Los robots quirúrgicos adquieren autonomía supervisada para subareas de sutura, pero la autonomía completa sigue estando a años de distancia
La robótica quirúrgica cruzó un punto de inflexión real en los últimos dos años, pero no el que la mayoría de los titulares implica. La tecnología no ha dado el salto a robots operando a pacientes sin supervisión. Lo que realmente ha sucedido es más específico y fascinante: los robots ahora pueden completar subtareas concretas y bien definidas —de manera destacada, la sutura— con asistencia de Machine Learning, mientras un cirujano observa, corrige por voz y conserva la autoridad total para intervenir en cualquier momento.
Esa distinción importa porque separa el progreso clínico genuino de la narrativa especulativa del "cirujano robot" que circula cada pocos meses. La verdadera historia trata sobre dónde la autonomía es útil de manera segura hoy en día, y por qué el problema más difícil —la independencia procedimental total— probablemente aún esté a una década o más de distancia, si es que llega a darse en la cirugía general.
Qué ha cambiado realmente
Dos hitos regulatorios y de productos anclan el estado actual. El sistema Hugo de Medtronic recibió la autorización de la FDA en diciembre de 2025, uniéndose al da Vinci 5 de Intuitive Surgical, autorizado en marzo de 2024. En mayo de 2025, la FDA reconoció formalmente la norma actualizada IEC 80601-2-77 para equipos quirúrgicos asistidos por robot —un estándar técnico que ahora cubre explícitamente sistemas modulares, plataformas de microcirugía abierta y sistemas con la interfaz de usuario ubicada en el propio campo estéril.
Ninguna de estas autorizaciones certifica una operación autónoma. Certifican mejores herramientas: mejor retroalimentación táctil (durante mucho tiempo un punto débil de la cirugía robótica, donde los cirujanos perdían el sentido del tacto que guía la técnica manual), una visión por computadora más nítida para identificar estructuras anatómicas en tiempo real, y plataformas lo suficientemente flexibles como para soportar la capa de software que permite la automatización de subtareas.
Cómo se ve en la práctica la autonomía de subtareas supervisada
Las demostraciones publicadas más claras involucran la sutura —cerrar una incisión con aguja e hilo, un movimiento repetitivo y mecánicamente bien comprendido que es más fácil de modelar que, por ejemplo, diseccionar tejido alrededor de un tumor—. En estas demostraciones, el robot completa una secuencia de sutura que ha aprendido a partir de datos de entrenamiento, mientras el cirujano supervisor puede interrumpir o corregir la acción verbalmente en cualquier momento. Si el robot se desvía del comportamiento esperado, el comando de voz del cirujano lo detiene inmediatamente.
Esto es fundamentalmente diferente de la autonomía total. Se parece más al control de crucero adaptativo en un automóvil: el sistema maneja una tarea repetitiva y bien acotada de manera competente, pero un humano permanece activamente involucrado y listo para tomar el control. Los investigadores que publican revisiones sistemáticas de robots quirúrgicos autorizados por la FDA han clasificado consistentemente los sistemas actuales en niveles bajos de autonomía en escalas establecidas —ni cerca del nivel requerido para que un robot planifique y ejecute un procedimiento completo de manera independiente.
Por qué la autonomía total está más lejos de lo que sugiere el marketing
La cirugía no es una sutura repetida de forma aislada. Un procedimiento real implica decisiones de juicio que no se reducen limpiamente a un movimiento aprendido: reconocer cuándo la anatomía se desvía del diseño esperado, decidir cuánto tejido extirpar, responder a sangrados inesperados, adaptar un plan a mitad del procedimiento basándose en lo que se encuentra. Estos son exactamente los escenarios donde los sistemas actuales de Machine Learning —entrenados en reconocimiento de patrones a partir de casos anteriores— luchan más, porque implican un juicio genuino bajo condiciones novedosas en lugar de la ejecución de un movimiento conocido.
Los investigadores de Machine Learning médico que evalúan el campo han sido explícitos: no se espera una cirugía totalmente autónoma en 2026, ni en 2027, y probablemente tampoco para 2030, excepto en procedimientos muy estrictamente limitados donde la anatomía y los pasos están altamente estandarizados. Ese es un cronograma significativamente diferente al marco de "los robots reemplazarán a los cirujanos" que circula en la cobertura tecnológica general.
Por qué el camino incremental es el correcto
El enfoque de la FDA —autorizar capacidades de subtareas individuales y hardware de sensores mejorado en lugar de aprobar procedimientos autónomos de extremo a extremo— refleja una precaución adecuada para un dominio donde los errores son irreversibles. Cada capacidad autorizada (mejor retroalimentación táctil, control de instrumentos más preciso, finalización validada de subtareas) se combina en una plataforma que es mediblemente más segura y capaz, sin requerir que nadie certifique el juicio de un sistema en todo el espacio de escenarios quirúrgicos a la vez.
Para los hospitales que evalúan estos sistemas, la conclusión práctica es separar las afirmaciones de marketing sobre "cirugía impulsada por Machine Learning" de lo que está realmente autorizado y validado. Un robot que completa una subtarea de sutura bajo supervisión es una capacidad genuina que vale la pena adoptar donde mejora la consistencia y reduce la fatiga del cirujano en pasos repetitivos. Un robot comercializado como capaz de tomar decisiones autónomas a mitad de procedimiento no es algo que respalden las autorizaciones regulatorias actuales, y las afirmaciones en contrario merecen escrutinio.
La tecnología está avanzando. Simplemente avanza en la dirección de humanos mejor asistidos, no de humanos reemplazados —y esa distinción importará para cómo los sistemas de salud planean su adopción durante los próximos años.