La inteligencia artificial en salud pública debe implementarse de manera ética, transparente y centrada en las personas, promoviendo el uso responsable de los datos y el fortalecimiento de los sistemas de salud.
La inteligencia artificial ha comenzado a incorporarse de manera progresiva en distintos ámbitos de la salud pública, incluyendo el análisis de datos, la vigilancia epidemiológica, la automatización de procesos y el apoyo a la toma de decisiones clínicas y de gestión.
Su implementación ofrece oportunidades para fortalecer los sistemas de salud y mejorar el acceso a la información, pero también plantea desafíos relacionados con la transparencia, la protección de datos, la equidad y la supervisión humana de las decisiones automatizadas. En este contexto, la OPS promueve un enfoque de inteligencia artificial basado en principios éticos, evidencia científica y transformación digital centrada en las personas.
Principios para el uso de la inteligencia artificial en salud
El uso de la inteligencia artificial en salud pública debe estar guiado por principios éticos y técnicos que permitan maximizar sus beneficios sin comprometer los derechos de las personas.
Centrados en las personas
Priorizan la seguridad del paciente, la calidad de la atención y el respeto por los derechos de las personas.
Transparentes
Favorecen algoritmos y procesos que puedan ser comprendidos, comunicados y evaluados.
Seguros y respetuosos de la privacidad
Garantizan la protección, confidencialidad y seguridad de los datos utilizados.
Basados en evidencia científica
Se apoyan en prácticas confiables, reproducibles y sujetas a evaluación externa.
Equitativos y no discriminatorios
Consideran la igualdad, la inclusión y la diversidad en el diseño y uso de las tecnologías.
Supervisados por personas
Incorporan mecanismos de control y revisión humana en las decisiones automatizadas.
Componentes y subcampos de la IA que pueden beneficiar la salud pública
La inteligencia artificial se basa en distintos componentes y subcampos que permiten procesar datos, reconocer patrones, interpretar información y generar predicciones. Estas capacidades pueden aplicarse en múltiples áreas de la salud pública.
Entre ellos se incluyen tecnologías orientadas al análisis de datos, la comprensión del lenguaje humano, la automatización de procesos y la interacción con las personas. Su aplicación permite fortalecer la vigilancia epidemiológica, mejorar el acceso a la información y apoyar la toma de decisiones clínicas y de gestión.
A continuación, se presentan algunos de estos componentes agrupados según su función principal, junto con ejemplos de uso en salud pública.
Procesamiento y comprensión del lenguaje
Permite a las computadoras leer, interpretar y extraer significado del lenguaje humano en textos o conversaciones.
Aplicaciones en salud pública
Análisis de comportamiento en redes sociales
Procesamiento de datos generados por pacientes y usuarios
Identificación de tendencias y necesidades en salud
Subcampo del PLN orientado a comprender textos y expresiones humanas mediante el análisis de gramática, sintaxis y significado.
Aplicaciones en salud pública
Interpretación automatizada de información clínica
Análisis de registros médicos y documentación sanitaria
Identificación de patrones en textos clínicos
Permite transformar datos estructurados en textos o respuestas comprensibles para las personas.
Aplicaciones en salud pública
Generación automatizada de reportes
Anonimización de historias clínicas electrónicas
Producción de contenidos y resúmenes clínicos
Permite analizar lenguaje hablado para reconocer patrones, interpretar significado y detectar características del habla humana.
Aplicaciones en salud pública
Análisis del comportamiento y estados emocionales
Evaluación de síntomas relacionados con la voz o el habla
Monitoreo remoto y herramientas de apoyo clínico
Predicción y análisis de datos
Permite identificar patrones y generar predicciones a partir de grandes volúmenes de datos mediante algoritmos entrenados con información previa.
Aplicaciones en salud pública
Predicción de enfermedades y factores de riesgo
Análisis de relaciones entre genética, ambiente y salud
Modelos para vigilancia epidemiológica y toma de decisiones
Subcampo del aprendizaje automático basado en redes neuronales profundas capaces de aprender patrones complejos a partir de grandes volúmenes de datos.
Aplicaciones en salud pública
Detección automatizada de enfermedades
Análisis avanzado de imágenes clínicas
Predicción de condiciones de salud mediante historias clínicas electrónicas
Permiten analizar información compleja y apoyar procesos de toma de decisiones mediante modelos predictivos y análisis automatizados.
Aplicaciones en salud pública
Apoyo a decisiones clínicas y de gestión
Modelización de escenarios sanitarios
Integración de múltiples variables y sistemas de información
Integra tecnologías como inteligencia artificial y procesamiento del lenguaje natural para analizar información proveniente de múltiples fuentes.
Aplicaciones en salud pública
Motores de búsqueda para información sanitaria
Análisis de evidencia científica y documentación técnica
Acceso rápido a información relevante para la toma de decisiones
Interacción y automatización
Área interdisciplinaria que desarrolla máquinas y sistemas inteligentes capaces de asistir o automatizar tareas humanas.
Aplicaciones en salud pública
Desinfección automatizada de espacios
Distribución de medicamentos e insumos
Monitoreo y medición de signos vitales
Aplicaciones capaces de simular conversaciones con personas mediante lenguaje escrito u oral.
Aplicaciones en salud pública
Promoción de hábitos saludables
Salud mental y acompañamiento remoto
Control del tabaquismo y seguimiento de pacientes
Permite interpretar imágenes y videos mediante modelos capaces de reconocer objetos, patrones y características visuales.
Aplicaciones en salud pública
Análisis de imágenes médicas
Apoyo al diagnóstico clínico
Modelización predictiva para enfermedades respiratorias y otras condiciones
La inteligencia artificial en el marco de la transformación digital
La inteligencia artificial forma parte de un proceso más amplio de transformación digital en salud, que incluye el fortalecimiento de la conectividad, la interoperabilidad, la gobernanza de datos y el desarrollo de sistemas de información integrados.
En este contexto, la inteligencia artificial se reconoce como uno de los componentes que pueden contribuir a mejorar el acceso a la información, fortalecer la toma de decisiones y optimizar los servicios de salud, siempre que su implementación esté acompañada por marcos éticos, capacidades técnicas y mecanismos de supervisión adecuados.
La OPS impulsa este enfoque a través de los principios para la transformación digital del sector salud, promoviendo tecnologías centradas en las personas, seguras, interoperables y orientadas al fortalecimiento de los sistemas de salud en la Región.
A partir de este enfoque, la OPS acompaña a los países en el desarrollo de capacidades, herramientas y marcos que permitan implementar la inteligencia artificial de manera segura y sostenible.