Las Mejores Herramientas de IA Clínica para Médicos en 2026
La mejor herramienta de IA para un médico en 2026 no es necesariamente la que responde más preguntas clínicas.
Puede ser la que consigue algo mucho más concreto:
reducir documentación, encontrar evidencia verificable o eliminar pasos administrativos sin aumentar el riesgo clínico.
Esa diferencia importa porque herramientas como Vera Health, Microsoft Dragon Copilot, Nabla, OpenEvidence y Doximity suelen aparecer bajo la misma etiqueta de «IA médica», aunque resuelven problemas completamente distintos.
Una puede escuchar una consulta y preparar una nota.
Otra puede buscar evidencia clínica.
Otra puede ayudar con comunicación, documentación o workflows alrededor de la práctica médica.
Compararlas únicamente por «qué IA es más avanzada» sería como comparar un estetoscopio con una base bibliográfica porque ambos se utilizan en medicina.
La pregunta correcta es:
¿En qué momento del workflow clínico necesitas ayuda?
Comparativa rápida
| Herramienta | Principal fortaleza | Mejor escenario |
|---|---|---|
| Vera Health | Respuestas clínicas con fuentes y gradación de evidencia | Preguntas en punto de atención |
| Microsoft Dragon Copilot | Documentación clínica ambiental y workflows | Sistemas sanitarios y médicos con EHR |
| Nabla | Ambient scribe y generación de notas | Consultas ambulatorias y múltiples especialidades |
| OpenEvidence | Búsqueda y síntesis de evidencia médica | Decisiones clínicas basadas en literatura |
| Doximity | Ecosistema médico con IA, comunicación y workflow | Médicos en EE. UU. que ya utilizan Doximity |
La primera conclusión ya aparece aquí:
no existe una ganadora universal.
Existe una herramienta adecuada para cada cuello de botella.
Antes de elegir IA, mide dónde desaparece el tiempo del médico
Un médico puede terminar una consulta de 15 minutos y después dedicar otros 8 minutos a:
- completar la nota;
- buscar antecedentes;
- revisar una guía;
- preparar instrucciones;
- responder mensajes;
- cerrar tareas.
Si 20 pacientes generan 8 minutos administrativos cada uno:
160 minutos diarios.
Eso representa:
2 horas y 40 minutos.
En este escenario, una herramienta de documentación puede producir más valor que una IA capaz de contestar preguntas clínicas complejas.
Pero otro médico puede documentar rápidamente y perder tiempo buscando evidencia.
Para él, la prioridad cambia.
Por eso, antes de comprar cualquier herramienta, clasifica tu semana entre:
documentación
búsqueda clínica
comunicación
tareas administrativas
decisión clínica.
La distribución puede señalar inmediatamente qué producto merece una prueba.
1. Vera Health: cuando la pregunta clínica necesita una fuente verificable
Vera Health se define como un motor de búsqueda clínica diseñado para ofrecer respuestas basadas en evidencia a profesionales sanitarios.
La plataforma afirma trabajar sobre más de 60 millones de artículos médicos, guías y referencias farmacológicas, además de incluir más de 900 calculadoras clínicas. (Vera Health)
Su característica más interesante no es simplemente responder rápido.
Es intentar responder con:
evidencia + cita + nivel de evidencia.
Eso cambia completamente la utilidad de una IA clínica.
Una respuesta médica sin fuente tiene un coste oculto
Supongamos que un asistente responde:
«El tratamiento recomendado es X.»
Aunque sea correcto, el médico todavía necesita preguntarse:
- ¿según qué guía?
- ¿de qué año?
- ¿para qué población?
- ¿existen excepciones?
- ¿la recomendación está respaldada por ensayo, consenso o evidencia observacional?
Una respuesta que incluye fuentes verificables reduce parte de esa fricción.
No elimina la revisión.
La hace posible.
Vera ya tiene una conexión interesante con medicina de urgencias
Vera mantiene una colaboración con el American College of Emergency Physicians (ACEP) para integrar políticas, mejores prácticas y recursos clínicos de la organización dentro de su plataforma. (Vera Health)
Para E-E-A-T, este detalle es importante porque no hablamos únicamente de un chatbot que declara tener «conocimiento médico».
Existe una relación explícita con una sociedad profesional reconocida.
Eso no convierte cada respuesta en correcta.
