del sector de las ciencias de la vida. Por tanto, la claridad regulatoria facilita la comercialización, pero también eleva el coste de competir en casos de uso con consecuencias clínicas relevantes.

Principales factores de crecimiento

Aumento de la demanda de automatización de la documentación clínica

La documentación clínica constituye un problema directo de mano de obra y retención para las organizaciones sanitarias proveedoras. Una evaluación de métodos mixtos de 120 días sobre documentación ambiental constató una reducción sostenida de la carga de documentación, mientras que el 62 % de los médicos participantes identificó la transcripción mediante inteligencia artificial (IA) como un factor significativo de retención ^{[3]Trinity Health of New England - Evaluating Ambient AI Documentation in Ambulatory Practice: A 120-Day Mixed-Methods Pilot Study. trinityhealthofne.org}. Abridge informa de su implantación en más de 150 sistemas sanitarios y de más de 100 millones de conversaciones anuales, lo que indica que la documentación ambiental está pasando de proyectos piloto aislados por especialidad a una implantación empresarial generalizada.

El mecanismo económico va más allá del tiempo ahorrado en la elaboración de historias clínicas. Los sistemas que producen una documentación más completa pueden facilitar la codificación, el ajuste de riesgos y la coordinación del seguimiento, lo que proporciona a los responsables financieros y clínicos un motivo común para aprobar la implantación. La integración con los principales entornos de historias clínicas electrónicas es determinante porque reduce el cambio de comportamiento que se exige a los profesionales clínicos. En consecuencia, el mercado está premiando los productos nativos del flujo de trabajo que generan resultados auditables por encima de las herramientas de transcripción independientes.

Aceleración de la adopción de la IA en el descubrimiento de fármacos y la investigación genómica

La demanda de descubrimiento de fármacos se ve respaldada por una vía de validación clínica cada vez más tangible. El rentosertib de Insilico Medicine, un inhibidor de TNIK para la fibrosis pulmonar idiopática, presentó resultados de fase IIa que posteriormente se publicaron en *Nature Medicine* en junio de 2025. La fusión de Recursion con Exscientia en noviembre de 2024 combinó capacidades de fenómica, transcriptómica y química de precisión en una única plataforma, reforzando la preferencia del sector por sistemas integrados de descubrimiento en lugar de modelos de predicción aislados.

Estas plataformas son importantes porque pueden acortar las iteraciones entre la formulación de hipótesis biológicas, el diseño de compuestos, el cribado y el aprendizaje experimental. La propuesta de valor no consiste en que la IA elimine el trabajo de laboratorio, sino en que una mejor priorización puede dirigir la capacidad de laboratorio hacia objetivos y compuestos más prometedores. La plataforma Evo2 y el conjunto de herramientas BioNeMo de NVIDIA amplían aún más el acceso a herramientas basadas en modelos genómicos y biomoleculares, aunque la ventaja resultante sigue dependiendo de datos propios, validación experimental y recursos informáticos.

Expansión de los modelos de atención basada en el valor que impulsan la IA para la participación de los pacientes

La atención basada en el valor convierte la participación de los pacientes en una palanca operativa medible. Las organizaciones que asumen el riesgo de los reingresos, los resultados de las enfermedades crónicas, las demoras en el acceso y las brechas asistenciales tienen un incentivo económico más fuerte para automatizar el contacto proactivo que las organizaciones que operan principalmente bajo modelos de reembolso basados en el pago por servicio. NAACOS informó de que casi el 65 % de las organizaciones de atención basada en el valor eran optimistas respecto a la capacidad de la IA para mejorar la analítica predictiva y prescriptiva, mientras que el 50 % estaba invirtiendo en analítica de datos e IA.

Las plataformas de participación de los pacientes amplían la capacidad de los equipos de gestión asistencial mediante la automatización de la programación de citas, la admisión, los recordatorios de medicación, el seguimiento posterior al alta y la orientación asistencial. Su oportunidad es mayor cuando el flujo de trabajo es repetible, las reglas de escalado son explícitas y el sistema sanitario puede vincular la actividad de participación con la utilización de servicios o con indicadores de calidad. El crecimiento del segmento dependerá de que los proveedores puedan demostrar que las interacciones automatizadas mejoran los resultados sin trasladar al personal el trabajo clínico no resuelto.

