AI-powered surgical robotics is best understood as a stack of technologies rather than a single “robot surgeon.” In today’s operating room, the most mature systems still keep the surgeon in control while software improves planning, visualization, instrument guidance, motion control, workflow analysis, or selected automated tasks. The practical question is not whether a platform “uses AI,” but which decisions and actions the software performs, what the clinician still controls, and whether those capabilities are authorized and validated for the intended procedure.
That distinction matters because “precision” can mean several different things: reproducing a planned bone cut more accurately, stabilizing an instrument, constraining motion inside a virtual boundary, measuring tissue force, recognizing phases in surgical video, or proposing a patient-specific plan. These functions can be valuable, but none automatically guarantees a better clinical outcome for every patient or procedure.
| Use case | What the technology does | Typical human role | Practical maturity |
|---|---|---|---|
| Robot-assisted teleoperation | Translates surgeon hand movements into instrument motion; may filter tremor or add motion scaling. | Surgeon continuously controls the instruments. | Established in many minimally invasive procedures. |
| Patient-specific planning | Uses imaging and software to build a plan around individual anatomy. | Surgeon reviews, adjusts, and approves the plan. | Established in several orthopedic, spine, and navigation workflows. |
| Haptic or geometric constraints | Limits or guides instrument movement relative to a planned boundary. | Surgeon performs the task within system-defined constraints. | Established in selected orthopedic and navigation systems. |
| Computer vision and video analytics | Identifies procedural phases, instruments, anatomy, or patterns in recorded video. | Clinician reviews analytics and decides how to use them. | Commercially available for some post-operative analytics; real-time capabilities vary. |
| Task automation | Executes a bounded, preprogrammed task once parameters are set. | Surgeon selects, supervises, and can intervene. | Available in limited, procedure-specific forms. |
| High-level autonomous surgery | Would independently plan and execute major portions of a procedure while adapting to changing anatomy. | Primarily supervisory. | Still research-oriented rather than routine clinical practice. |
The U.S. Food and Drug Administration describes robotically assisted surgical systems as computer-assisted devices that allow trained physicians to control instruments during surgery. For many soft-tissue systems, the robot does not independently perform the operation; the surgeon remains the active controller. The FDA’s computer-assisted surgical systems guidance is a useful baseline because it separates the popular image of an autonomous robot from the actual role of many current systems.
AI can be added to that robotic foundation in several places. A machine-learning model might segment anatomy from an image, recognize a procedural phase, flag a pattern in video, or help generate a patient-specific plan. But advanced robotics can also improve precision without machine learning. Force feedback, tremor filtering, robotic kinematics, motion constraints, and deterministic planning algorithms may all be sophisticated without being “AI” in the regulatory sense.
The FDA’s AI-enabled medical device list can help verify whether an authorized device has been identified as AI-enabled, although the FDA explicitly notes that the list is not comprehensive.
Robotic mechanisms can scale motion, filter tremor, hold an instrument at a fixed pose, or prevent a cutting tool from moving beyond a virtual boundary. In orthopedics, for example, Stryker describes its Mako systems as using patient-specific planning and haptic boundaries that constrain a tool relative to the planned anatomy. The relevant point is not the brand claim itself, but the engineering pattern: software defines a geometric plan and the robot physically helps keep the instrument within that plan.
For a concrete example, Stryker’s Mako Spine documentation describes automatic patient registration, smart segmentation, algorithm-driven screw suggestions, and haptic guidance. Some of those functions are algorithmic rather than necessarily machine learning, which is exactly why buyers should ask what “AI” means in a specific system.
Intuitive’s da Vinci 5 received FDA 510(k) clearance in March 2024. One of its notable additions is force-sensing technology that can measure forces at the instrument and feed a sense of tissue force back to the surgeon. Intuitive describes this capability in its da Vinci 5 clearance announcement.
Force feedback is a good illustration of why “AI-powered” can be an imprecise label. This feature may improve the information available to the surgeon, but it is fundamentally a sensing-and-control capability rather than an autonomous decision-maker.
Video is one of the richest data streams in a modern operating room. AI can divide a procedure into phases, detect instruments, estimate how long anatomy remains in view, and support post-operative review. Medtronic’s Touch Surgery Performance Insights is a current commercial example of AI-enabled analysis for selected procedures.
The limitation is just as important as the capability. Medtronic states that, at present, the platform does not provide real-time decision support or live critical-structure identification. That is a useful reality check: post-operative AI analytics are already practical, while some of the more dramatic “AI guiding the surgeon live” scenarios remain limited, procedure-specific, investigational, or unreleased.
