Explicado en 30 segundos
La IA en salud no se despliega en igualdad de condiciones. La inversión, la infraestructura y los datos se concentran en el Global North, mientras gran parte del Sur Global queda fuera por falta de recursos y capacidad de implementación. El debate real no es técnico: es político y económico.
La medicina cuando el dato abunda y la inversión escasea
Si el siglo XX peleó por el acceso a la información clínica, el XXI pelea por algo distinto: quién puede convertir esa información en decisiones útiles, seguras y contextualizadas.
La discusión global sobre el futuro de la inteligencia artificial no se lleva a cabo en abstracto: hay cifras, direcciones de inversión y decisiones de política que ya están moldeando dónde y cómo la IA será una realidad sanitaria.
El Foro Económico Mundial (WEF), que reúne a gobiernos, sector privado y academia, advierte que los beneficios económicos y sociales de la IA siguen concentrados en el Global North —principalmente Estados Unidos, Europa y China— donde las inversiones en investigación, infraestructura y mercados superan por lejos a las de los países de ingresos medios y bajos.
La inversión no es homogénea ni equitativa. En salud, las proyecciones globales estiman que el valor del mercado podría pasar de ~USD 36 000 millones en 2025 a más de USD 500 000 millones en 2033, con un crecimiento anual compuesto cercano al 39 %.
Pero —y aquí está el punto central para nuestro análisis clínico— la mayoría de esa inversión se concentra en Norteamérica y Europa, donde el gasto sanitario y la investigación son altos, la infraestructura digital está consolidada y existen capacidades técnicas para entrenar y adaptar modelos.
En gran parte del Sur Global —África, Asia central y regiones de América Latina— el acceso a tecnologías de IA en salud es todavía incipiente. El WEF señala que casi 5 000 millones de personas podrían quedar excluidas de sus beneficios simplemente porque los modelos y datos actuales se entrenan sobre poblaciones de países de altos ingresos, no sobre las realidades demográficas y epidemiológicas de estas regiones.
Eso implica dos cosas que chocan con la narrativa tecnológica dominante:
1) La IA no es automáticamente igualadora
Sin datos representativos, sin inversión local y sin infraestructura digital robusta, los algoritmos de salud replican —o incluso agudizan— desigualdades preexistentes. Un modelo entrenado con registros clínicos de Boston o Londres difícilmente prediga bien eventos en comunidades rurales de África subsahariana o en barrios periféricos de ciudades latinoamericanas.
2) La brecha tecnológica es económica y política
Países con capacidad de invertir en centros de datos, talento digital, integración clínica y despliegue regulado están ampliando su ventaja competitiva en salud. Países sin ese apalancamiento quedan relegados a mercados consumidores de tecnología, no coproductores de ella.
En otras palabras: la IA en salud ya no es solo una cuestión de algoritmos mejores o peores, sino de quién puede sostenerlos, actualizarlos y adaptarlos a contextos locales.
Y eso nos devuelve a la pregunta que vertebra este texto:
¿Estamos dispuestos a redefinir qué significa ejercer la medicina cuando la información deja de ser el recurso escaso y, en cambio, la capacidad de invertir en esa tecnología sí lo es?
Porque en la práctica clínica del siglo XXI, no alcanza con tener datos o modelos. Hay que tener recursos para generarlos, interpretarlos con rigor epidemiológico y contextualizarlos socioculturalmente.
Eso no es ciencia ficción. Es política sanitaria con números del mundo real.
Lectura compartida
Commentarii
Este espacio está pensado para aportes breves, preguntas o lecturas críticas sobre el artículo. Por ahora, todo texto enviado queda sujeto a revisión editorial antes de cualquier publicación.