Every year, Stanford University, specifically its Human-Centered Artificial Intelligence Institute (HAI), publishes the Annual AI Index Report, which offers a comprehensive analysis of the global state of artificial intelligence (AI).
The 2025 edition of the AI Index reveals record growth in AI capabilities, private investment, and government regulation.
Here is the brief summary:
🔹 AI models: Remarkable progress, with new benchmarks demonstrating significant improvements in performance
🔹 Multimodal models: Greater development of models capable of processing multiple types of data; such as text, image, and audio, that increases versatility across a range of applications.
🔹 Investment growth: In 2024, private AI funding in the United States increased significantly, exceeding China’s by nearly 12 times and the United Kingdom’s by 24 times.
🔹 Industry adoption: Widespread adoption of AI across all sectors, boosting productivity and driving new AI-based applications.
Points of interest:
► Approximately 90% of AI models in 2024 came from the healthcare industry.
► In 2024, private AI investments in the United States exceeded those of China by nearly 12 times and the United Kingdom by 24 times.
► In 2023, the FDA approved 223 clinical developments incorporating AI.
And let’s dive deeper into the last point:
On the official FDA website, there are currently 1,016 records of clinical developments approved since 1995 that incorporate AI/ML.
These are mainly advanced algorithms for diagnosis, patient monitoring, and medical image analysis.
Radiology is the category with the highest number of clinical developments, and more than 80% of FDA-approved AI tools are image-based.
While most models use 2D images (mainly X-rays, ultrasounds, and 2D CT scans), a trend toward 3D imaging (volumetric CT scans, MRIs) is already emerging. The main challenge today is to increase the availability of these types of images.
While most models use 2D images (mainly X-rays, ultrasounds, and 2D CT scans), a trend toward 3D imaging (volumetric CT scans, MRIs) is already emerging. The main challenge today is to increase the availability of these types of images.
These are the 15 companies with the most FDA-approved clinical developments incorporating AI/ML
La data clínica abarca tanto los datos del Historial Clínico Electrónico (HCE)-es decir data relacionada con internaciones, intervenciones, tratamientos, consultas médicas, diagnósticos, síntomas, análisis de laboratorio e imágenes, y hasta notas de las historias clínicas - como también datos demográficos, resultados de pruebas de laboratorio, procedimientos, datos de patología/histología, imágenes de radiología, datos de microbiología, notas de los proveedores, informes de admisión/alta y progreso, estado funcional, etc.
Datos de pruebas genómicas y genéticas (SNP/paneles); datos multiómicos (proteómica, transcriptómica, metabolómica, lipidómica); y estado de otros biomarcadores.
Son rastreadores de actividad física, dispositivos portátiles y otras aplicaciones de salud para la medición de la actividad y la función corporal. Incluyen a los dispositivos móviles como los teléfonos inteligentes, tablets, dispositivos de monitorización y asistentes digitales personales. Y también incluyen los dispositivos portátiles, que vendrían a ser los relojes inteligentes o las pulseras de actividad (Fitbit, Apple Watch, etc.), que monitorean parámetros de salud como ritmo cardíaco, actividad física, niveles de oxígeno en sangre, calidad del sueño y otros. Incluso otros dispositivos médicos como los monitores de presión arterial, termómetros digitales, oxímetros de pulso, monitores de glucosa en sangre, y cualquier dispositivo que permita a los pacientes controlar su salud en tiempo real son generadores de datos.
Reclamaciones médicas y otros datos sobre el uso de medicamentos y tratamientos. También incluyen los registros informados por pacientes: encuestas, dietas, hábitos, registros de salud personales, informes de eventos adversos, medidas de calidad de vida, entre otros. Y aquí también se incluyen otros registros de aseguradoras y facturación.
Registros administrativos, terapias concomitantes, datos de punto de venta y reclamaciones médicas.
Factores climáticos, contaminantes, infecciones, hábitos de vida (dietas, hábitos), registros de salud personales, informes de eventos adversos, medidas de calidad de vida, entre otros.
Carga de enfermedad (o disease burden), características clínicas, prevalencia/incidencia, tasas de tratamiento, uso de recursos y costos, control de enfermedades, medidas de calidad de vida, etc.
Datos históricos sobre condiciones de salud y alergias relacionadas con el paciente y su familia extendida, estado de tabaquismo, consumo de alcohol, hábitos generales y datos demográficos.
Today, companies from the medical device industry lead the production of this type of development, with GE Healthcare in first place (considering all its legal variants and affiliated brands), with 71 clinical developments approved by the FDA that incorporate AI/ML tools.
Clinically and commercially impactful clinical developments incorporating AI/ML
We can see that many of the models that are having an impact in the ecosystem are directly or indirectly linked to the field of medical imaging, particularly Radiology.
More than 70% of advanced healthcare systems now integrate AI for medical search, personalized treatments, and resource optimization. The implementation of models that not only assist but optimize clinical performance is increasingly common. This is especially evident in diagnostics, where AI improves accuracy, speed, and the ability to make informed decisions in real time.
In addition to improving clinical outcomes, AI is revolutionizing operational efficiency
in hospitals and pharmaceutical companies.
Read the full “Artificial intelligence Index Report 2025 Report” here.
To visit the official FDA website, click here.