Pero mejora la trazabilidad del ecosistema de conocimiento utilizado.
En España ya no es una herramienta puramente estadounidense
En julio de 2026, Vera anunció una expansión específica en España y afirmó que aproximadamente uno de cada siete médicos españoles ya utilizaba el servicio. La empresa también señala que adapta sus respuestas a guías específicas del país. (Vera Health)
Ese dato procede del propio proveedor, por lo que debe interpretarse como una cifra declarada por la compañía y no como una auditoría independiente de adopción.
Aun así, revela algo importante:
la localización clínica está empezando a convertirse en una ventaja competitiva.
Hablar español no es suficiente.
Una herramienta debería entender qué guía se aplica en España, México, Colombia o Argentina.
¿Para quién probaría Vera primero?
Especialmente:
- medicina de familia;
- urgencias;
- hospitalistas;
- médicos que realizan consultas frecuentes de evidencia;
- profesionales que trabajan en varias áreas clínicas.
Su uso ideal no sería:
«decide por mí.»
Sería:
«muéstrame rápidamente qué evidencia debería revisar.»
2. Microsoft Dragon Copilot: cuando el problema empieza después de decir «siguiente paciente»
Microsoft ha consolidado las capacidades de Dragon Medical y DAX dentro de Dragon Copilot, una plataforma orientada a documentación clínica y automatización de workflows sanitarios. (Microsoft/Nuance)
El concepto de ambient AI es sencillo.
Durante la consulta:
médico + paciente hablan
↓
la herramienta escucha
↓
genera una nota clínica
↓
el médico revisa
↓
la información entra al workflow clínico.
El objetivo no es sustituir la conversación.
Es evitar que el médico tenga que reconstruirla manualmente después.
El verdadero competidor de Dragon Copilot puede ser el trabajo nocturno
Muchos médicos no compararán Dragon Copilot con Vera.
Lo compararán con:
terminar notas después de la jornada.
Esa es una categoría económica completamente distinta.
Si una herramienta reduce 60 minutos diarios de documentación:
5 horas semanales.
En 48 semanas:
240 horas anuales.
Por eso, documentación ambiental se ha convertido en una de las aplicaciones de IA médica con ROI más visible.
La integración con EHR puede valer más que la calidad del resumen
Supongamos:
Herramienta A
Produce una nota extraordinaria.
Pero obliga a:
- abrir otra aplicación;
- copiar;
- pegar;
- corregir;
- cerrar.
Herramienta B
Produce una nota ligeramente inferior.
Pero ya está integrada en el EHR.
B puede ahorrar más tiempo.
Microsoft mantiene integración de Dragon/DAX con sistemas como Epic, y documentación específica para DAX Copilot for Epic continuaba actualizada en abril de 2026. (Microsoft/Nuance)
En saúde, workflow fit pode importar mais que qualidade isolada do modelo.
Mas uma nota clínica fluida pode conter um erro clínico silencioso
Imagine que o paciente diz:
«Não tenho alergia a penicilina. Minha mãe tem.»
A IA registra:
Allergy: penicillin.
O texto parece perfeitamente profissional.
O erro pode passar despercebido porque não contém gramática estranha.
Por isso, ambient documentation precisa de um princípio simples:
draft não é record.
A nota gerada deve continuar sujeita a revisão clínica antes de ser considerada parte definitiva do prontuário.
3. Nabla: ambient AI com forte foco na experiência de consulta
Nabla também trabalha com ambient AI para gerar documentação clínica a partir de consultas.
Sua API atualmente oferece:
- transcrição de encontros;
- geração de notas estruturadas;
- extração de dados normalizados em FHIR;
- integração com workflows clínicos. (Nabla Docs)
Isso coloca Nabla na mesma grande categoria de Dragon Copilot, mas não significa que sejam produtos idênticos.
Nabla mostra por que personalização de nota importa
Dois médicos podem assistir à mesma consulta e documentá-la de formas diferentes.
Um dermatologista pode querer:
- lesão;
- localização;
- evolução;
- dermatoscopia;
- plano.
Um psiquiatra pode precisar:
- discurso;
- humor;
- risco;
- antecedentes;
- plano.
Nabla permite adaptar instruções e estruturas às necessidades do clínico e da especialidade. (Nabla)
Esse detalhe é mais importante do que parece.
