Abr 29, 2026
La tecnología en el ámbito de la salud, especialmente en la imagenología médica, se ha convertido en un elemento esencial para el diagnóstico clínico. En un sistema de salud cada vez más demandante, donde cada segundo cuenta, la tecnología ya no es un extra o un gasto discutible: es necesaria para ofrecer un servicio eficiente y de calidad. Pero, sobre todo, es trascendente para devolver tiempo a los profesionales de la salud, tiempo para enfocarse en lo que realmente importa: el paciente.
Con el fin de conseguir que la medicina sea más eficiente y accesible, no sólo se requiere del talento y dedicación de los profesionales del área, que sigue siendo fundamental, sino también utilizar herramientas tecnológicas que apoyen su labor. Imaginen a un médico con gran habilidad, pero sin los recursos adecuados: su conocimiento se ve limitado, al igual que el de un arquitecto que carece de los materiales necesarios. La tecnología no reemplaza a los especialistas, pero les permite tener una mejor perspectiva, ayudándoles a llegar más lejos y a cometer menos errores en un campo tan complejo como es el cuerpo humano.
En ese sentido, la imagenología médica juega un papel crucial. Métodos como la tomografía computarizada, la resonancia magnética y la medicina nuclear han avanzado mucho en cuanto a la calidad de las imágenes que producen. Sin embargo, este progreso también ha creado un nuevo desafío, relacionado con la gran cantidad de información que generan esos estudios. Este reto va más allá del volumen, porque implica conexión entre datos, imágenes y especialidades que muchas veces operan de forma aislada. Integrarlos es clave para lograr diagnósticos más ágiles y precisos.
Actualmente, un solo análisis puede crear miles de imágenes que los radiólogos deben revisar, a menudo bajo presión y con un riesgo de equivocaciones por fatiga. Por tanto, más allá de obtenerlas, también es fundamental transformar la información que aportan en datos útiles. Y estos deben estar organizados, ser claros y encontrarse disponibles en el momento en que se necesiten.
Aquí es donde soluciones avanzadas de visualización se integran dentro de un ecosistema más amplio de diagnóstico conectado. Herramientas como Philips Advanced Visualization Workspace (AVW) permiten que los datos y las imágenes, además de visualizarse, se conviertan en información accionable. Al operar en entornos de trabajo completos, este tipo de plataformas permite a los profesionales evaluar exámenes con herramientas de alta fidelidad, automatizar tareas repetitivas y utilizar algoritmos para detectar, medir y monitorear hallazgos clínicos. Ello mejora la precisión y reduce considerablemente la carga operativa, generando tiempo valioso para los especialistas.
Incorporar este tipo de soluciones en el día a día tiene resultados muy positivos. Primero, disminuye el periodo que toma analizar un estudio. Lo que antes podía llevar largo tiempo, hoy se resuelve con rapidez, liberando capacidad clínica para el cuidado del paciente, que es lo más importante. Además, se mejora la consistencia de las mediciones, algo que puede ser un reto incluso para los radiólogos más experimentados. También se aumenta la seguridad en los diagnósticos al ofrecer datos objetivos que ayudan a dar respuesta más certera a la hipótesis diagnóstica.
Este impacto es aún más significativo cuando se trata de enfermedades complejas. En cardiología, por ejemplo, datos como la fracción de eyección o el volumen ventricular son cruciales para decisiones clave, donde ser precisos no es opcional. En neurología, el seguimiento de lesiones y cambios en estructuras del cerebro en el tiempo es vital para diferenciar diagnósticos y planificar terapias. Y en oncología, es fundamental poder entregar datos certeros de cómo los tumores responden a los tratamientos, presentando los datos de modo que haga un traspaso efectivo al médico tratante.
Una excelente referencia de cómo se ha introducido esta tecnología es la adopción de plataformas de visualización avanzada por parte de diversas instituciones, donde no sólo se ha concebido como una actualización tecnológica, sino como una estrategia para optimizar la capacidad y eficiencia. Este tipo de implementación refleja el valor del diagnóstico integrado, dando la posibilidad a distintos especialistas de acceder a los mismos datos, colaborar en tiempo real y tomar decisiones rápidas, informadas y coordinadas.
