El estándar de Anthropic para que la IA maneje el laboratorio

Esta semana la inteligencia artificial ha dado un paso algo raro. Ha salido de la pantalla y se ha puesto a mover el instrumental de un laboratorio.

La IA empieza a manejar el aparato, no solo a leer el resultado

El 27 de agosto Anthropic presentó el Model Hardware Standard, un lenguaje común para que un agente de IA controle aparatos físicos. Microscopios, brazos robóticos, pipeteadores, láseres. La misma idea que ya funcionó con el protocolo MCP para conectar modelos a programas, pero llevada a las cosas que se tocan.

Conectar un instrumento nuevo lleva semanas o meses, porque cada fabricante habla su propio idioma. Con este estándar, según Anthropic, baja a horas o minutos.

Lo llamativo es dónde lo han probado, porque casi todo es biomédico. En Genentech el agente ajustó solo los caudales de un ensayo de proteínas y se recuperó de varios errores sobre la marcha. En la Universidad de Washington coordinaron en menos de una semana un brazo robótico y un pipeteador para mover placas de qPCR sin chocar. En Carnegie Mellon sacaron unas tres veces más velocidad en curvas dosis-respuesta, con la integración lista en 8 horas frente a las varias semanas que pedía el fabricante. Entre los socios están QIAGEN, Tecan y Danaher.

Dos cosas importantes que nadie cuenta. No es código abierto todavía, está en vista previa cerrada y Anthropic dice que lo abrirá tras las evaluaciones de seguridad. Y no depende de Claude, el estándar es agnóstico de modelo.

¿Qué significa esto para ti? Si trabajas en laboratorio o en diagnóstico, esto va contigo antes que a la consulta. El agente no interpreta el resultado, prepara la muestra y ajusta el equipo, que es donde se pierden los días.

Publicación oficial de Anthropic · CNBC.

---

Radar de la semana

De 1.357 dispositivos de IA aprobados por la FDA, solo 3 se han probado en el paciente. Un equipo de la Universidad de Toronto los revisó uno por uno hasta el corte del 5 de diciembre de 2025, cruzando la base de dispositivos de la FDA y el catálogo del ACR con ClinicalTrials.gov y PubMed. Solo el 2,5% aparece ligado a un ensayo prospectivo registrado, y únicamente 3, el 0,2%, han medido desenlaces que le importan al paciente, es decir mortalidad, morbilidad o reingresos. La razón está en la vía de autorización, que solo exige demostrar equivalencia sustancial con otro aparato ya aprobado. Nadie pide enseñar que el paciente vive mejor. Autorizado no es lo mismo que validado. Cuando te ofrezcan una herramienta, la pregunta útil no es si tiene el sello, es qué desenlace clínico han medido y dónde está publicado. Estudio en PLOS Digital Health.

Cinco millones de dólares para formar en IA a las enfermeras rurales. La Fundación Johnson & Johnson y Google.org aportan 2,5 millones cada una al American Nurses Enterprise para un programa de tres años dirigido a enfermeras de zonas rurales, remotas y desatendidas de Estados Unidos. Lo interesante es el temario, que además de manejar la herramienta enseña a explicar la IA al paciente, a la familia, a los compañeros y a la dirección del centro. Aquí el hueco ya está medido, con el 71% de los sanitarios usando IA a diario y el 87% sin considerarse formado según el estudio de Fenin. Formarte no es un extra, es lo que decide si la herramienta entra bien en tu unidad. Nota de American Nurses Enterprise.

Bruselas mete a ChatGPT en la categoría más vigilada de Europa. El 31 de agosto la Comisión lo designó buscador en línea de muy gran tamaño bajo el Reglamento de Servicios Digitales, el primer chatbot de IA que entra ahí. Tiene cuatro meses, hasta enero de 2027, para evaluar y mitigar sus riesgos sistémicos, y entre los que lista el comunicado está el impacto en el bienestar físico y mental de los usuarios. Nunca antes un regulador europeo había obligado por escrito a una empresa de IA generativa a medir eso. Si tienes pacientes que usan un chatbot como apoyo emocional, esto te da algo concreto que citar. Comunicado de la Comisión Europea.

---

La reflexión de la semana

Esta semana hay dos noticias que se miran de reojo. Un agente que recorta semanas a horas dentro de un laboratorio, y 1.357 aparatos aprobados de los que solo 3 se han probado en si el paciente mejora.

Lo primero corre porque tiene incentivo comercial detrás. Lo segundo va lento porque medir desenlaces es caro, tarda años y no vende.

Mi lectura es que el trabajo pendiente no es acelerar la IA. Es acelerar la evidencia, que va bastante por detrás.