Planning systems can use CT, MRI, intraoperative imaging, registration, and anatomical models to propose where an implant, screw, cut, or trajectory should go. The robot may then help the surgeon execute that plan. This is especially relevant in orthopedics, spine surgery, and stereotactic procedures, where a target can be represented geometrically.
The tradeoff is dependence on data quality and registration accuracy. A perfect robot following an inaccurate model is still following the wrong model. Teams therefore need clear checks for imaging quality, registration error, plan approval, and conditions that require abandoning or revising the robotic workflow.
A 2024 systematic review in npj Digital Medicine examined FDA-cleared surgical robots from 2015 through 2023 using a six-level autonomy framework. Of 49 systems identified, 86% were classified as Level 1 robot assistance, 8% as Level 2 task autonomy, and 6% as Level 3 conditional autonomy. The review found no Level 4 or Level 5 systems in that dataset. It also reported that only two systems had machine-learning-enabled features explicitly recognized in FDA submissions, while some additional products used AI-related claims in marketing materials.
Those numbers should not be treated as a complete picture of the 2026 market because the review stops at 2023. They are still useful as a baseline: clinically deployed surgical robotics has historically been dominated by surgeon-controlled assistance, with higher autonomy appearing in narrow, bounded tasks rather than whole-procedure replacement of the surgeon.
The market has continued to evolve. In July 2026, Johnson & Johnson announced FDA De Novo authorization for the OTTAVA robotic surgical system for multiple upper-abdominal general surgery procedures. That is meaningful competition in soft-tissue robotics, but authorization of a robotic platform should not be interpreted as authorization for autonomous surgery or for every AI feature a company may be developing.
Las investigaciones han demostrado la creciente autonomía en tareas quirúrgicas, especialmente en entornos preclínicos controlados. Un ejemplo ampliamente citado es el robot autónomo de tejidos inteligentes (STAR), que realizó anastomosis intestinales laparoscópicas en modelos porcinos en un estudio de 2022 descrito por la Universidad Johns Hopkins . El proyecto demostró que un robot podía planificar y ejecutar una compleja sutura de tejidos blandos adaptándose al movimiento del tejido.
Si bien esto es científicamente importante, no demuestra que la cirugía autónoma de tejidos blandos esté lista para su uso rutinario en humanos. Pasar de una demostración preclínica a un sistema clínico de amplia implementación requiere un rendimiento sólido en diversas anatomías, hemorragias, hallazgos inesperados, fallos del dispositivo, interacciones del equipo y situaciones de transferencia de emergencia. El requisito de fiabilidad en cirugía es mucho mayor que simplemente lograr una alta precisión promedio en una prueba de laboratorio.
Los hospitales deben diferenciar la precisión técnica del beneficio para el paciente. Un sistema puede colocar un instrumento más cerca de la trayectoria planificada o reproducir un objetivo geométrico con mayor precisión, pero los resultados clínicos aún pueden depender de la selección del procedimiento, la experiencia del cirujano, las complicaciones, la anestesia, el control de infecciones, la biología tisular y los cuidados postoperatorios.
La FDA recomienda que los pacientes que estén considerando una cirugía robótica analicen los riesgos, los beneficios, las alternativas y la formación y experiencia del cirujano. Este consejo sigue siendo válido incluso a medida que las funciones de la IA se vuelven más avanzadas. Un flujo de trabajo de alta tecnología debe justificarse por el problema clínico, no por la novedad de la plataforma.
Estas preguntas coinciden con el énfasis que la FDA pone en los controles del ciclo de vida completo. Los principios de Buenas Prácticas de Aprendizaje Automático de la agencia hacen hincapié en los datos representativos, las pruebas clínicamente relevantes, el desempeño del equipo humano-IA, la información clara para el usuario y el monitoreo de los modelos implementados.
En el caso de las funciones de IA que se prevé que cambien después de la autorización, la guía final del Plan de Control de Cambios Predeterminado de la FDA de agosto de 2025 describe cómo los fabricantes pueden definir con antelación las modificaciones planificadas, los métodos de validación y las evaluaciones de impacto.
