Más de 1,000 médicos entrenaron Muse Spark, la IA de Meta que quiere cambiar cómo buscas síntomas en Google

Ese movimiento ocurre en un contexto claro: la forma en que las personas consultan información de salud está evolucionando hacia herramientas digitales más interactivas.

La salud digital ya es un hábito: así buscan información los mexicanos

El comportamiento del usuario ya marcó el camino antes que la tecnología. En México, 40% de las personas utilizan Internet para temas de salud de forma frecuente, ya sea una vez por semana, varias veces o incluso todos los días, de acuerdo con datos de la Fundación Mexicana para la Salud.Dent ro de ese proceso, los buscadores siguen siendo el primer punto de consulta, seguidos por sitios especializados. Sin embargo, el cambio más relevante está en el crecimiento de la inteligencia artificial, que en solo un año pasó del octavo al tercer lugar como fuente de información médica.

El estudio también muestra cómo se distribuye ese uso. ChatGPT concentra el 78% de preferencia entre plataformas, mientras que Gemini alcanza 46%. En ese mismo entorno, Meta AI aparece con 31% y Copilot con 20%, lo que confirma que la IA ya forma parte del proceso de búsqueda de salud.

A pesar de este crecimiento, persiste una barrera importante: 84% de las personas reconoce que la IA puede ayudar, pero aún tiene dudas sobre sus límites y alcances, lo que revela que la adopción va acompañada de cautela.

Muse Spark: la IA de Meta entrenada con médicos para responder mejor sobre salud

Frente a ese cambio de hábitos, Meta presentó Muse Spark como el primer modelo de una nueva generación enfocada en lo que define como “superinteligencia personal”. Se trata de un sistema nativamente multimodal, capaz de integrar información visual, razonamiento y uso de herramientas en una misma interacción.

Uno de sus desarrollos clave está en el área de salud. Para mejorar la calidad de sus respuestas, el modelo incorpora datos curados en colaboración con más de 1,000 médicos, con el objetivo de ofrecer explicaciones más completas y precisas.

Ese enfoque permite que Muse Spark construya explicaciones visuales sobre distintos aspectos del bienestar. Entre sus capacidades se encuentra desglosar el contenido nutricional de alimentos, identificar músculos activados durante un ejercicio o explicar información médica de forma interactiva, integrando texto e imagen en una misma respuesta.

De buscar síntomas a entender lo que ves: el cambio que plantea Meta

La apuesta no está en responder más rápido, sino en cambiar la forma en que se obtiene la información. Muse Spark fue diseñado para interpretar el entorno del usuario en tiempo real, lo que abre la puerta a una interacción distinta con la información de salud.

Gracias a su arquitectura multimodal, el modelo puede reconocer elementos visuales y generar explicaciones sobre ellos, lo que permite pasar de una búsqueda tradicional a una interacción directa con el entorno.

Ese enfoque forma parte de una estrategia más amplia. Meta plantea que este tipo de modelos son el primer paso hacia una inteligencia personal capaz de comprender el entorno, asistir en tareas cotidianas y ofrecer respuestas adaptadas a cada usuario.

Personal superintelligence will help people learn about their health. We collaborated with 1,000+ physicians to curate training data that enables more factual and comprehensive responses. It can generate interactive displays that unpack and explain health information such as the… pic.twitter.com/SegxcYD4Zf

— AI at Meta (@AIatMeta) April 8, 2026

Más capacidad con menos recursos: la base técnica detrás del modelo

El desarrollo de Muse Spark también se sostiene en cambios estructurales dentro de la infraestructura de Meta. La compañía reconstruyó su sistema de entrenamiento durante los últimos nueve meses, con mejoras en arquitectura, optimización y curación de datos.

Como resultado, el modelo logra el mismo nivel de desempeño que modelos anteriores, pero usando hasta 10 veces menos recursos, en comparación con sistemas como Llama 4 Maverick. Esa eficiencia permite escalar el modelo sin depender del mismo nivel de recursos.

A nivel operativo, también incorpora un modo denominado “Contemplating”, que permite coordinar múltiples agentes trabajando en paralelo para resolver tareas complejas. Este enfoque mejora el desempeño en problemas de razonamiento sin aumentar significativamente el tiempo de respuesta.

Entre adopción y dudas: el reto de la IA en salud

El avance tecnológico coincide con un momento en el que la IA ya forma parte del acceso a la información médica, pero no reemplaza la confianza en la atención tradicional. Según el mismo estudio, solo 7% de las personas considera que la inteligencia artificial podría sustituir por completo a los profesionales de la salud, mientras que 9% rechaza su uso en este ámbito.

Aun así, el interés en modelos digitales es evidente. Siete de cada diez pacientes están abiertos a consultas médicas virtuales en distintos escenarios, desde seguimiento hasta segunda opinión o interpretación de resultados.

Ese equilibrio entre uso y cautela define el contexto en el que Muse Spark busca posicionarse: una herramienta que amplía el acceso a la información dentro de un entorno donde la confianza aún se construye.