Asimismo, cabe destacar que este enfoque permite que usuarios de centros con menor disponibilidad de especialistas, accedan a mejor calidad diagnóstica con profesionales altamente capacitados. Y es que, en la práctica, esto representa esperar menos porque decisiones que antes podían tomar días, ahora se solucionan en horas, lo cual es vital en situaciones críticas como un accidente cerebrovascular o la detección temprana de cáncer.
No obstante, el valor de estas plataformas radica más allá de la tecnología que ofrecen. Uno de sus beneficios es la estandarización de los procesos. Al proporcionar criterios y herramientas coherentes, ayudan a minimizar las diferencias de interpretación entre radiólogos. A veces, dos especialistas pueden mirar el mismo estudio y llegar a conclusiones distintas, no por falta de competencias, sino por variaciones en su experiencia o a veces por simple cansancio. Aquí es donde la tecnología bien implementada puede equilibrar esos criterios, impactando en el resultado sanitario para los pacientes.
De cara al futuro, la transformación digital en salud sigue avanzando a paso veloz. La forma en que los distintos sistemas se integran, cómo se analizan los datos acumulados a lo largo del tiempo y la manera en que se desarrollan modelos con inteligencia artificial está cambiando el escenario drásticamente. La idea de una medicina predictiva, que pueda anticipar enfermedades o prever si un paciente reaccionará bien o mal a un tratamiento, está cada vez más cerca de convertirse en una realidad.
En ese nuevo ambiente, el concepto de diagnóstico integrado cobra un rol central para tener un ecosistema donde imágenes, datos clínicos e inteligencia se conectan a lo largo de toda la ruta del paciente, presentándole al médico la información que requiere para tomar resoluciones informadas. Y estas plataformas de visualización avanzada son más que herramientas de apoyo, dado que juegan un papel relevante dentro de un espectro llamado a integrar los elementos mencionados con información genética y biomarcadores para comprender mejor a cada paciente. La imagenología del futuro no consistirá únicamente en ver estructuras, sino que, además, ayudará a interpretar funciones y anticipar resultados.
El verdadero desafío no es sólo incorporar tecnología, sino integrarla de manera adecuada para generar impacto real. Porque cuando conectamos datos, imágenes e inteligencia a lo largo de toda la atención, mejoramos el diagnóstico y devolvemos tiempo al cuidado, algo que en salud puede marcar la diferencia entre esperar y actuar.
Por tanto, no basta con tener las mejores aplicaciones, hay que integrarlas de manera estratégica para asegurar que sean de calidad, que el acceso se vuelva equitativo y que exista sostenibilidad a largo plazo. En tanto, la meta social es que estos avances beneficien a la mayor cantidad posible de pacientes, incluyendo a aquellos de áreas remotas o con otras limitaciones. Para ello se requieren políticas adecuadas, renovados modelos de financiamiento y formación continua para los profesionales.
Por último, es importante señalar que cuando la innovación se enfoca en mejorar la vida de las personas, deja de ser únicamente un avance técnico. Se convierte en algo más significativo, que potencia a los médicos para lograr diagnósticos ágiles y precisos, además de democratizar el acceso a la salud y optimizar el resultado del cuidado de los pacientes en general. Ese debería ser el verdadero objetivo de la medicina actual.
Abr 6, 2026
En un contexto donde la transformación digital avanza con fuerza, resulta clave reflexionar sobre cómo este proceso ha cambiado la forma en que aprendemos, trabajamos y nos vinculamos. Hoy, las plataformas en línea, la inteligencia artificial y los ecosistemas interconectados han ampliado las posibilidades de acceso al conocimiento y a la salud, llevándolo más allá de la presencialidad y los límites físicos.
Estos avances tecnológicos nos invitan a replantearnos cómo construimos valor desde un activo estratégico indispensable, aquel que permite que la tecnología transforme realmente la forma en que cuidamos, gestionamos y diseñamos soluciones significativas que respondan a las necesidades de las personas.
La Organización Mundial de la Salud ha reconocido que las tecnologías de la información y comunicación son determinantes para el futuro de la salud global y constituyen un componente indispensable para la transformación digital del sector y el aumento de la cobertura sanitaria universal. La salud digital se convierte, entonces, en el espacio donde se manifiesta la integración —o la falta de integración— entre ambos componentes, pues es allí donde la tecnología se traduce en acceso, continuidad del cuidado y mejora de la experiencia sanitaria.
