Los avances más recientes en cirugía robótica e inteligencia artificial (IA) están transformando poco a poco el paradigma quirúrgico tradicional. Nuevos algoritmos de aprendizaje profundo, visión por countryside y modelos de decisión avanzados han permitido pasar de sistemas robóticos puramente teleoperados a plataformas capaces de asistir, interpretar y, en ocasiones, realizar tareas quirúrgicas complejas.

En este contexto, uno de los hitos más relevantes es el desarrollo de sistemas quirúrgicos con capacidad de autonomía estructurada, es decir, capaces de completar subtareas quirúrgicas de forma segura y reproducible. Un ejemplo destacado es el trabajo publicado recientemente en Science Robotics por Yip et al. (2025), donde se presenta el sistema SRT-H (Surgical Robot Transformer – Hierarchical). El sistema combina modelos de lenguaje con control robótico jerárquico para ejecutar, de manera autónoma, los distintos pasos de una colecistectomía en un entorno experimental ex vivo. El interés de este enfoque radica en que el robot no solo ejecuta movimientos preprogramados, sino que comprende la secuencia quirúrgica.

A pesar de estos avances, la traslación clínica de la cirugía autónoma y de la IA avanzada sigue siendo limitada. La mayor parte de la evidencia disponible procede de entornos experimentales, simuladores o modelos ex vivo, y existen todavía importantes desafíos relacionados con la seguridad del paciente, la validación clínica, la responsabilidad legal y la integración en el flujo real del quirófano. En la práctica clínica actual, estas tecnologías se posicionan principalmente como herramientas de asistencia al cirujano.

En conclusión, la cirugía robótica asistida por IA avanza a pasos agigantados, pero estamos aún lejos de su futura implementación a la práctica clínica real. Será necesario disponer de ensayos clínicos controlados y marcos regulatorios claros antes de que estas tecnologías puedan incorporarse de forma rutinaria.

Anexo el artículo a continuación para ampliar información: Kim JW, Chen J-T, Hansen P, Shi LX, Goldenberg A, Schmidgall S, et al. SRT-H: A hierarchical framework for autonomous surgery via language-conditioned imitation learning. Sci Robot. 2025; 10: eadt5254. doi:10.1126/scirobotics.adt5254. Disponible en: https://doi.org/10.1126/scirobotics.adt5254