Uma nota «correta» que exige cinco minutos de reformatação pode destruir grande parte do ganho de produtividade.
Mede edições, não apenas tempo de geração
Um excelente benchmark para ambient AI seria:
quantas edições o médico realiza antes de aceitar a nota?
Exemplo:
Sistema A
Nota pronta em 10 segundos.
Médico faz 22 alterações.
Sistema B
Nota pronta em 18 segundos.
Médico faz 4 alterações.
Qual é mais rápido?
O segundo.
Tempo de geração isolado não é a métrica adequada.
Outro KPI: tempo até assinatura
Podemos medir:
fim da consulta
↓
nota revisada e assinada.
Se antes:
12 minutos.
Depois:
3 minutos.
Temos uma melhoria de:
75%.
Isso é muito mais útil do que dizer:
«A IA gera notas em segundos.»
Nabla também pode ser testada em ambientes reais antes de uma implantação ampla
A própria empresa recomenda pilotos de ambient AI e já publicou experiências de implantação em organizações de saúde. (Nabla)
Para uma clínica, um piloto responsável poderia incluir:
- 5–10 médicos;
- diferentes especialidades;
- 100–500 consultas;
- comparação antes/depois;
- auditoria de erros;
- satisfação de profissionais.
Não começar com:
«Vamos ativar para todos segunda-feira.»
4. OpenEvidence: quando a pergunta é «o que diz a literatura?»
OpenEvidence é uma plataforma de IA direcionada a profissionais de saúde, com foco em fornecer respostas clínicas fundamentadas em evidência e literatura médica.
A empresa oferece acesso gratuito e ilimitado para profissionais de saúde verificados. (OpenEvidence)
Em 2026, OpenEvidence também lançou EvidenceGrade, um recurso para mostrar ao médico a força da evidência citada por trás de determinadas respostas. (OpenEvidence)
Esse é um avanço importante.
Uma citação não responde «quão forte é essa evidência?»
Considere duas respostas.
Resposta A
Baseada em:
meta-análise de múltiplos ensaios.
Resposta B
Baseada em:
estudo observacional pequeno.
Ambas podem possuir uma citação.
Mas não têm o mesmo peso.
Por isso, ferramentas médicas estão começando a mover-se de:
answer + citation
para:
answer + citation + evidence quality.
Esse terceiro componente aproxima muito mais a IA do processo real de medicina baseada em evidências.
OpenEvidence já ultrapassou o formato de «Google médico»
A plataforma também adicionou recursos relacionados a documentação clínica ambiental por meio de Visits, que grava, transcreve e gera notas de encontros médicos. (OpenEvidence User Guide)
Isso mostra uma tendência importante:
as categorias começam a convergir.
Uma ferramenta inicialmente focada em evidência pode entrar em documentação.
Uma ferramenta de documentação pode começar a oferecer inteligência clínica.
Isso significa que a comparação precisa ser atualizada frequentemente.
A adoção declarada de OpenEvidence é enorme
Em maio de 2026, OpenEvidence afirmou que aproximadamente 650.000 médicos dos Estados Unidos utilizavam ativamente a plataforma. (OpenEvidence)
Novamente, a cifra é uma declaração da própria empresa.
Não deve ser interpretada como auditoria externa.
Mas é grande o suficiente para mostrar que AI evidence search já não é apenas experimento de early adopters.
Para qual tarefa eu usaria OpenEvidence?
Perguntas como:
Qual é a evidência atual sobre X?
Quais estudos sustentam esta intervenção?
Existem diferenças entre recomendações?
Que literatura devo revisar antes de tomar esta decisão?
Não:
«Diagnostique este paciente automaticamente.»
O melhor uso continua sendo:
acelerar acesso a evidência sem terceirizar julgamento clínico.
Vera ou OpenEvidence?
Essa pode ser uma das comparações mais difíceis.
Ambas focam evidência clínica.
Eu não decidiria por interface.
Faria um teste com:
20 perguntas clínicas reais já resolvidas.
Para cada ferramenta avaliaria:
- precisão;
- fontes;
- qualidade da evidência;
- atualidade;
- adequação à jurisdição;
- tempo até verificação.
Depois mediria:
quantos minutos foram necessários até chegar a uma resposta clinicamente utilizável e verificável.
