Sin historias clínicas interoperables, la IA en salud no despega en la región

El presente de la IA en salud: Europa marca el paso

Los ensayos clínicos más recientes en el viejo continente están demostrando que la inteligencia artificial ya no es una promesa de futuro: es una herramienta que salva vidas hoy. Un estudio publicado en The Lancet, liderado por la Universidad de Lund en Suecia y conocido como ensayo MASAI, evaluó a más de 100 000 mujeres y encontró que los sistemas de IA entrenados con más de 200 000 mamografías lograron detectar un 29 % más de tumores en comparación con los métodos tradicionales, sin aumentar los falsos positivos. Además, la tasa de los llamados "cánceres de intervalo" —aquellos que aparecen entre cribados y suelen ser más agresivos— se redujo en un 12 %.

En paralelo, investigadores del Centro de Investigación del Cáncer de Salamanca trabajan en un modelo que anticipa la leucemia infantil, la primera causa de muerte por enfermedad en niños. Detectan que el 5 % de los recién nacidos tiene predisposición genética, pero solo el 1 % desarrolla la enfermedad debido a desencadenantes ambientales. La IA analiza grandes volúmenes de datos genómicos y ambientales para identificar esos patrones y, eventualmente, diseñar intervenciones preventivas.

Estos avances no ocurren en el vacío. Detrás de ellos hay años de inversión en infraestructura digital, historias clínicas electrónicas interoperables y políticas públicas que incentivan la innovación. En Europa, la Ley de IA avanza para dar un marco regulatorio claro, y los hospitales ya integran estas herramientas en sus flujos de diagnóstico cotidianos. Pero el salto de los laboratorios europeos a los sistemas de salud latinoamericanos no es automático ni sencillo.

El diagnóstico de la región: infraestructura, datos y regulación pendientes

América Latina no parte de cero, pero el panorama es profundamente desigual. Países como Brasil, México, Argentina y Chile concentran centros de excelencia que podrían adoptar tecnologías similares. Sin embargo, la mayoría de los sistemas de salud públicos carecen de los pilares básicos que la IA exige: historias clínicas electrónicas que se comuniquen entre sí, capacidad de almacenamiento en la nube y conectividad estable, especialmente en zonas rurales.

A esto se suma un problema de representatividad de los datos. Un modelo entrenado con mamografías de población sueca o alemana no necesariamente funcionará igual con la diversidad genética y los patrones epidemiológicos de una mujer en el altiplano boliviano o en la periferia de São Paulo. La validación local no es un lujo: es un requisito técnico para evitar sesgos y falsos diagnósticos. Y esa validación requiere inversión en ciencia de datos, talento especializado y colaboración entre gobiernos, universidades y el ecosistema emprendedor.

Por el lado positivo, las startups regionales ya están moviéndose. La chilena Neoidentity y la brasileña Biologix exploran aplicaciones de IA en diagnóstico por imágenes y genómica, respectivamente. Pero escalar esos proyectos demanda marcos regulatorios claros —que aún no existen en la mayoría de los países— y políticas públicas que incentiven la digitalización. La ausencia de reglas del juego frena tanto la inversión privada como la adopción en el sector público.

Costo de la inacción: vidas que se pierden en la espera

Para los ejecutivos y tomadores de decisión en salud, la pregunta no es si la IA llegará a la región, sino cuándo y cómo. Cada año sin implementación local de herramientas como las del ensayo MASAI significa diagnósticos tardíos que podrían haberse evitado. Si la IA puede reducir un 12 % los cánceres de intervalo y anticipar leucemias antes de que se activen, el costo de esperar no es solo tecnológico: es humano.

La oportunidad para América Latina está en actuar ahora, no cuando Europa haya consolidado su ventaja. Esto implica tres movimientos simultáneos: invertir en infraestructura digital de salud, crear regulaciones que fomenten la innovación con controles de calidad, y formar alianzas público-privadas que permitan validar localmente los modelos. No se trata de copiar lo que funciona en Suecia o España, sino de adaptarlo a la realidad de la región. La inteligencia artificial puede ser la herramienta que cierre brechas históricas en salud, pero solo si los líderes de hoy deciden construir el camino.

El riesgo de quedarse atrás no es abstracto: son vidas que se pierden en la espera. Y en salud, esperar no es una opción estratégica.