Sin embargo, la salud digital solo cumple este rol cuando es accesible, comprensible y significativa para quienes la utilizan. Una herramienta difícil de usar o que exige más esfuerzo que beneficio no solo no contribuye, sino que genera desgaste y resistencia. Por eso, no basta solo con disponibilidad de plataformas: es indispensable que funcione donde el territorio impone barreras y donde la tecnología puede, por fin, derribarlas.
Desde esta perspectiva, la transformación digital no es un fin en sí mismo, sino un motor estratégico para ampliar el acceso, fortalecer la equidad y mejorar la capacidad de respuesta del sistema de salud. Pero para que ese potencial se traduzca en valor y no en brecha, estos avances deben ir acompañados de una mirada orientada a minimizar la brecha digital, aún presente en desafíos como la conectividad rural, la disponibilidad de dispositivos, las diferencias generacionales en el uso de tecnologías y el diseño de plataformas que no siempre dialogan con la realidad de los equipos de salud y de las personas.
En Chile, esta conversación es aún más relevante considerando que el 85% de la población son usuarios del sistema público de salud, el cual aún presenta brechas territoriales, de conectividad, de adopción de tecnologías y determinantes sociales que afectan directamente el acceso oportuno. En este marco, el derecho a la salud, entendido como un Derecho Humano fundamental, no se limita solo a garantizar servicios, sino asegurar las condiciones que permitan empoderar a las personas para que ellas puedan participar plenamente en un sistema que se transforma digitalmente.
La dimensión territorial vuelve aún más evidente esta necesidad. Cerca del 12% de la población chilena vive en zonas rurales, pero la ruralidad no debe entenderse solo como un porcentaje, sino como la realidad cotidiana de personas que pueden tardar horas, e incluso días, en desplazarse para llegar a un centro asistencial, comunidades que dependen de postas aisladas, caminos que se interrumpen y condiciones climáticas que retrasan o impiden una atención. Esta realidad se profundiza en los territorios más rezagados, donde la limitada disponibilidad de servicios públicos y de profesionales de la salud generan inequidades persistentes. En estos lugares, la salud digital se convierte en una puerta de entrada —a veces la única— para acceder a cuidados oportunos, permitiendo llegar donde antes no llegábamos y contribuyendo a reducir brechas históricas que han afectado especialmente a quienes viven más aislados y con menos recursos.
El futuro de la transformación digital requiere mucho más que tecnología, exige propósito, estrategia y liderazgos capaces de articular a los colectivos relevantes, gestionar resistencias y construir capacidades que orienten la visión y aseguren una habilitación sostenible y escalable del sistema. De igual modo, toda transformación será efectiva solo si avanza en alfabetización digital en salud, porque es esta la que garantiza que las personas puedan comprender, utilizar y beneficiarse realmente de las herramientas digitales disponibles. La alfabetización digital permite que las personas ejerzan autonomía, tomen decisiones informadas y participen activamente en un entorno sanitario que se digitaliza. Esto implica crear espacios y condiciones reales de participación, reconociendo la diversidad cultural, territorial y social del país, de modo que la transformación y la alfabetización digital avancen de manera integrada y articulada.
La tecnología, por sí sola, no resuelve los desafíos del sistema; es su integración en los procesos de atención, su uso significativo por parte de los equipos y su adopción por las comunidades lo que permite generar cambios reales y habilitar nuevas formas de acompañar a las personas. Pero este camino exige un principio ineludible: poner a las personas en el centro desde el inicio del diseño de cada solución o desarrollo. Solo así la tecnología agrega valor, no solo por las herramientas que incorpora, sino por cómo transforma y mejora la vida de quienes necesitan una salud pública de calidad, más justa, equitativa, y humanizada.
En definitiva, la tecnología no es un fin, sino un medio. Y, bien implementada, tiene el poder de lograr algo profundamente transformador: garantizar que el lugar donde se nace no determine la atención de salud que se recibe.
Mar 12, 2026
Con el propósito de abrir un espacio a reflexiones del ecosistema de la salud digital, inauguramos VOCENS: Voces y Opinión, una nueva sección de nuestro newsletter que busca reunir miradas expertas sobre los desafíos y oportunidades que enfrenta la transformación digital en salud.