El crecimiento del volumen de datos sanitarios permite desarrollar modelos fundacionales más grandes y precisos

El creciente volumen de historiales digitalizados, imágenes, datos ómicos y datos operativos del sector sanitario proporciona una base más amplia para el desarrollo de modelos, pero el volumen de datos por sí solo no es suficiente. Un estudio multicéntrico de Stanford concluyó que un modelo fundacional de historias clínicas electrónicas (EHR) entrenado con 2,57 millones de historiales de pacientes podía igualar el rendimiento de modelos entrenados localmente utilizando menos del 1 % de los ejemplos de entrenamiento y mejoraba los resultados cuando escaseaban las etiquetas específicas de cada tarea. Esto sugiere que unas representaciones compartidas y adecuadamente gobernadas pueden mejorar el rendimiento en entornos clínicos con limitaciones de datos.

Por tanto, el valor comercial de los datos está pasando de la simple propiedad a factores como su calidad, profundidad longitudinal, estado del consentimiento y capacidad de interoperabilidad. Iniciativas públicas como el National AI Research Resource y los programas de modelos fundacionales centrados en la salud están diseñados para mejorar el acceso a los datos y la colaboración computacional, sin considerar la recopilación centralizada de datos sin procesar como la única vía para alcanzar escala. Los proveedores con enfoques creíbles de protección de la privacidad y federación de datos podrían obtener acceso a colaboraciones con sistemas sanitarios que no estarían disponibles para plataformas menos maduras.

Principales restricciones

Retos relacionados con la privacidad de los datos y el cumplimiento de la normativa HIPAA

Los compradores del sector sanitario deben evaluar si la arquitectura de un proveedor puede gestionar de forma segura la información sanitaria protegida, establecer relaciones adecuadas con socios comerciales, documentar los controles de acceso y facilitar las auditorías. Las obligaciones de la HIPAA se aplican no solo al almacenamiento de datos, sino también a los flujos de trabajo que incluyen instrucciones, transcripciones, resultados de modelos, registros, subcontratistas y respuesta ante incidentes ^{[4]National Center for Biotechnology Information - AI Chatbots and Challenges of HIPAA Compliance for AI Developers and Vendors. pmc.ncbi.nlm.nih.gov}. Estos requisitos alargan los ciclos de venta, especialmente en hospitales comunitarios y organizaciones con múltiples centros que cuentan con una capacidad limitada de gobernanza especializada.

El reto se intensifica en los despliegues internacionales. El RGPD otorga una protección especial a los datos sanitarios, mientras que la Ley de IA de la UE añade requisitos pertinentes para la gestión de riesgos, la transparencia y la supervisión humana en aplicaciones de alto riesgo. La memorización de modelos, la inyección de instrucciones y las integraciones inseguras pueden generar riesgos incluso cuando el modelo subyacente es técnicamente capaz. Como resultado, la arquitectura de despliegue, la minimización de datos y unos controles operativos explicables suelen convertirse en requisitos previos de contratación antes de evaluar el rendimiento del modelo.

Elevados costes computacionales y operativos del despliegue de modelos a gran escala

El entrenamiento y la operación de modelos biológicos, multimodales y clínicos de gran volumen pueden requerir una considerable capacidad de aceleración, ingeniería especializada y monitorización continua. El despliegue por parte de Mayo Clinic de infraestructura NVIDIA Blackwell para patómica, descubrimiento de fármacos y medicina de precisión ilustra la escala de recursos disponible para los principales centros médicos académicos. Los proveedores más pequeños pueden acceder a capacidades avanzadas mediante servicios en la nube, pero siguen afrontando costes recurrentes de inferencia, integración y gobernanza.

Esto genera un patrón de adopción bifurcado. Los grandes sistemas sanitarios y las empresas farmacéuticas pueden financiar despliegues personalizados y programas de validación, mientras que las instituciones más pequeñas tienden a priorizar aplicaciones gestionadas y de alcance limitado, con un retorno más rápido. La presión sobre los costes fomentará la destilación de modelos, las arquitecturas específicas para cada tarea y los despliegues híbridos, pero la necesidad de preservar la fiabilidad clínica implica que los modelos de menor coste deben validarse para el flujo de trabajo exacto en el que se utilizarán.

