Esta investigación propone un algoritmo basado en datos para la detección en tiempo real del pandeo (buckling) en agujas robóticas flexibles, eliminando la necesidad de modelos biomecánicos complejos del tejido. El sistema utiliza lecturas de sensores de fuerza axial y la posición de la punta de la aguja para identificar cambios rápidos en las cargas mecánicas durante la inserción. Mediante un modelo predictivo que emplea la regla de las tres sigmas y una transformación sigmoide, el algoritmo genera métricas que permiten distinguir con precisión entre el "pandeo puro" (punta estacionaria) y el "pandeo con deslizamiento" a lo largo de un obstáculo. La metodología fue validada mediante inserciones en tejidos de gelatina con obstáculos y en hígado ovino y porcino ex vivo bajo imágenes fluoroscópicas. Los resultados indican que el sistema detecta el pandeo en un máximo de 2 mm tras el contacto con un obstáculo, superando la capacidad de detección humana por 1 a 2 segundos e identificando eventos que los operadores suelen omitir. Esta detección temprana es fundamental para desarrollar subrutinas de control autónomo que eviten daños tisulares y mejoren la precisión en intervenciones médicas robóticas.