La inteligencia artificial puede mejorar la velocidad y precisión de los diagnósticos médicos en la Argentina

En los últimos años, la inteligencia artificial (IA) ha dejado de ser una promesa para convertirse en una herramienta concreta en distintos sectores. En salud, ya existen experiencias reales que demuestran su valor para optimizar procesos, mejorar decisiones clínicas y beneficiar a pacientes y equipos de trabajo.

En nuestro país, instituciones como el Hospital Italiano de Buenos Aires han desarrollado modelos propios de IA para la predicción de riesgo de internación o reingresos hospitalarios. Además, el modelo ArtemisIA, del servicio de Patología Mamaria del mismo hospital, sirve de apoyo en decisiones diagnósticas para minimizar la variación interoperador.

El Hospital El Cruce aplicó IA en patología digital, y otros centros privados utilizan la misma tecnología en la lectura automatizada de imágenes radiológicas.

En América latina, el Hospital Albert Einstein (Brasil) y sistemas públicos en Colombia también han comenzado a incorporar IA en triaje y análisis de big data sanitario.

Los modelos más utilizados se entrenan con historias clínicas electrónicas, imágenes médicas (radiografías, tomografías) y datos administrativos anonimizados. Varían desde desarrollos internos apoyados por áreas de informática hasta licencias con proveedores externos.

Los resultados ya observados incluyen reducción de tiempos de diagnósticos (más rápidos, precisos y evitando repetición de prácticas), priorización de pacientes con riesgo, automatización de tareas administrativas como asignación de turnos o codificación de prestaciones, y particularmente la reducción de la carga administrativa de los profesionales de la salud, liberando tiempo para la atención clínica.

Los beneficios para los pacientes son concretos: mayor rapidez en los diagnósticos, menor probabilidad de errores, seguimiento personalizado y mejor coordinación entre áreas clínicas. En algunos casos, también significa evitar estudios innecesarios o recibir alertas tempranas que permiten actuar a tiempo.

Una gran oportunidad reside en llevar estas herramientas a las pymes de salud, que representan la mayor parte del sistema, pero carecen de escala tecnológica.

También hay enorme potencial en IA para gestión poblacional, prevención secundaria (detección de recaídas), seguimiento domiciliario y en la integración de datos provenientes de diferentes fuentes (clínicas, sociales, ambientales).

Las barreras son múltiples: falta de interoperabilidad, escasa calidad de los datos cargados, bajo conocimiento técnico, y marcos regulatorios aún en construcción.

Para superarlas, proponemos tres caminos: sensibilización y formación, como la que promueve CADIME; inversión gradual pero sostenida en infraestructura digital básica; y alianzas estratégicas entre prestadores, universidades y organismos públicos.

La IA no es magia ni reemplazo del juicio clínico. Es una herramienta poderosa que, bien implementada, puede democratizar el acceso a innovación.