El resultado más probable es una adopción diferenciada, no un retraso uniforme. Los servicios en la nube seguirán siendo atractivos cuando las instituciones necesiten rapidez y carezcan de infraestructura, mientras que las implementaciones privadas o híbridas seguirán siendo importantes para la genómica, los datos de investigación sensibles y las organizaciones con políticas restrictivas de residencia de datos. Los proveedores capaces de ofrecer modelos pequeños validados para tareas clínicas definidas podrían estar mejor posicionados para atender al mercado intermedio que los proveedores que dependen exclusivamente de modelos grandes, costosos y de propósito general.

Análisis por segmentos del mercado de LLM y modelos fundacionales para la atención sanitaria

Por tipo de modelo

Los modelos de lenguaje de gran tamaño (LLM) representan el 61,2 % del mercado en 2025, lo que equivale a aproximadamente 1,470 millones de dólares. Su liderazgo se debe a su adecuación para las actividades sanitarias con un elevado componente textual: los LLM clínicos y de documentación facilitan la generación ambiental de notas y la asistencia en codificación; los LLM de interacción con pacientes facilitan la navegación y el contacto; y los LLM de investigación biomédica ayudan a recuperar y sintetizar evidencia científica. Su madurez comercial se deriva de su capacidad para trabajar con los flujos existentes de conversaciones, notas y documentos, sin necesidad de crear una nueva cadena de datos diagnósticos.

Los modelos fundacionales de visión representan el 21,1 % del valor del mercado, es decir, aproximadamente 507 millones de dólares. La obtención de imágenes cuenta con una base regulatoria y de validación relativamente madura, lo que la convierte en un entorno natural para la adopción de modelos fundacionales. La plataforma de patología de Paige incluye software autorizado por la FDA y designaciones de dispositivo innovador, mientras que Aidoc ha implementado soluciones de IA clínica en más de 1,600 centros médicos ^{[5]Paige AI - Diagnostic AI Platform. paige.ai}. El cambio estratégico se orienta desde los algoritmos específicos hacia plataformas que conectan los hallazgos de las imágenes con la clasificación de pacientes, la coordinación asistencial y el seguimiento.

Los modelos multimodales representan el 11,3 % del mercado, es decir, aproximadamente 271 millones de dólares. Su importancia radica en conectar información que normalmente está fragmentada entre notas clínicas, imágenes, pruebas moleculares y registros estructurados. El conjunto de datos clínicos y moleculares de Tempus y la combinación de imágenes, información de historias clínicas electrónicas (EHR) y datos ambientales de Viz Assist muestran cómo la multimodalidad puede respaldar la medicina de precisión y los flujos de trabajo clínicos coordinados. Este segmento presenta una base actual más reducida porque la integración y la validación son difíciles, pero su alcance de flujos de trabajo potenciales es más amplio que el de los productos de una sola modalidad.

Los modelos biológicos y genómicos representan el 6,4 % del valor del mercado en 2025, es decir, aproximadamente 154 millones de dólares. En términos de ingresos inmediatos, son más pequeños porque sus compradores se concentran en empresas biofarmacéuticas, instituciones de investigación y sistemas sanitarios especializados. Sin embargo, pueden influir en decisiones de I+D de mayor valor al ayudar a priorizar variantes genéticas, dianas, estructuras y compuestos. Evo2, los modelos PreciousGPT de Insilico y la plataforma de diseño de fármacos de Isomorphic Labs ilustran un segmento en el que los datos propios y los ciclos de retroalimentación experimental son al menos tan importantes como las especificaciones de los modelos publicadas.

Por modalidad de implementación

Los sistemas basados en la nube concentran el 75,6 % del mercado, aproximadamente 1,810 millones de dólares. La prestación gestionada en la nube permite a las organizaciones acceder a modelos sin adquirir infraestructura especializada y resulta especialmente adecuada para los flujos de trabajo de documentación y acceso de los pacientes que requieren una integración rápida. AWS proporciona directrices arquitectónicas elegibles para HIPAA para la inteligencia artificial generativa, mientras que Anthropic ofrece herramientas para los sectores sanitario y de ciencias de la vida a través de canales de nube consolidados ^{[6]Amazon Web Services - Building a HIPAA-Ready Generative AI Architecture for Healthcare on AWS. aws.amazon.com}. Por tanto, el liderazgo de la nube refleja la economía de la implementación, aunque sigue condicionado a la existencia de controles satisfactorios para la información sanitaria protegida.

