La inteligencia artificial se expande a gran velocidad en hospitales, servicios y sistemas de salud de todo el mundo. Pero hay una pregunta básica que casi nadie responde con datos: ¿cómo sabemos si esa implementación realmente funciona? El nuevo Documento Técnico 11 del CLIAS salió a buscar los índices que deberían medirlo y se encontró con un resultado tan simple como incómodo: existen varios, pero no son índices compuestos.
Una «revisión vacía»
El estudio, titulado «¿Qué índices de implementación de inteligencia artificial en salud existen?», es una revisión de alcance realizada siguiendo la metodología JBI y las guías PRISMA-ScR. El equipo rastreó cuatro grandes bases de datos académicas (PubMed, Scopus, Web of Science e IEEE) y una enorme cantidad de literatura gris de organismos como la OMS, la CEPAL, la UNESCO y la OCDE, además de consultoras globales y think tanks. Incluso sumó búsquedas asistidas por IA generativa para no dejar afuera documentos poco visibles.
El barrido recuperó 597 artículos académicos y 3138 documentos institucionales. Después de aplicar los criterios, ¿cuántos eran verdaderos índices compuestos para medir la implementación de IA en salud? Ninguno. A esto lo llamamos una revisión vacía: buscamos de forma exhaustiva y confirmamos que la herramienta que el sector necesita todavía no fue construida.
¿Por qué no existe?
El vacío no es casual. Responde a barreras profundas del sector salud: la enorme heterogeneidad de sus unidades de análisis, datos fragmentados y poco interoperables, restricciones éticas y regulatorias, y la falta de consenso sobre qué significa siquiera «implementar» IA. A eso se suma una cultura que históricamente premió el desarrollo técnico de los algoritmos por encima de medir cómo se usan en el mundo real.
¿Qué es un indice compuesto?
Un índice compuesto es una medida que combina varios indicadores individuales en un único valor que resume un fenómeno complejo. En lugar de mirar datos sueltos, integra distintas dimensiones, como infraestructura, gobernanza o capacidades del personal, en un puntaje comparable. Es lo que permite responder preguntas como qué tan preparado, maduro o avanzado está un sistema de salud para implementar IA, y seguir esa evolución en el tiempo o compararla con otros sistemas. Un ejemplo conocido es el Índice de Desarrollo Humano (IDH), que resume salud, educación e ingreso en un solo valor.
Una propuesta para empezar a construir
El documento no se queda en el diagnóstico. Propone un marco conceptual de partida que integra ocho dimensiones técnico-organizacionales (gobernanza, liderazgo, infraestructura, gestión de datos, capacidades del personal, financiamiento, integración clínica, evidencia e innovación), un pilar transversal de inclusión epistémica (diversidad lingüística y cultural, participación de pacientes y comunidades, soberanía de los datos y confianza informada) y tres niveles de análisis: micro (servicios), meso (organizaciones) y macro (sistemas de salud).
¿Por qué importa en América Latina y el Caribe
Sin instrumentos para medir preparación, madurez, adopción y sostenibilidad, los sistemas de salud invierten en IA a ciegas. Y los países de la región, con recursos limitados y necesidades urgentes, son los más perjudicados por esa falta de brújula. Por eso el CLIAS plantea esta revisión vacía no como un punto final, sino como un llamado a construir de forma colectiva, junto a investigadores, gestores, reguladores y comunidades, los índices que la IA en salud necesita para ser responsable, equitativa y sostenible.
El Documento Técnico 11 fue elaborado por Cender Quispe y Martín Saban, con aportes de Jean Pierre Tincopa y Cintia Cejas, y realizado con el apoyo del IDRC.