El futuro de la salud: integrar la inteligencia artificial para agregar valor

El futuro de la salud: integrar la inteligencia artificial para agregar valor

 Una iniciativa de Dircoms + RED/ACCION

La integración de la inteligencia artificial (IA) en la salud promete transformar el sector, pero su éxito depende de una implementación que aporte valor tangible a los usuarios. Es crucial entender las necesidades de pacientes y profesionales, y evaluar continuamente el impacto de la IA en eficiencia y equidad, cerrando las brechas de desigualdad y demostrando viabilidad económica.

El futuro de la salud: integrar la inteligencia artificial para agregar valor

Crédito: Freepik

En el contexto actual, la inteligencia artificial (IA) se posiciona como una herramienta
transformadora con el potencial de ayudar a repensar muchos procesos dentro del
sistema de salud. Sin embargo, la clave para su éxito radica en una implementación
que no solo integre tecnología avanzada, sino que también aporte un valor tangible a
los usuarios. Esta reflexión nos lleva a considerar varios aspectos fundamentales que
deben guiar nuestra aproximación a la IA en salud.

Primero, es esencial entender que la tecnología por sí sola no garantiza progreso. A
menudo asociamos innovación tecnológica con mejoras automáticas en los servicios
pero esta premisa puede ser engañosa. La verdadera medida del éxito de la IA en
salud reside en su capacidad para resolver problemas específicos y mejorar resultados
en áreas críticas como la morbilidad y mortalidad, la experiencia del paciente, la
eficiencia de los equipos de salud, la optimización de costos y la equidad en el acceso
a los servicios.

Un enfoque centrado en el usuario es crucial. Debemos comenzar por identificar las
necesidades y desafíos de los usuarios del sistema de salud, que no solo incluyen a
los pacientes, sino también a los profesionales de la salud y a las comunidades en
general. Este conocimiento profundo del usuario permite desarrollar soluciones que
realmente atiendan las demandas del sector. La IA debe ser diseñada e implementada
con una clara comprensión del contexto y las particularidades del entorno en el que se
aplicará.

La evaluación continua es otro componente fundamental. Cada nueva tecnología o
aplicación de IA debe ser sometida a rigurosos procesos de evaluación para
determinar si realmente agrega valor. Esto implica no solo medir su impacto en
términos de eficiencia y resultados de salud, sino también considerar aspectos como la
satisfacción del usuario y la sostenibilidad a largo plazo.

Además, es vital asegurar que la IA contribuya a la equidad en salud. Las tecnologías
emergentes deben diseñarse y desplegarse de manera que no exacerben las
desigualdades ya existentes. Al contrario, deben servir como herramientas para cerrar
brechas y garantizar que todos los individuos, independientemente de su origen o
condición socioeconómica, tengan acceso a los beneficios que la IA puede ofrecer.
En última instancia, la sostenibilidad de las soluciones de IA en salud depende de su
viabilidad económica y su capacidad para demostrar un retorno de inversión claro. Los
modelos de negocio deben ser diseñados para asegurar que estas tecnologías puedan
mantenerse y escalarse con el tiempo, garantizando un impacto duradero y positivo en
el sistema de salud.

En conclusión, la integración de la inteligencia artificial en el sistema de salud ofrece
nuevas oportunidades, pero su éxito depende de una implementación cuidadosa y
reflexiva. Debemos asegurar que cada paso dado en la adopción de la IA esté
orientado a agregar valor real, mejorando la calidad de vida de los usuarios y
contribuyendo a un sistema de salud más eficiente, equitativo y sostenible. La reflexión
y evaluación continua deben ser nuestras guías en este camino.


Santiago Esteban es Consultor en IA en la intersección de epidemiología, salud
pública, aprendizaje automático, inferencia causal, ciencia de datos y sistemas de
información en el CIIPS-IECS. Forma parte del CLIAS (Centro Latinoamericano de IA y
Salud de Latinoamérica) Es médico especialista en medicina familiar (Universidad Austral). Master en Salud Pública con orientación en datos en la Escuela de Salud Pública TH Chan de Harvard.
Fue Director de Gestión de la Información y Estadísticas de Salud en el Gobierno de la
Ciudad de Buenos Aires.