Los sistemas instalados localmente representan aproximadamente el 24,4 % del mercado, es decir, alrededor de 586 millones de dólares. Su papel es más destacado cuando la residencia de los datos, la protección de la propiedad intelectual o la personalización de los modelos tienen más peso que la conveniencia de los servicios gestionados. Los grandes centros académicos, los grupos de investigación genómica y las organizaciones farmacéuticas tienen más probabilidades de asumir la carga de capital y operativa de la infraestructura privada cuando esta protege datos sensibles o permite realizar ajustes intensivos de los modelos.

Por aplicación

La documentación clínica representa el 36,2 % del mercado en 2025, aproximadamente 869 millones de dólares. Su tamaño refleja problemas inmediatos en los flujos de trabajo, beneficios cuantificables en el tiempo de los profesionales clínicos y una vía clara para la integración con la historia clínica electrónica. Abridge, DAX Copilot de Microsoft, Ambience Healthcare, Suki AI y Nabla compiten en este segmento combinando la generación de notas con la codificación, los resúmenes y la asistencia para documentación específica de determinadas tareas. La cuestión competitiva está pasando de la calidad de la transcripción a la precisión demostrada, la cobertura de especialidades y el valor en los flujos de trabajo financieros.

La imagen médica representa el 17,6 % del valor del mercado, aproximadamente 422 millones de dólares. Aidoc, Paige, NVIDIA MONAI y Viz.ai operan en los ámbitos de la radiología, la patología y los flujos de trabajo de coordinación asistencial. El segmento se beneficia de conjuntos de datos de imagen consolidados y de experiencia regulatoria, pero la adopción comercial depende de que los resultados del análisis de imágenes modifiquen la priorización, la elaboración de informes o la intervención posterior, en lugar de limitarse a identificar una anomalía.

El descubrimiento y desarrollo de fármacos representa el 27,8 % del mercado, aproximadamente 667 millones de dólares. Recursion, Insilico Medicine, BenevolentAI, Isomorphic Labs, NVIDIA y Tempus desarrollan distintas combinaciones de datos biológicos, química, diseño molecular y evidencia clínica. El segmento cuenta con el respaldo de elevados presupuestos de investigación y desarrollo (I+D), pero la materialización de su valor está impulsada por hitos y sigue ciclos más largos que los del software de documentación.

La participación de los pacientes representa el 11,4 % del valor del mercado, aproximadamente 274 millones de dólares. Hippocratic AI, Hyro y Orbita utilizan sistemas de voz y sistemas conversacionales para el acceso, la navegación asistencial, la comunicación proactiva y los flujos de trabajo posteriores al alta. La demanda está vinculada a la atención basada en el valor, ya que el comprador puede evaluar la reducción de las citas no atendidas, una mejor cobertura de las necesidades asistenciales pendientes y una mayor capacidad del personal, en lugar de limitarse a medir el uso del software.

Otras aplicaciones representan aproximadamente el 7,0 % del mercado, es decir, alrededor de 168 millones de dólares. Incluyen la síntesis de literatura científica, la automatización administrativa, el apoyo a ensayos clínicos, la interpretación genómica y el análisis de la salud de la población. ScienceDirect AI de Elsevier ilustra un modelo orientado a la investigación que aplica inteligencia artificial generativa a un corpus científico seleccionado, mientras que AWS HealthScribe permite a los proveedores de software desarrollar funciones de documentación auditables.

Por uso final

Los hospitales representan el 38,4 % de la demanda en 2025, aproximadamente 922 millones de dólares. Son los principales compradores de sistemas de documentación, imagen médica y participación de los pacientes porque controlan el flujo de trabajo y el entorno de datos en el que deben operar estas herramientas. Sus decisiones de compra están determinadas por la integración con la historia clínica electrónica, la aceptación por parte de los profesionales clínicos, la revisión de la seguridad y la evidencia de que la aplicación mejora el rendimiento, la calidad de la documentación o la coordinación asistencial.

