Compartí en tu redes sociales
¿Está tu sistema de salud listo para la inteligencia artificial?
Esta es la pregunta que el CLIAS —Centro Latinoamericano de Inteligencia Artificial en Salud— decidió abordar de frente. No con un manifiesto optimista sobre el potencial de la IA, sino con una herramienta concreta: un marco de condiciones habilitantes que permite evaluar si un sistema de salud tiene lo que necesita para implementar IA de manera responsable y sostenible.
El resultado es el documento técnico
Condiciones Habilitantes para la Implementación de IA en Salud, desarrollado para apoyar a tomadores de decisión, equipos técnicos y autoridades sanitarias de América Latina y el Caribe.
¿Por qué condiciones habilitantes?
Implementar IA en salud no empieza con un algoritmo. Empieza antes: con preguntas sobre quién decide, quién regula, cómo se financia, qué datos existen y cómo se protegen. Sin respuestas claras a esas preguntas, la tecnología más sofisticada no puede sostenerse.
El documento parte de esa premisa e identifica
ocho dimensiones críticas que todo sistema de salud debería evaluar antes —y durante— la adopción de herramientas de IA:
- Gobernanza — ¿Hay estructuras institucionales que ordenen responsabilidades, definan roles y supervisen el uso de la IA?
- Regulación — ¿Existen marcos normativos que encuadren el uso de IA como dispositivo médico, que protejan datos personales y que definan quién fiscaliza?
- Financiamiento — ¿Hay recursos sostenibles para implementar, mantener y escalar soluciones de IA en salud?
- Conectividad e infraestructura — ¿Las instituciones de salud tienen la capacidad tecnológica mínima para operar sistemas basados en IA?
- Datos de calidad — ¿Los datos clínicos y operativos son suficientemente completos, estandarizados y confiables para alimentar modelos de IA?
- Interoperabilidad — ¿Los sistemas de información de salud pueden comunicarse entre sí para compartir datos de manera segura y útil?
- Fuerza de trabajo capacitada — ¿Los equipos de salud tienen las competencias para trabajar con IA, interpretar sus resultados y detectar sus fallas?
- Ética y equidad — ¿Existen mecanismos para identificar y corregir sesgos, proteger la autonomía del paciente y garantizar que la IA no profundice desigualdades?
Una herramienta para evaluar, no solo para informar
El documento no se limita a describir estas dimensiones. Para cada una, ofrece:
- Una explicación de qué es y por qué importa en el contexto de la salud digital en la región.
- Una lista de condiciones que deberían estar resueltas antes de avanzar.
- Señales concretas de progreso: indicadores observables que permiten reconocer cuando una dimensión está en desarrollo.
A esto se suma una
herramienta de autoevaluación (MEL) que permite a equipos e instituciones puntuar su situación actual en cada dimensión y obtener un perfil de madurez:
Consolidado,
En desarrollo o
Brecha crítica. El resultado no es un juicio, sino un punto de partida para la planificación.
Para quién es este documento
El marco fue diseñado para ser útil a distintos perfiles:
- Autoridades sanitarias que necesitan priorizar inversiones en salud digital.
- Equipos técnicos y de innovación que están evaluando la adopción de herramientas específicas de IA.
- Organizaciones de cooperación y financiamiento que acompañan procesos de transformación digital en la región.
- Investigadores y académicos interesados en la dimensión sistémica de la implementación de IA en salud.
Un marco para la región, desde la región
América Latina y el Caribe enfrenta desafíos específicos: fragmentación de sistemas de salud, brechas de conectividad, marcos regulatorios en construcción y una enorme diversidad de contextos institucionales. Este documento fue desarrollado teniendo en cuenta esa realidad. No busca importar estándares de contextos con mayor madurez digital, sino ofrecer un lenguaje común y operativo para avanzar desde donde cada sistema está.
El CLIAS invita a sistemas de salud, instituciones académicas y equipos de gestión a utilizar este marco como herramienta de trabajo, y a compartir sus experiencias de implementación para seguir construyendo conocimiento colectivo sobre IA en salud en la región.
