La inteligencia artificial (IA) es el conjunto de técnicas y sistemas computacionales capaces de ejecutar tareas que tradicionalmente requieren de la intervención humana, tales como aprender, razonar, reconocer patrones, procesar lenguaje, sugerir decisiones y resolver problemas. Su incorporación en el sector salud ofrece múltiples posibilidades para transformar la práctica clínica y la gestión del sistema.
Los campos en los que se puede utilizar son diversos, comenzando por el diagnóstico y apoyo clínico, donde la IA ha demostrado un gran potencial al leer con mayor precisión que el ojo humano imágenes diagnósticas como radiografías, así como en el análisis de muestras patológicas para detectar células cancerígenas. Estas aplicaciones mejoran la exactitud y reducen tiempos de respuesta apoyando la labor de los especialistas.
Su uso en el campo de la medicina personalizada y la predicción de riesgos es prometedor. A través del análisis de historias clínicas, información biométrica, genética y datos de laboratorio, la IA puede anticipar la probabilidad de enfermedades crónicas como diabetes, hipertensión o cáncer. Esto permitiría segmentar pacientes e intervenir preventivamente con mayor costo-efectividad.
En salud pública la IA podría diseñar algoritmos que mejoren la capacidad predictiva en la vigilancia epidemiológica en la aparición de brotes poblacionales que ayuden a anticipar las respuestas de patologías como, por ejemplo, dengue o malaria, utilizando para ello datos de movilidad, clima o redes sociales.
Otro uso prometedor es la atención remota de comunidades rurales donde escasean los especialistas y en el monitoreo de pacientes fuera de los hospitales. La combinación de telemedicina con sistemas de apoyo diagnóstico basados en IA podría ampliar significativamente el acceso y calidad a servicios de salud.
En el terreno de la gestión hospitalaria, de recursos técnicos y humanos, así como en el proceso de atención de pacientes, la IA podría optimizar el uso de camas, quirófanos, servicios de urgencias, personal técnico y de apoyo, así como automatizar procesos administrativos como control de inventarios, facturación, asignación de citas y autorizaciones.
Aunque en el país se han implementado pilotos en hospitales universitarios y existen iniciativas de salud digital muy puntuales, persisten limitaciones estructurales por la precariedad y desigualdad en la conectividad, con hospitales de grandes ciudades mejor equipados frente a la inexistencia en áreas rurales.
Además, los registros de datos son fragmentados y carecen de estandarización, limitando la interoperabilidad. También falta un marco regulatorio en materia de ética, privacidad y validación de algoritmos, así como de inversión en formación de talento humano en ciencia de datos aplicada a la salud.
La IA en salud en Colombia, en ciudades como Bogotá que podría convertirse en un piloto nacional por su un enorme potencial no aprovechado, exige un liderazgo gubernamental de largo aliento a nivel local y nacional. A corto plazo se requiere de una política pública que señale el rumbo claro y coherente para su desarrollo, que en el mediano plazo se convierta en un motor de salud pública y prevención bajo liderazgo del Estado, lo que exige inversión en infraestructura, conectividad y regulación.