Las empresas farmacéuticas y biotecnológicas representan el 28,6 % del mercado, aproximadamente 686 millones de USD. Su demanda se centra en la identificación de dianas terapéuticas, el diseño de compuestos, la modelización biológica, las operaciones de ensayos clínicos y el acceso a conjuntos de datos multimodales. La lógica de adquisición de este segmento difiere de la de los hospitales: valora los datos propios, el rendimiento experimental y el potencial para mejorar las decisiones sobre la cartera de productos a lo largo de un horizonte de desarrollo de varios años.

Las entidades pagadoras representan el 7,9 % del valor del mercado, aproximadamente 190 millones de USD. La autorización previa, el apoyo en la gestión de reclamaciones, la orientación de los afiliados y la gestión de las brechas asistenciales son los casos de uso más relevantes. Los productos deben poder conectarse con los flujos de trabajo de cobertura y codificación sin tomar decisiones clínicas o de cobertura sin supervisión.

Las instituciones de investigación representan el 18,5 % del mercado, aproximadamente 444 millones de USD. Su demanda se ve respaldada por el acceso a literatura científica, infraestructuras públicas de investigación, datos de imagen y herramientas de modelos biológicos. Son usuarios iniciales importantes de marcos abiertos y modelos fundacionales, pero su transformación en demanda comercial suele depender de los ciclos de subvenciones, la gobernanza del intercambio de datos y el acceso a recursos informáticos.

Los demás usuarios finales representan aproximadamente el 6,6 % del valor de 2025, es decir, alrededor de 158 millones de USD. Las clínicas especializadas, las organizaciones de diagnóstico, los proveedores de telemedicina y los organismos de salud pública están adoptando herramientas específicas para determinadas tareas cuando la implementación puede limitarse a una línea de servicios definida.

Es probable que el cambio más significativo se produzca en la intersección entre segmentos. Los sistemas multimodales podrían convertir las imágenes, la anatomía patológica, los historiales clínicos y los datos moleculares en un flujo de trabajo coordinado, en lugar de tratarlos como adquisiciones de software independientes. Esta oportunidad favorece a las empresas con derechos sobre datos propios, puntos de integración fiables y evidencia clínica. También eleva el umbral de ejecución, ya que una plataforma multimodal debe cumplir los requisitos de gobernanza de cada fuente de datos a la que se conecte.

Análisis regional del mercado de LLM y modelos fundacionales para el sector sanitario

América del Norte

América del Norte representa aproximadamente el 45 % del valor del mercado en 2025, equivalente a unos 1,080 millones de USD. Estados Unidos es el núcleo regional de la demanda debido a la amplia adopción de historias clínicas electrónicas, la concentración de proveedores de IA sanitaria, la madurez de las infraestructuras en la nube y un entorno regulatorio que está desarrollando normas más claras para los productos habilitados por IA. Canadá aporta un mercado más pequeño, pero estratégicamente relevante, mediante proyectos piloto de sistemas sanitarios como DAX Copilot en The Ottawa Hospital. La principal ventaja de la región no es únicamente la disponibilidad de capital, sino también su capacidad para probar, adquirir, integrar y medir productos de IA en grandes sistemas sanitarios.

Europa

Europa representa aproximadamente el 22 % del valor del mercado en 2025, es decir, alrededor de 528 millones de dólares. Alemania, el Reino Unido, Francia, España, Italia y los Países Bajos son los principales mercados de la jerarquía regional. El crecimiento europeo está condicionado por el RGPD y la Ley de IA de la UE, que elevan la importancia de la gobernanza de datos y los procesos de conformidad en las adquisiciones sanitarias. El Reino Unido cuenta con una señal adicional de coordinación regulatoria a través de la participación de la MHRA en la Red Mundial de Regulación de HealthAI ^{[7]Medicines and Healthcare Products Regulatory Agency - UK MHRA Leads Safe Use of AI in Healthcare as First Country in New Global Network. gov.uk}. Los requisitos de conformidad pueden alargar los ciclos iniciales de venta, pero también pueden crear una base más estandarizada para comparar proveedores una vez que compradores y reguladores hayan puesto en práctica las normas.