Essa é a métrica mais importante.
5. Doximity: quando a IA faz parte de um ecossistema médico maior
Doximity ocupa uma posição diferente.
Não é apenas um buscador clínico ou ambient scribe.
É um ecossistema profissional para médicos com recursos de:
- comunicação;
- networking;
- telemedicina;
- documentação;
- pesquisa clínica;
- ferramentas de IA.
Em 2026, Doximity posiciona sua oferta como inteligência integrada ao workflow médico, combinando documentação, comunicação e apoio à decisão. (Doximity)
Para médicos nos EUA, a rede já existente pode ser sua maior vantagem
Se o médico já utiliza Doximity para:
- contatos profissionais;
- chamadas;
- comunicação;
- recursos clínicos;
adicionar IA ao mesmo ambiente reduz outra vez o custo de troca de ferramentas.
A IA mais útil pode ser aquela que aparece onde o trabalho já está acontecendo.
Doximity também fornece um sinal interessante sobre adoção
Seu State of AI in Medicine Report 2026 informa que 94% dos médicos pesquisados utilizam IA ou têm interesse em utilizá-la. (Doximity)
O número não significa que 94% utilizem IA diariamente.
A pesquisa junta uso atual e interesse.
Essa distinção é importante.
Mas ainda mostra que, em 2026, o debate já deixou de ser:
«Médicos usarão IA?»
e passou a ser:
«Em quais tarefas ela será considerada suficientemente confiável?»
O problema: essas ferramentas não respondem à mesma pergunta
Podemos organizar assim:
Se o problema é documentação
Prioridade:
Dragon Copilot ou Nabla.
Se o problema é encontrar evidência
Prioridade:
Vera ou OpenEvidence.
Se o problema é workflow médico amplo nos EUA
Doximity pode fazer mais sentido.
Isso elimina a necessidade de procurar «uma ferramenta que faça tudo».
O melhor stack clínico pode ter duas ferramentas
Um médico poderia utilizar:
Nabla
para documentação.
OpenEvidence
para perguntas clínicas.
Ou:
Dragon Copilot
Vera Health.
Isso pode ser melhor do que escolher uma plataforma média nas duas funções.
Mas existe um custo:
- mais logins;
- mais contratos;
- mais governança;
- mais treinamento.
Portanto, a decisão precisa considerar integração.
Como testar uma IA médica sem depender da demo do vendedor
Use casos retrospectivos.
Selecione, por exemplo:
30 perguntas clínicas já resolvidas.
Para cada pergunta:
- resposta correta conhecida;
- fontes conhecidas;
- grau de dificuldade;
- especialidade.
Depois teste a ferramenta.
Não use perguntas preparadas pelo fornecedor.
Crie perguntas com armadilhas
Inclua:
Regra geral com exceção
Para ver se a IA simplifica demais.
Guideline que mudou recentemente
Para testar atualização.
População especial
Gestantes, crianças, idosos, insuficiência renal etc.
Informação insuficiente
A resposta correta deveria ser:
não há dados suficientes.
Pergunta controversa
Para ver se apresenta incerteza.
Esse conjunto revela muito mais do que um benchmark genérico.
Teste também se a ferramenta sabe não responder
Essa pode ser a característica mais importante.
Um sistema clínico deveria conseguir indicar:
«evidência insuficiente»
ou:
«não consigo determinar com segurança.»
Uma IA que sempre produz uma resposta pode parecer mais útil.
Em medicina, pode ser mais perigosa.
O «hallucination rate» isolado não é suficiente
Imagine:
Ferramenta A
1% de erro.
Mas os erros ocorrem principalmente em questões críticas.
Ferramenta B
2% de erro.
Mas são erros menores e facilmente detectáveis.
Qual é mais segura?
Não sabemos sem classificar impacto.
Por isso, a avaliação precisa medir:
erro × consequência clínica.
Uma matriz simples
| Erro | Frequência | Impacto |
|---|---|---|
| Formatação | Média | Baixo |
| Dose incorreta | Rara | Crítico |
| Referência desatualizada | Baixa | Alto |
| Nota incompleta | Média | Médio/alto |
| Palavra mal transcrita | Média | Variável |
Agora a organização pode decidir controles específicos.
O risco muda conforme a autonomia
Existe uma diferença entre:
IA sugere uma nota.
e:
IA publica automaticamente a nota.
