La inteligencia artificial marca una revolución intelectual con un impacto significativo en la salud pública. Sus aplicaciones en el diagnóstico de enfermedades, gestión de recursos e implementación de estrategias de intervención optimizan el uso de recursos. Además, maximiza las capacidades del personal sanitario, proporcionando herramientas precisas que amplían el alcance de los servicios de salud. Sin embargo, estos beneficios vienen acompañados de desafíos importantes. Para superar estos desafíos, es esencial equilibrar innovación, regulación y ética mediante un enfoque colaborativo. Además de formar personal especializado que asegure una implementación segura y eficaz, maximizando el impacto en la salud pública global.
Una visión comprensible detrás del cerebro de las máquinas: de los datos a las decisiones
En la última década, la inteligencia artificial (IA) ha transformado la capacidad para resolver problemas y realizar tareas complejas [1]. La IA se basa en el diseño de pasos lógicos (algoritmos) que permiten a la computadora ejecutar diversos procesos. Así, la computadora puede analizar grandes volúmenes de datos, encontrar patrones que el ojo humano no puede detectar y tomar decisiones de manera autónoma. Dentro de estos análisis se incluye el de imágenes (visión artificial), transformadas previamente a un lenguaje binario; de gran utilidad para detectar patrones sutiles en radiografías, resonancias magnéticas y registros clínicos. Pero para que todas estas aplicaciones sean una realidad, se requiere de un “entrenamiento” previo mediante imágenes médicas o muestras biológicas etiquetadas, diferenciando entre individuos sanos y enfermos -aprendizaje supervisado- (Figura 1). Enseñar a las máquinas a descubrir patrones desconocidos analizando datos sin etiquetas (aprendizaje no supervisado), requiere del uso de grandes volúmenes de datos clínicos de alta calidad para disminuir sesgos. Mientras que los algoritmos de refuerzo permiten a la IA mejorar continuamente, identificando de manera progresiva correlaciones entre parámetros clínicos y patologías, resultando en diagnósticos más rápidos y precisos [2].
La IA ha mejorado el diagnóstico de enfermedades no transmisibles como el cáncer y la diabetes, y mediante datos moleculares y genómicos, detectar signos tempranos de enfermedades, agilizando el diagnóstico y la detección temprana [3]. En la medicina tropical, la IA ha permitido predecir brotes con precisión, particularmente en el manejo del dengue, malaria y zika, junto con datos climáticos, demográficos y de flujo migratorio [4]. En este contexto, la IA no es solo una herramienta, sino una aliada estratégica que redefine el abordaje de los desafíos de la salud pública (Figura 2) [5].
Figura 1. Flujo de trabajo para clasificación de tumores. Modificada de http://scielo.sld.cu/scielo.
php?script=sci_arttext&pid=S1684-18592023000100013
Figura 2. Características de la IA como herramienta disruptiva para una medicina más funcional. Re
cuperada de https://www.revistamedicina.net/index.php/Medicina/article/view/1639/2120
Más Allá de lo imaginado: potencial, beneficios y transformaciones
La IA también ha redefinido la forma en que se entienden y enfrentan los retos del bienestar global, identificando conexiones entre variables que antes pasaban desapercibidas, mediante algoritmos avanzados, generando así nuevas hipótesis y enfoques innovadores para el manejo de enfermedades [6]. Uno de sus mayores beneficios es el procesamiento y análisis de grandes volúmenes de datos en tiempo real, permitiendo tomar decisiones más rápidas basadas en evidencia. Esto resulta especialmente crucial en situaciones de emergencia, como pandemias, donde una respuesta inmediata puede marcar la diferencia entre la contención y la propagación de una enfermedad [7].
La personalización de estrategias de intervención también es un área fundamental; la inclusión de datos genómicos para inferir la carga de susceptibilidad, el background ancestral y la capacidad metabolizadora individual son piezas clave [8]. Esta información, en combinación con los datos ambientales (cambio climático, ecosistemas, exposición a xenobióticos, etc.), y sociales, permite diseñar planes de acción adaptados a las necesidades específicas de comunidades vulnerables [9].
