La inteligencia artificial está comenzando a ocupar un lugar cada vez más visible en el cuidado del pie diabético. Durante los últimos años, diferentes grupos de investigación han desarrollado modelos capaces de analizar imágenes, segmentar lesiones, clasificar características y apoyar procesos de monitoreo de úlceras.
Una revisión publicada en julio de 2026 en JMIR Diabetes analizó 46 estudios sobre modelos de inteligencia artificial aplicados a la evaluación de úlceras de pie diabético. Los trabajos se concentraron principalmente en segmentación de imágenes, clasificación diagnóstica y predicción o monitoreo del riesgo.
Este crecimiento tecnológico coincide con una necesidad clínica muy concreta: conseguir una evaluación de heridas más consistente, mejor documentada y capaz de seguir los cambios que aparecen entre una visita y otra.
¿Por qué existe tanto interés en aplicar inteligencia artificial al pie diabético?
La evaluación de una úlcera diabética requiere observar y documentar múltiples características. El tamaño de la lesión, el tejido presente, el exudado, los bordes, la piel perilesional y la evolución son solo algunos de los elementos que pueden influir en la interpretación clínica.
Sin embargo, la literatura continúa señalando problemas relacionados con subjetividad, variabilidad entre observadores y tiempo disponible para realizar una evaluación completa. Precisamente estas dificultades han impulsado el desarrollo de sistemas digitales y modelos de inteligencia artificial destinados a complementar el trabajo del profesional.
La posibilidad de contar con un proceso más estructurado de valoración de heridas resulta especialmente relevante en pacientes con diabetes, donde pequeños cambios pueden adquirir importancia durante el seguimiento.
La fotografía clínica está adquiriendo un nuevo papel
Tradicionalmente, la fotografía de una herida ha servido principalmente para conservar un registro visual de su apariencia en un momento determinado.
La inteligencia artificial está ampliando progresivamente esa función.
Los modelos estudiados en la revisión de JMIR Diabetes utilizaron principalmente técnicas de aprendizaje profundo para tareas como segmentación, clasificación, predicción y monitoreo. Las redes neuronales convolucionales fueron uno de los enfoques más utilizados.
Esto abre nuevas posibilidades para el análisis de heridas, aunque la fotografía continúa siendo solamente una parte de una evaluación clínica mucho más amplia.
Una imagen puede mostrar determinados cambios visibles, pero no sustituye información sobre perfusión, neuropatía, infección, presión, control metabólico, comorbilidades o respuesta previa al tratamiento.
De una fotografía aislada al seguimiento en el tiempo
Uno de los aspectos más importantes en una herida crónica es la posibilidad de comparar su evolución.
Una evaluación aislada describe lo que ocurre hoy. El seguimiento de heridas permite comprender lo que está ocurriendo durante días o semanas.
Esta continuidad es especialmente importante en las úlceras de pie diabético, donde el comportamiento de la lesión puede cambiar de manera significativa.
La incorporación de tecnologías digitales puede contribuir a que el profesional conserve una visión más ordenada del proceso y facilite el monitoreo de heridas a lo largo del tiempo.
¿Qué tan buenos son actualmente estos sistemas?
Los resultados de investigación son prometedores, pero todavía existe una distancia importante entre el rendimiento observado en estudios experimentales y su uso cotidiano.
La revisión de 2026 encontró que muchos estudios dependían de bases de datos retrospectivas, frecuentemente procedentes de un solo centro, y que la validación externa todavía era limitada. La implementación de estos modelos en escenarios clínicos reales también continúa siendo escasa.
Una segunda revisión publicada en Diabetes Research and Clinical Practice analizó 11 estudios de validación clínica realizados en ocho países. Encontró sensibilidades entre 91 % y 100 %, pero especificidades mucho más variables, entre 20 % y 96,8 %. También identificó dificultades relacionadas con la calidad de las imágenes, alfabetización digital, infraestructura y privacidad.
Estos resultados muestran que la tecnología puede ser útil, pero también que el desempeño de un sistema depende del entorno donde se utilice.
El problema de trasladar un algoritmo al mundo real
Un modelo puede obtener resultados excelentes con fotografías cuidadosamente seleccionadas y comportarse de forma diferente cuando comienza a recibir imágenes tomadas por múltiples profesionales, diferentes teléfonos, condiciones de iluminación variables o poblaciones distintas.
También existen diferencias en tonos de piel, localización anatómica, características de las lesiones y condiciones clínicas.
Por eso, uno de los grandes retos actuales no consiste únicamente en desarrollar algoritmos más sofisticados, sino en conseguir que la tecnología pueda integrarse de manera segura en el cuidado de heridas cotidiano.