Entre:
IA mostra literatura.
e:
IA decide tratamento.
Entre:
IA identifica possível risco.
e:
IA bloqueia uma decisão clínica.
Quanto maior a autonomia, maior deve ser a governança.
Privacidade não pode ser tratada como uma nota de rodapé
Dados clínicos podem incluir informação altamente sensível.
Antes de utilizar qualquer IA com dados reais, é necessário avaliar:
- autorização;
- legislação aplicável;
- HIPAA, quando relevante;
- GDPR na UE;
- contrato com fornecedor;
- armazenamento;
- retenção;
- subencargados;
- acesso;
- treinamento com dados.
Uma ferramenta «para médicos» não recebe aprovação automática apenas pelo posicionamento comercial.
HIPAA compliant não significa «pode colar qualquer prontuário»
Nos Estados Unidos, HIPAA compliance depende do contexto de uso, dos contratos apropriados e de como o serviço é configurado.
Da mesma forma, na União Europeia, mencionar GDPR não substitui uma avaliação sobre:
- base jurídica;
- minimização;
- transferências;
- segurança;
- finalidade.
A pergunta correta é:
este uso específico está autorizado neste ambiente específico?
Outra questão: disponibilidade geográfica
Uma ferramenta pode ser excelente e ainda assim não estar plenamente disponível em determinado país.
Isso é especialmente importante para Espanha e Latinoamérica.
Antes de contratar, verifique:
- idioma;
- guidelines locais;
- integrações;
- suporte;
- regulamentação;
- disponibilidade comercial.
Não presuma que uma ferramenta americana funciona operacionalmente da mesma forma em México ou Espanha.
A literatura médica muda rápido
Uma das razões pelas quais ferramentas baseadas em evidência são interessantes é também uma das razões pelas quais precisam ser verificadas.
Uma recomendação pode mudar por:
- novo trial;
- alerta de segurança;
- nova guideline;
- mudança regulatória.
Por isso, cada resposta deveria permitir responder:
quando essa fonte foi publicada?
Atualidade é parte da qualidade.
Fontes primárias devem permanecer acessíveis
Quando Vera ou OpenEvidence apresentam uma conclusão, o médico deveria poder ir até:
- estudo;
- guideline;
- documento original.
Isso está diretamente alinhado ao princípio de Trustworthiness.
A IA não deve virar uma parede entre o profissional e a evidência.
Deve funcionar como atalho até ela.
E-E-A-T em medicina exige uma regra editorial adicional
Ao escrever sobre IA clínica, não basta dizer que uma ferramenta «é ótima».
É necessário distinguir:
Afirmação do fornecedor
«Economiza X horas.»
Evidência independente
Estudo ou avaliação externa.
Nossa interpretação
O que o número significa operacionalmente.
Essa separação reduz marketing disfarçado de evidência.
Neste artigo, por exemplo, cifras de adoção de Vera e OpenEvidence são identificadas explicitamente como declarações das próprias empresas.
Isso é importante para confiança.
Como eu faria um piloto de 30 dias
Semana 1 — Baseline
Medir:
- minutos de documentação;
- perguntas clínicas pesquisadas;
- tempo pós-consulta;
- erros;
- satisfação.
Semana 2 — IA
Selecionar 1–2 workflows.
Não ativar tudo.
Semana 3 — Auditoria
Revisar uma amostra das saídas.
Registrar:
- erros;
- omissões;
- correções.
Semana 4 — Comparação
Calcular:
antes vs depois.
Cinco métricas para ambient AI
- tempo pós-consulta;
- edições por nota;
- notas assinadas no mesmo dia;
- omissões clínicas;
- satisfação do profissional.
Cinco métricas para IA de evidência
- tempo até fonte relevante;
- respostas com citações corretas;
- fontes atualizadas;
- capacidade de mostrar incerteza;
- tempo até conclusão verificável.
Não misture os dois grupos.
Eles medem produtos diferentes.
O custo também deve ser medido por resultado
Uma ferramenta de $500/mês parece cara.
Mas se libera:
20 horas médicas.
E cada hora tem enorme custo ou valor assistencial.
Pode ser barata.
Outra ferramenta gratuita pode gerar:
- verificação;
- retrabalho;
- risco.
E acabar cara.
