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.