Asia-Pacífico

Asia-Pacífico representa aproximadamente el 21 % del valor del mercado en 2025, es decir, alrededor de 504 millones de dólares. China, Japón, India, Australia y Corea del Sur constituyen los principales mercados regionales. La empresa conjunta de SB Tempus con SoftBank en Japón es un ejemplo de comercialización localizada de la medicina de precisión, mientras que NVIDIA ha respaldado el desarrollo de la inteligencia artificial aplicada a la sanidad en Japón mediante asociaciones y la infraestructura nacional de IA. En India, Apollo 24|7 ha utilizado MedLM de Google Cloud y grafos de conocimiento clínico en su Clinical Intelligence Engine. El potencial de crecimiento de la región está vinculado a sus grandes poblaciones de pacientes y a la inversión pública en salud digital, aunque los requisitos de despliegue siguen siendo muy específicos de cada país.

América Latina

América Latina representa aproximadamente el 7 % del valor del mercado en 2025, es decir, alrededor de 168 millones de dólares. Brasil, México y Argentina lideran la demanda regional, con Brasil como el mayor mercado. La Encuesta sobre las TIC en la salud de Brasil informó del uso de modelos lingüísticos generativos entre los centros sanitarios que utilizan IA, lo que respalda la idea de que las aplicaciones basadas en el lenguaje pueden ganar tracción junto con los casos de uso administrativos y de diagnóstico por imagen ^{[8]Brazilian Internet Steering Committee - ICT in Health Survey 2025. cgi.br}. La expansión regional dependerá del rendimiento en español y portugués, de los sistemas locales interoperables de datos, de la capacidad de financiación y de la armonización regulatoria, más que de la mera disponibilidad de modelos globales.

Oriente Medio y África

Oriente Medio y África representa aproximadamente el 5 % del valor del mercado en 2025, es decir, alrededor de 120 millones de dólares. Arabia Saudí, los EAU y Sudáfrica son los principales mercados de la jerarquía regional. La inversión del CCG en salud digital y en infraestructuras de innovación respalda la adopción temprana, mientras que Sudáfrica constituye un importante punto de entrada al África subsahariana. La colaboración de investigación anunciada por BenevolentAI en octubre de 2025 con Sidra Medicine, en Qatar, demuestra el creciente interés regional por aplicar la IA a la investigación de enfermedades. La adopción más amplia en la región sigue limitada por la digitalización desigual, la disponibilidad de datos, la capacidad de la fuerza laboral y los niveles de inversión sanitaria.

Asia-Pacífico presenta el mayor potencial de expansión relativa, ya que las iniciativas específicas de cada país pueden combinar unas amplias poblaciones atendidas por el sistema sanitario con infraestructuras y asociaciones locales. América Latina y Oriente Medio y África (MEA) ofrecen oportunidades más selectivas: los proveedores necesitarán adaptar el idioma, establecer soluciones localizadas en la nube o acuerdos de residencia de datos, así como modelos de contratación pública adecuados para unos niveles desiguales de madurez digital. Por tanto, un plan global de comercialización que dé por supuesto un único modelo de cumplimiento normativo e integración será menos eficaz que otro basado en vías de implantación específicas para cada región.

Cuota de mercado y panorama competitivo de los LLM y modelos fundacionales para el sector sanitario

La competencia está fragmentada entre categorías de flujos de trabajo, modelos de propiedad de los datos y modalidades de implantación. Abridge, Ambience Healthcare, Microsoft, Nabla y Suki AI compiten en documentación clínica ambiental; Hippocratic AI, Hyro y Orbita se centran en la interacción y el acceso de los pacientes; Aidoc, Paige AI y Viz.ai operan en la interfaz entre diagnóstico por imagen y coordinación asistencial; BenevolentAI, Insilico Medicine, Isomorphic Labs y Recursion Pharmaceuticals se centran en el descubrimiento de fármacos basado en IA; y Amazon Web Services, Anthropic, Elsevier, Google, NVIDIA, OpenAI y Tempus AI suministran infraestructura fundacional, modelos, datos o herramientas de investigación.

Abridge ha alcanzado una escala considerable en IA basada en conversaciones clínicas, respaldada por más de 150 implantaciones en sistemas sanitarios y por una ronda de financiación de Serie E de 300 millones de dólares, con una valoración de 5,300 millones de dólares en junio de 2025, ^{[9]Reuters - Healthcare Startup Abridge Tops $5 Billion Valuation in A16z-Led Financing Round. reuters.com}. Ambience Healthcare se diferencia por su documentación adaptada a la codificación en distintos entornos asistenciales y captó 243 millones de dólares en financiación de Serie C en julio de 2025. Microsoft combina DAX Copilot con la presencia de Nuance en el ámbito sanitario empresarial y su integración con los sistemas de historia clínica electrónica, mientras que Suki AI y Nabla compiten con plataformas de documentación clínica ambiental, codificación y flujos de trabajo para profesionales sanitarios.