Estrenamos este espacio con un artículo de opinión de Jorge Pérez, CPO y cofundador de Cero.ai y ex académico del Departamento de Ciencias de la Computación de la Universidad de Chile, quien reflexiona sobre el rol clave de la interoperabilidad para que la inteligencia artificial pueda generar impacto real en los sistemas de salud. Una lectura totalmente recomendada.
Interoperabilidad para una IA con sentido
La inversión y la atención pública en Inteligencia Artificial (IA) no tienen precedentes. Las demos son cada día más impresionantes, los modelos más capaces y las promesas más ambiciosas. Y el área de la Salud no es la excepción. Pero hay un problema que se repite. La mayoría de estos avances no logran ir más allá de la demo. ¿Por qué? Porque la IA en salud depende de al menos dos capas adicionales que siendo fundamentales están rezagadas en interés y en recursos: la Interoperabilidad y los datos de calidad.
Para comenzar con una metáfora simple, podríamos imaginar la ficha clínica (el HIS) como el sistema nervioso central de un hospital. Las aplicaciones de Inteligencia Artificial son como los sentidos: la vista, el oído, el tacto. Un sentido nos permite interactuar con el mundo, recibir estímulos desde él. Pero un sentido por sí solo no hace nada. El estímulo necesita viajar hasta el sistema nervioso central, donde se procesa, se combina con más información, y recién ahí podemos tomar una decisión y actuar. Sin ese recorrido completo, el estímulo se pierde, el sentido es inútil.
Lo mismo ocurre en salud. Un agente de IA que no interopera con la ficha clínica es un ojo que no puede ver, un oído que no puede escuchar, un sentido aislado, de poca utilidad. La Interoperabilidad es lo que permite llegar al sistema nervioso central y actuar: acceder a la ficha clínica del paciente o de un conjunto de pacientes, apoyar a un médico en la toma de decisiones, o mejorar la gestión administrativa. Sin interoperabilidad, da lo mismo cuán sofisticado sea el ojo. Sin interoperabilidad, la IA es un ojo de bello color y preciosas pestañas, pero esencialmente ciego.
Hoy la conversación pública y la inversión están concentradas casi exclusivamente en construir sentidos cada vez más sofisticados (IA), mientras que la conexión con el sistema nervioso (Interoperabilidad y datos) recibe considerablemente menos atención.
En lo que sigue propongo tres dimensiones concretas de calidad de datos y explico cómo la interoperabilidad nos permite avanzar y sacarle real provecho a la IA. Son aspectos que todo tomador de decisión en salud debería tener presentes, porque de ellos depende que la IA pase de ser una promesa a una herramienta con impacto real en los pacientes.
La base: datos de calidad en tres dimensiones
Para que la IA funcione más allá de una demo, necesita datos. Pero hablar de “datos de calidad” sin especificar qué significa es insuficiente. Los datos en salud tienen al menos tres dimensiones que deben cumplirse simultáneamente: correctitud, disponibilidad y oportunidad.
Correctitud significa que el dato debe representar fielmente la realidad, incluyendo la realidad local. Este punto es crítico y frecuentemente ignorado. Un modelo de IA entrenado con datos clínicos de Estados Unidos no puede usarse para decisiones clínicas en Chile. Como ejemplo evidente, el cáncer gástrico es la segunda causa de muerte por cáncer en Chile, mientras que en Norteamérica ni siquiera figura entre los 15 cánceres más frecuentes. Si usamos datos incorrectos, en este caso datos de Estados Unidos para una IA en Chile, obtendremos un modelo que no refleja esta diferencia epidemiológica. El modelo no solo será inútil sino potencialmente peligroso.
Disponibilidad significa que los datos deben efectivamente llegar a quienes los necesitan. Los datos pueden existir y tener calidad, pero si están encerrados no sirven. Se estima que más del 85% de los proyectos de ciencia de datos nunca llegan a producción, y en salud, donde las barreras de acceso a datos son aún mayores, la situación es al menos igual de severa. Estos proyectos fracasan no porque los datos no existan, sino porque los investigadores, médicos e incluso autoridades nunca logran acceder a ellos. Las decisiones clínicas se toman sin la información que podría mejorarlas, no porque la información sea incorrecta, sino por las dificultades para alcanzarla. Un dato correcto que no está disponible es un dato inútil.