Por isso:
preço da licença ≠ custo do workflow.
O ganho de uma IA clínica pode não ser atender mais pacientes
Essa é uma consideração importante.
Se ambient AI devolve uma hora ao médico, a organização pode utilizar a hora para:
- outro paciente;
- educação;
- descanso;
- qualidade;
- coordenação clínica.
ROI não precisa significar apenas:
mais consultas.
Reducir documentação depois do expediente também pode ser um resultado válido.
Doximity mostra que burnout continua no centro da discussão
O relatório 2026 da Doximity aponta que médicos utilizam IA sobretudo para reduzir carga administrativa, melhorar documentação e apoiar comunicação, com muitos relatando ganhos de eficiência e redução de trabalho fora do horário. (Doximity)
Isso reforça uma conclusão:
a primeira grande vitória da IA médica talvez não seja diagnosticar melhor que um médico.
Pode ser simplesmente permitir que o médico passe menos tempo fazendo trabalho clerical.
A ferramenta mais avançada pode não ser a melhor escolha
Imagine:
Hospital A
Problema principal:
documentação.
Compra uma IA de evidência.
Resultado:
médicos gostam, mas continuam 90 minutos por dia documentando.
Hospital B
Compra ambient AI.
Reduz documentação em 50%.
Quem obteve mais ROI?
Depende do objetivo.
Tecnologia sofisticada aplicada ao problema errado continua sendo uma má implementação.
Qual escolher então?
Vera Health
Vale avaliar quando a prioridade é resposta clínica baseada em evidência, especialmente para profissionais que querem citações e gradación de evidencia.
Microsoft Dragon Copilot
Faz mais sentido quando o problema central é documentação clínica e integração com grandes workflows/EHR.
Nabla
É forte candidato para ambient documentation flexível, personalização e múltiplas especialidades.
OpenEvidence
Destaca-se para pesquisa clínica e síntese de literatura, com forte adoção nos EUA e recursos de evidence grading.
Doximity
Pode fazer mais sentido para médicos nos EUA que querem IA integrada a um ecossistema profissional e de comunicação que já utilizam.
Minha recomendação de teste
Não escolha uma plataforma pelo ranking.
Faça isso:
Passo 1
Escolha seu maior problema.
Passo 2
Selecione duas ferramentas.
Passo 3
Teste com casos reais retrospectivos e workflow cotidiano.
Passo 4
Meça correções e tempo.
Passo 5
Audite erros clínicos.
Passo 6
Calcule custo por hora realmente liberada.
Depois decida.
Esse processo provavelmente produzirá uma escolha melhor que qualquer lista de «Top 10 AI Tools».
A pergunta final deveria ser diferente para cada ferramenta
Para ambient AI:
Quanto da nota eu ainda preciso corrigir?
Para evidence AI:
Quanto tempo demoro até verificar a fonte?
Para workflow AI:
Quantos passos administrativos desapareceram?
Essas perguntas medem aquilo que realmente importa.
Porque a melhor IA médica de 2026 não é a que faz a demonstração mais impressionante.
É a que consegue remover uma parte específica da carga clínica sem esconder incerteza, sem separar o médico da evidência e sem transformar velocidade em falsa confiança.
Fuentes y recursos
- Vera Health — plataforma clínica
- Vera Health y ACEP
- Vera Health — expansión en España
- Microsoft Dragon Copilot
- Nabla — Ambient AI
- Nabla Core API
- OpenEvidence
- OpenEvidence User Guide
- Doximity — State of AI in Medicine 2026
Revisión editorial: Este artículo fue preparado utilizando documentación oficial de los proveedores y fuentes profesionales disponibles en agosto de 2026. Las afirmaciones comerciales sobre adopción, precisión o rendimiento se identifican como datos publicados por las propias compañías cuando no existe una validación independiente equivalente.
Importante: Este contenido tiene fines exclusivamente informativos y educativos. Las herramientas de inteligencia artificial clínica pueden producir errores, omisiones, información desactualizada o recomendaciones inapropiadas. No sustituyen el juicio clínico, la evaluación individual del paciente, las guías vigentes ni la responsabilidad profesional del médico. Antes de utilizar cualquier sistema con datos de pacientes, deben revisarse privacidad, seguridad, regulación, contratos y políticas de la institución correspondiente.
4 comentarios