En términos de eficiencia operativa, la IA ha mejorado notablemente la forma en que se gestionan los recursos en salud pública, optimizando la distribución de medicamentos y reduciendo la dependencia de equipos costosos y la infraestructura compleja. Esto ha permitido que tecnologías avanzadas lleguen a comunidades con recursos limitados y geográficamente aisladas, permitiendo el acceso a la atención médica [10].
Promesas, Realidades y Desafíos
Sin embargo, cada avance trae consigo desafíos que se deben abordar para que su impacto sea verdaderamente transformador. Por ende, la calidad, representatividad y el volumen de los datos clínicos son cruciales; condiciones que a menudo no se cumplen, especialmente en Latinoamérica. Este aspecto es crucial por la inequidad económica de las poblaciones y por la plurietnicidad de toda esta región geográfica, en donde menos del 47% de los países cuentan con bases de datos clínicos digitalizados [11].
Además, la baja inversión pública en salud, que no alcanza el 6% del producto interno bruto recomendado por la Organización Mundial de la Salud (OMS) y la Organización Panamericana de la Salud, impactan directamente en la implementación de tecnologías de la información [12]. Para fortalecer las demandas de estas nuevas tecnologías, es imprescindible abordar las brechas educativas en salud pública e inteligencia artificial. Esto incluye la necesidad de una formación interdisciplinaria que integre conocimientos de informática, estadística, medicina y ética, así como programas de capacitación continua para actualizar a los profesionales en el manejo de datos y herramientas de IA.
Más allá de los aspectos técnicos: el equilibrio entre la innovación y la regulación
En cuanto a los dilemas éticos que enfrenta la IA, se busca establecer normativas que equilibren la
innovación con la protección de derechos, asegurando que la IA sea inclusiva y beneficiosa para la
sociedad. En este sentido, la OMS ha definido seis principios éticos clave para la implementación
de la IA en salud [13]:
- Proteger la autonomía humana,
- Promover el bienestar y la seguridad de los pacientes,
- Garantizar la transparencia,
- Fomentar la equidad,
- Asegurar la responsabilidad de los desarrolladores y
- Salvaguardar la privacidad de los datos personales.
Estos principios orientan el desarrollo de los algoritmos que complementen a los profesionales de la salud y respeten las decisiones de los pacientes, asegurando su uso ético y responsable. La Organización para la Cooperación y el Desarrollo Económicos promueve el desarrollo inclusivo, la protección de derechos humanos y la sostenibilidad, garantizando que las tecnologías sean seguras, explicables y respetuosas con la privacidad [14]. En Estados Unidos, la ley Health Insurance Portability and Accountability Act protege la privacidad y seguridad de la información médica, regulando el manejo de datos sensibles por parte de los sistemas de IA mientras que la ley Children’s Online Privacy Protection Act asegura la protección de los datos de menores de edad, estableciendo limitaciones para el desarrollo de algoritmos que involucren información infantil [15-16]. El panorama Latinoamericano es particular, Brasil lidera con su Ley General de Protección de Datos, que exige transparencia, equidad y consentimiento informado en el tratamiento de datos personales [17]. México, por su parte, cuenta con una de las leyes más completas de protección de datos personales en Latinoamérica; insignia del compromiso con la transparencia y la seguridad de la información personal [18-19] . Chile, avanza con la creación de un proyecto de ley que regula la IA con énfasis en áreas sensibles como la salud [20]. Mientras que Colombia cuenta con la Ley 1581 de 2012 para la protección de datos personales [21], además del Proyecto de Ley 091 de 2023, que busca crear un marco legal específico para la IA [22]. Este último, resalta la importancia de realizar análisiséticos, sociales y ambientales antes de implementar estas tecnologías, proponiendo la creación de una entidad reguladora para garantizar su uso responsable.
Conclusión
La IA representa una oportunidad única para transformar la salud pública, pero su éxito dependerá de nuestra capacidad para equilibrar la innovación con la regulación y la ética. Solo a través de un enfoque colaborativo, interdisciplinario e inclusivo se podrá aprovechar plenamente su potencial, garantizando beneficios para todos, especialmente para las poblaciones más necesitadas. La formación de personal especializado, con competencias avanzadas en ciencia de datos, ética en IA y salud pública será clave para implementar los sistemas de manera segura y eficiente, asegurando su adecuación a las necesidades locales y promoviendo un impacto equitativo y sostenible a nivel global.