Oportunidad significa que el dato debe estar disponible en el momento de la decisión. Un resultado de laboratorio que llega tres días después de la derivación no aporta valor clínico. Un dato correcto y disponible pero tardío es igualmente inútil. Y en este caso además es especialmente frustrante, porque teníamos todo para usar el dato y la falta de oportunidad lo hizo inservible.
La Interoperabilidad es la capa que habilita las tres dimensiones en conjunto. Es lo que permite chequear correctitud y acceder a datos locales y representativos para construir modelos pertinentes al contexto epidemiológico chileno. Es lo que hace que los datos correctos lleguen de manera segura a las manos correctas, sean estas de un investigador, un médico o un equipo administrativo. Y es lo que convierte un dato existente correcto y disponible en un dato útil, en el momento preciso.
De la teoría al impacto
Para aterrizar estas ideas, vale la pena mirar algunos números. En Chile, la no-presentación a citas de especialidad (NSP) genera una pérdida superior a USD$40 millones anuales para el Estado. Hay casi 3 millones de personas esperando una primera consulta de especialidad. Y la priorización de esos pacientes, es decir, decidir quién necesita atención más urgente dentro de una lista de espera, hoy se hace con nula o mínima sistematización.
Estos son problemas donde la IA puede generar impacto real: contactar al paciente de forma efectiva, reducir el ausentismo, priorizar con evidencia. Pero cada uno de estos desafíos requiere datos correctos, disponibles y oportunos. En el caso de la priorización, por ejemplo, se necesita integrar información clínica de múltiples fuentes bajo estándares (como HL7-FHIR) para que un modelo pueda evaluar la urgencia real de cada paciente. Y luego de priorizar se debe devolver esta información a la ficha clínica para que los siguientes pasos del proceso, en particular, la asignación y citación del paciente, ocurran de manera efectiva. Sin Interoperabilidad, ese tipo de proyectos simplemente no existen.
Otro caso concreto: durante 2025 el MINSAL publicó la primera Orientación Técnica de COMGES que menciona Inteligencia Artificial. Estas orientaciones apuntan precisamente a la contactabilidad de pacientes en un proceso continuo de vinculación, preparación, citación, confirmación y post-atención. Para dar seguimiento a un paciente, lo primero que se necesita es un dato de contacto válido, actualizado y disponible oportunamente en la ficha clínica. Si el dato no está, o está mal, o llegó tarde, no hay IA que pueda resolver el problema.
A este escenario se le agrega la necesidad de editar la traza del paciente en la ficha clínica para actualizar el número de contacto del paciente, su estado de espera, si tiene o no los exámenes necesarios antes de la atención, etc. Sin interoperabilidad de dos direcciones que permita accionar ante lo que la IA obtiene contactando al paciente, estamos destinados a depender de datos manualmente digitados con todos los problemas que esto trae consigo. Otra vez, un sentido que sirve poco por falta de conexión efectiva con el sistema nervioso.
En Cero venimos de la investigación fundamental en IA y somos expertos en el tema con publicaciones en modelos de lenguaje para el español y en los fundamentos de la arquitectura detrás de los modelos actuales. Aún con este nivel de involucramiento en IA, desde nuestros inicios en 2021 hemos empujado por Interoperabilidad primero, Interoperabilidad segundo, Interoperabilidad tercero, e IA cuarto. Esa convicción nos llevó a interoperar hoy con más del 60% de los hospitales públicos de alta complejidad en Chile y con más de 300 centros de salud en Latinoamérica. La experiencia lo confirma. Cuando la Interoperabilidad funciona, la IA puede efectivamente reducir el ausentismo, mejorar la contactabilidad y apoyar la priorización de pacientes en lista de espera.
Para que la IA tenga sentido
Además de preguntarnos qué puede hacer la Inteligencia Artificial por nuestros hospitales, clínicas y centros de salud en general, que es una pregunta valiosa y necesaria, una pregunta que también debemos hacernos es si nuestros datos tienen la correctitud, disponibilidad y oportunidad necesarias para que la IA pueda funcionar. En otras palabras, es preguntarnos si estamos preparados y dispuestos para interoperar de verdad.
La Interoperabilidad es la infraestructura que habilita todo lo demás. Es la conexión con el sistema nervioso central. Sin Interoperabilidad, sin datos de calidad, la IA en salud seguirá siendo un ojo de bello color y preciosas pestañas, pero esencialmente ciego.