| Pregunta | Interpretación de menor riesgo | Interpretación de la gobernanza superior |
|---|---|---|
| ¿Qué controla el algoritmo? | Visualización, análisis, recomendaciones o guía delimitada. | Movimiento del instrumento, ejecución de la tarea o estrategia de procedimiento. |
| ¿Puede el médico verificar el resultado? | Los resultados son visibles y fáciles de verificar. | La lógica resulta opaca o difícil de confirmar de forma independiente durante el procedimiento. |
| ¿Puede el médico anularlo? | Es posible el control manual inmediato o la desconexión. | Anular esta función requiere interrumpir el flujo de trabajo o resulta difícil bajo presión de tiempo. |
| ¿Qué ocurre si los datos son incorrectos? | Es probable que el error se detecte antes de tomar medidas. | Los errores pueden influir directamente en la anatomía, la trayectoria, la administración de energía o la manipulación de los tejidos. |
| ¿Cómo cambia el modelo? | Versión de software fija con actualizaciones controladas. | Modelo adaptativo o que se actualiza con frecuencia y que requiere monitorización de su ciclo de vida. |
Cuanto más se acerque un sistema a la columna de la derecha, mayor será la importancia de la gobernanza formal. Esto incluye la revisión multidisciplinaria, la simulación, la notificación de incidentes, el control de versiones, la vigilancia posterior a la comercialización y un proceso documentado para pausar una función cuando su rendimiento sea incierto.
A corto plazo, la tendencia apunta más a una mejora progresiva que a un salto abrupto hacia la cirugía autónoma. Cabe esperar una mejor visión artificial, una segmentación y registro más automáticos, una detección de fuerza y movimiento más precisa, alertas contextuales, una indexación de vídeo quirúrgico más inteligente y subtareas automatizadas con límites estrictos. Los modelos multimodales podrían, con el tiempo, combinar vídeo, telemetría de instrumentos, imágenes, datos patológicos y del paciente para mejorar la percepción del entorno.
Lo difícil no será generar una sugerencia de IA, sino demostrar cuándo esa sugerencia es lo suficientemente fiable como para modificar la actuación quirúrgica, definir un comportamiento seguro cuando la confianza es baja y validar el rendimiento en distintos hospitales, cirujanos, dispositivos y poblaciones de pacientes.
La robótica quirúrgica con inteligencia artificial ya está transformando el quirófano, pero su mayor valor reside hoy en día en complementar a los equipos de expertos, en lugar de sustituirlos. Los casos de uso más relevantes son aquellos en los que la tecnología tiene una función claramente definida: planificación en función de la anatomía específica del paciente, estabilización o limitación del movimiento, extracción de información estructurada de vídeos quirúrgicos, mejora de la visualización o automatización de una tarea específica bajo supervisión.
Para hospitales, cirujanos y pacientes, la pregunta correcta no es "¿Este robot funciona con inteligencia artificial?", sino "¿Qué hace exactamente el sistema, cómo se validó esa función, quién es responsable de la decisión y qué sucede cuando la tecnología falla?". Este marco convierte una tendencia tecnológica general en una evaluación práctica de seguridad y valor.
Una guía práctica para 2026 sobre inteligencia artificial, sensores para hogares inteligentes, monitorización remota, seguridad contra caídas, privacidad y cómo la tecnología puede facilitar el envejecimiento en el hogar sin sustituir la atención médica.
Descubre cómo las ciudades pueden transformar los datos sobre movilidad, uso del suelo, clima y comunidad en barrios más seguros, más ecológicos y más transitables a pie, sin anteponer la tecnología a las personas.
Compara los principales programas de ingeniería aeroespacial y de vehículos aéreos no tripulados (UAV) en las áreas de drones, autonomía, sistemas de control, operaciones con sistemas aéreos no tripulados (UAS) e investigación de posgrado, con actualizaciones verificadas hasta 2026.
A practical guide to AI-powered surgical robotics: current capabilities, levels of autonomy, precision benefits, limits, regulation, and evaluation criteria.
La inversión en CCUS está en aumento, pero ¿puede la captura de carbono revertir las emisiones globales? Descubra dónde funciona, qué limita su escala y qué evidencia es relevante.
Compare siete programas globales para cadenas de suministro digitales, logística, análisis, comercio global y operaciones, con orientación práctica para elegir el más adecuado.
Descubre cómo las interfaces cerebro-computadora decodifican las señales neuronales para restaurar la comunicación y el movimiento, qué han logrado los estudios recientes y qué limita aún el uso de las interfaces cerebro-computadora.
Descubre cómo los drones comerciales combinan sensores, IA en el borde, baterías, comunicaciones y software de control de vuelo, y dónde la autonomía aún depende de la misión y la normativa.
Compare siete opciones destacadas de fabricantes líderes en baterías y almacenamiento de energía, teniendo en cuenta los materiales, los sistemas, la investigación, la experiencia en la industria, la flexibilidad, el idioma y la relación costo-beneficio.
Aprenda cómo la masa de la carga útil, los límites de la batería, las condiciones meteorológicas, la eficiencia de la propulsión y la arquitectura de la aeronave influyen en la autonomía de los UAV industriales, y cómo mejorarla.