Hippocratic AI se centra en agentes orientados a los pacientes y diseñados con énfasis en la seguridad, y comunicó una ronda de financiación de Serie C de 126 millones de dólares, con una valoración de 3,500 millones de dólares en enero de 2026. Hyro y Orbita abordan el acceso de los pacientes, la automatización de los centros de atención telefónica, la navegación y los flujos de trabajo de seguimiento, ámbitos en los que el rendimiento depende de una integración fiable con los sistemas de programación de citas, CRM y de historia clínica electrónica. Su ventaja competitiva depende de automatizar eficazmente las tareas repetitivas, preservando al mismo tiempo las vías de escalado para las excepciones clínicas y de servicio.

Aidoc ofrece una plataforma de IA clínica que abarca aplicaciones de radiología, cardiología, neurovasculares y vasculares, mientras que Paige AI aporta software de anatomía patológica digital, credenciales regulatorias y activos de datos de patología. Viz.ai amplía la inteligencia aplicada al diagnóstico por imagen hacia la coordinación informada por la historia clínica electrónica y los flujos de trabajo de preparación de historiales. En este segmento, la amplitud de las capacidades algorítmicas es importante, pero el valor para los sistemas sanitarios viene determinado cada vez más por la capacidad de la plataforma para modificar el tiempo hasta el tratamiento, el seguimiento y la coordinación entre profesionales sanitarios.

BenevolentAI aplica tecnología de descubrimiento basada en grafos de conocimiento mediante colaboraciones con socios biofarmacéuticos. Insilico Medicine ha establecido un punto de referencia para la validación clínica a través de los resultados de fase IIa de rentosertib. Isomorphic Labs combina conocimientos estructurales derivados de AlphaFold con diseño generativo y captó 600 millones de dólares en financiación externa en 2025. Recursion Pharmaceuticals ha ampliado sus capacidades de datos y química mediante la fusión con Exscientia. Estas empresas compiten en función de la calidad y la escala de sus datos biológicos, su ciclo experimental, su flujo de trabajo de diseño de fármacos y su capacidad para convertir la actividad de la plataforma en activos clínicos validados.

Amazon Web Services ofrece HealthScribe y servicios en la nube orientados al sector sanitario, con especial atención a la generación auditable de notas clínicas.

Anthropic ofrece Claude para los sectores sanitario y de ciencias de la vida, incluidos conectores y herramientas para flujos de trabajo clínicos, de pagadores y de investigación. Elsevier proporciona ScienceDirect AI para el descubrimiento de evidencias dentro de su entorno de contenido científico. Google respalda los modelos sanitarios mediante la investigación de MedLM y Med-PaLM, mientras que OpenAI lanzó ChatGPT for Healthcare con implementaciones aptas para HIPAA y compatibilidad con BAA en enero de 2026. NVIDIA proporciona la capacidad de cómputo, BioNeMo y la infraestructura MONAI que sustentan el desarrollo de modelos biomédicos y de diagnóstico por imagen. Tempus AI combina activos moleculares, clínicos y de análisis de datos, y su adquisición de Paige incorpora la anatomía patológica digital a esa posición multimodal.

Evolución reciente del sector

• Enero de 2026 - OpenAI lanza ChatGPT for Healthcare: OpenAI lanzó ChatGPT for Healthcare con una implementación apta para HIPAA y compatibilidad con BAA para los sistemas sanitarios.
• Agosto de 2025 - Tempus AI adquiere Paige AI: Tempus anunció la adquisición de Paige AI por 81,25 millones de dólares, incorporando tecnología de anatomía patológica y activos de datos a su plataforma de medicina de precisión.
• Octubre de 2025 - colaboración entre BenevolentAI y Sidra Medicine: BenevolentAI y Sidra Medicine anunciaron una colaboración de investigación sobre ZFP57 en la diabetes y la regulación metabólica.