La OMS pide medir la IA en salud por su gobernanza, no por su velocidad
Un nuevo informe de OMS/Europa sostiene que avanzar rápido no alcanza: la inteligencia artificial aplicada a la salud necesita instituciones capaces de gobernar datos, validar herramientas y definir responsabilidades.
La inteligencia artificial ya forma parte de conversaciones sobre diagnóstico, gestión hospitalaria, análisis de imágenes, seguimiento de pacientes y organización de servicios. Pero el debate dejó de concentrarse solamente en qué puede hacer un algoritmo. La pregunta más difícil es qué condiciones necesita una institución para usarlo de manera responsable.
Ese es el eje del comunicado publicado el 1 de septiembre por la Oficina Regional para Europa de la Organización Mundial de la Salud. La conclusión central es directa: el progreso no debería medirse por la rapidez con la que se incorpora IA, sino por la solidez de su gobernanza.
Qué analizó la comunidad convocada por OMS/Europa
El informe reúne las discusiones de la primera comunidad de conocimiento de OMS/Europa sobre inteligencia artificial responsable en salud. El diálogo se desarrolló durante cinco semanas entre octubre y diciembre de 2025 y convocó a investigadores, responsables de políticas públicas y especialistas en salud digital de 105 países.
Según el documento técnico publicado por OMS/Europa, los participantes identificaron obstáculos que aparecen de manera reiterada cuando una herramienta pasa de una prueba a un entorno sanitario real: conjuntos de datos fragmentados o sesgados, falta de claridad sobre quién responde por una decisión y conocimientos insuficientes para evaluar los sistemas.
Gobernar IA no significa solamente escribir principios
En salud, hablar de gobernanza implica traducir criterios éticos y técnicos en procesos cotidianos. Antes de adoptar una herramienta, una institución necesita saber con qué datos fue entrenada, en qué población se validó, qué errores puede cometer, cómo se supervisará su desempeño y quién podrá detener su uso si aparecen riesgos.
También exige definir cómo participa el personal de primera línea. Médicos, profesionales de Enfermería, técnicos, responsables de datos y equipos de gestión conocen problemas que no siempre aparecen en una evaluación puramente informática. Integrarlos desde el diseño ayuda a detectar fallas de usabilidad, sesgos y consecuencias no previstas.
Cinco preguntas antes de adoptar una herramienta
- ¿Los datos representan a la población donde se utilizará el sistema?
- ¿La herramienta fue validada para esa tarea y ese contexto clínico?
- ¿Está claro quién revisa, confirma y responde por sus resultados?
- ¿Pacientes y profesionales entienden cómo interviene la IA?
- ¿Existe un mecanismo para auditarla, corregirla o suspenderla?
Qué significa para Argentina
El informe se originó en la región europea, pero las preguntas son pertinentes para cualquier sistema de salud que incorpore tecnología. En Argentina conviven instituciones con capacidades digitales muy diferentes, datos distribuidos entre múltiples sistemas y equipos que trabajan bajo condiciones diversas.
Por eso, adoptar IA responsablemente requiere algo más que comprar software. Hace falta mejorar calidad e interoperabilidad de datos, formar equipos, establecer protocolos y evaluar si una solución aporta valor real sin desplazar el juicio profesional ni ampliar desigualdades.
La experiencia argentina de herramientas como Retinar, orientada al análisis de controles oftalmológicos vinculados con diabetes, muestra por qué el cruce entre salud, tecnología y validación merece una mirada interdisciplinaria.
La formación que exige este escenario
La IA en salud necesita perfiles técnicos capaces de trabajar con datos, pero también profesionales sanitarios preparados para interpretar límites, comunicar decisiones y cuidar la seguridad del paciente. Ninguna de esas capacidades funciona de manera aislada.
Quienes se forman en Ciencia de Datos e Inteligencia Artificial pueden aportar análisis, validación y lectura crítica de modelos. A su vez, la formación universitaria en Enfermería fortalece una mirada clínica y de cuidados indispensable para evaluar cómo una tecnología impacta sobre pacientes y equipos.
La tecnología necesita equipos capaces de evaluarla
El desafío profesional no es usar IA por novedad, sino comprender datos, riesgos y responsabilidades para aplicarla con criterio.
Conocer Ciencia de Datos e IAUna advertencia contra la carrera por adoptar primero
La principal enseñanza del informe es que demorar una herramienta insegura puede ser una decisión responsable. La innovación no pierde valor por atravesar controles rigurosos; gana legitimidad cuando pacientes, profesionales e instituciones pueden confiar en ella.
La discusión sobre IA en salud ya no pasa solamente por capacidad técnica. Pasa por construir organizaciones que puedan hacer las preguntas correctas, revisar evidencia y sostener decisiones transparentes a lo largo del tiempo.