La revisión sobre validación clínica también destacó que los sistemas actuales todavía presentan limitaciones para evaluar características más profundas de las heridas.
La documentación sigue siendo una parte esencial del cuidado
Mientras las tecnologías de inteligencia artificial continúan evolucionando, la documentación clínica sigue teniendo un papel central.
Una herida que se evalúa repetidamente necesita información comparable.
El profesional debe poder reconocer qué cambió, qué permaneció estable y qué intervenciones se realizaron.
Una adecuada documentación clínica de heridas permite mantener la continuidad de esa información y facilita la comunicación entre diferentes momentos de atención.
La tecnología puede contribuir a hacer este proceso más organizado, pero la calidad de la información continúa dependiendo de una valoración clínica adecuada.
Inteligencia artificial y decisión profesional
El desarrollo de nuevas herramientas también plantea una pregunta importante: ¿hasta dónde debería llegar la inteligencia artificial dentro de una decisión clínica?
En el pie diabético, una fotografía por sí sola no puede representar toda la situación del paciente.
Perfusión, neuropatía, infección, presión plantar, control glucémico, descarga y múltiples comorbilidades pueden modificar completamente la interpretación de una lesión.
Por esta razón, una de las aplicaciones más interesantes de la tecnología puede estar en apoyar el trabajo del profesional, facilitando el acceso y la organización de información útil para el manejo de heridas crónicas.
La revisión de JMIR Diabetes señala precisamente que se necesitan estudios prospectivos, conjuntos de datos más estandarizados, validación externa e integración real en los flujos de trabajo antes de una adopción clínica generalizada.
El seguimiento puede ser tan importante como el análisis inicial
Cuando se habla de inteligencia artificial, gran parte de la atención suele concentrarse en lo que ocurre durante la primera evaluación.
Sin embargo, una úlcera diabética debe observarse a lo largo del tiempo.
Una tecnología verdaderamente útil para el profesional debería facilitar la continuidad de la información durante el seguimiento clínico de heridas, permitiendo comparar diferentes momentos y reconocer tendencias en la evolución.
El interés científico está comenzando a desplazarse precisamente hacia sistemas capaces de integrarse en escenarios reales y no solamente ofrecer buenos resultados en bases de datos experimentales.
¿Estamos cerca de una transformación del cuidado de heridas?
Probablemente estamos entrando en una etapa de transición.
Las herramientas actuales ya muestran capacidad para realizar tareas que hace pocos años parecían difíciles de automatizar. Existen modelos para segmentación, clasificación, reconocimiento de patrones, medición y predicción.
Pero el futuro del cuidado digital de heridas probablemente dependerá menos de una función aislada y más de la capacidad de las tecnologías para incorporarse de forma segura al trabajo cotidiano.
La evidencia disponible todavía no permite considerar que estos sistemas sustituyan la valoración profesional. En cambio, sí muestra un campo de investigación que está creciendo rápidamente y que podría modificar significativamente la forma en que se documentan y siguen las lesiones crónicas.
Conclusión
La inteligencia artificial está abriendo nuevas posibilidades para la evaluación de las úlceras de pie diabético. ClinicalWound ha sido concebida como una herramienta digital de apoyo al cuidado de heridas, orientada a favorecer una valoración más estructurada, una documentación clínica consistente y un seguimiento ordenado de la evolución. Su principal elemento diferenciador es la incorporación de opciones terapéuticas orientativas vinculadas a la valoración registrada, lo que permite al profesional contrastar alternativas de manejo y fortalecer su razonamiento clínico. De este modo, ClinicalWound no pretende sustituir la decisión profesional, sino ofrecer un entorno más completo para apoyar decisiones informadas, seguras y coherentes con la situación clínica de cada herida.
Los estudios publicados durante los últimos años muestran avances en análisis de imágenes, segmentación, clasificación, medición y monitoreo. Sin embargo, las revisiones más recientes también advierten que todavía existen importantes desafíos relacionados con validación externa, diversidad de los datos, calidad de las imágenes, infraestructura, privacidad e integración clínica.
El desarrollo tecnológico continuará, pero la calidad del cuidado seguirá dependiendo de algo fundamental: observar, documentar y comprender cómo evoluciona cada herida en el tiempo.
Referencias
Zulfiqar M, Yusuf S, Taming MJ, Burhan H. AI-Based Models for Diabetic Foot Ulcer Assessment: Scoping Review. JMIR Diabetes. 2026;11:e77925. doi:10.2196/77925.
Performance of artificial intelligence in diabetes-related foot ulcer detection and assessment: a scoping review of clinical validation studies. Diabetes Research and Clinical Practice. 2026;239:113485.
Compartir en
