Cómo la IA puede ayudar a nivel local, institucional y nacional sin vender humo

En salud pública, el problema no suele ser la falta de datos. El problema suele ser llegar tarde, integrar mal o decidir con información fragmentada.

Eso vale para la vigilancia epidemiológica y también para los Programas de Optimización de Uso de Antimicrobianos (PROA). En ambos casos, Uruguay tiene una base más sólida que muchos países de la región, pero todavía enfrenta el mismo desafío de fondo: transformar datos dispersos en decisiones útiles, oportunas y auditables.

La discusión sobre inteligencia artificial en este campo debería empezar por ahí. No por algoritmos espectaculares. No por tableros bonitos. Mucho menos por automatismos ciegos.

La pregunta seria es otra: dónde puede aportar valor real la IA para detectar brotes antes, prescribir mejor, usar mejor los antimicrobianos y coordinar mejor las respuestas entre instituciones y autoridad sanitaria.

1. El punto de partida: Uruguay no arranca desde cero

Uruguay tiene dos ventajas concretas para pensar este tema con seriedad.

La primera es sanitaria. El Ministerio de Salud Pública mantiene un esquema formal de vigilancia epidemiológica con eventos de notificación obligatoria y tiempos definidos. En el boletín epidemiológico 2025 se recuerda que el Grupo A debe notificarse dentro de las primeras 24 horas desde la sospecha, mientras que el Grupo B debe notificarse dentro de los primeros siete días.

Esa lógica de oportunidad importa porque la vigilancia sirve, justamente, para detectar brotes, implementar medidas de control y mitigar daños antes de que el evento se expanda.

La segunda ventaja es digital. Según la medición TIC y salud digital 2024-2025 de Agesic, el 83% de las instituciones prestadoras de servicios de salud declaró registrar todos o la mayoría de los eventos de manera electrónica. Además, la HCEN se define como una plataforma de interoperabilidad para consultar e intercambiar información clínica entre profesionales, independientemente del lugar geográfico.

No es interoperabilidad perfecta ni uso uniforme, pero sí es una plataforma real sobre la que puede construirse vigilancia inteligente y analítica institucional. Eso cambia bastante el escenario. En otros países de la región todavía se discute cómo digitalizar. En Uruguay ya corresponde discutir cómo aprovechar mejor lo que existe.

2. Vigilancia epidemiológica: qué es y por qué la IA puede ser útil

La vigilancia epidemiológica no es solo contar casos. Es un proceso continuo de detección, notificación, análisis, interpretación y respuesta. Si falla una sola parte, el sistema entero se vuelve más lento o más ciego.

Ahí la IA puede aportar en cinco capas concretas:

a) Detección precoz de señales

Los sistemas basados en reglas ya permiten disparar alertas simples. La IA puede sumar una capa más fina: identificar patrones anómalos en consultas, síndromes, resultados de laboratorio, consumo de medicamentos, ausentismo o derivaciones. No reemplaza la notificación clínica. La fortalece.

b) Priorización del riesgo

Cuando aumentan las señales, no todo tiene la misma urgencia. Un sistema entrenado con datos locales podría ayudar a priorizar qué conglomerados revisar primero, qué combinación de síntomas y territorios amerita validación urgente y qué servicios están mostrando patrones fuera de lo esperable.

c) Integración de fuentes heterogéneas

Una de las mayores debilidades de la vigilancia real es que los datos llegan por carriles distintos: laboratorio, emergencia, internación, farmacia, consultas ambulatorias, camas críticas y reportes manuales. La IA no resuelve por sí sola la interoperabilidad, pero puede ayudar a vincular y depurar información, detectar duplicados, completar campos faltantes y ordenar flujos de trabajo.

d) Análisis predictivo operativo

La vigilancia no debería limitarse a describir lo que ya pasó. Puede intentar estimar lo que probablemente pase en los próximos días: presión asistencial, expansión territorial, mayor demanda de camas o aparición de focos institucionales. Ese tipo de predicción no sustituye el criterio epidemiológico. Lo vuelve más anticipatorio.

e) Apoyo a la comunicación y a la respuesta

La OPS señala que la preparación para integrar IA en salud pública exige gobernanza, validación, interoperabilidad y lineamientos éticos. Eso también vale para la generación asistida de reportes, resúmenes y tableros. Bien usada, la IA puede reducir carga administrativa y acelerar la devolución de información útil a las instituciones.

3. PROA: donde la IA puede pasar de teoría a impacto concreto

En Uruguay, el PROA no es una idea suelta. La Ordenanza 1327/2019 dispuso que todas las instituciones prestadoras de salud deben desarrollar e implementar Programas de Optimización de Uso de Antimicrobianos, bajo lineamientos técnicos del MSP y con control y auditoría de la División Epidemiología.

Después, el MSP publicó recomendaciones específicas para la constitución y funcionamiento de los PROA en los prestadores del SNIS. Allí define al PROA como un programa de mejora de la calidad asistencial diseñado para optimizar el uso de antimicrobianos, en el marco de la vigilancia de las infecciones asociadas a la atención en salud.

Eso es importante porque ubica al PROA exactamente donde debe estar: no como un apéndice farmacológico, sino como una estrategia clínica, epidemiológica y de calidad.

4. Qué muestra la realidad uruguaya reciente sobre PROA

El relevamiento publicado por el MSP en 2024 deja una señal doble: Uruguay avanzó, pero todavía está en fase de consolidación.

Entre las 29 instituciones que notificaron contar con equipo PROA:

  • 21 presentaron un documento de trabajo.
  • 24 dijeron disponer de guías terapéuticas para diversas afecciones.
  • 17 enviaron esas guías en formato digital.
  • Los integrantes más frecuentes fueron dirección técnica, licenciatura en enfermería, químico farmacéutico, infectología y microbiología.

Eso muestra un progreso institucional real. Pero también deja ver el punto débil: no alcanza con “tener PROA”. Hay que hacerlo funcionar con datos, reuniones, indicadores, trazabilidad y devolución sobre resultados.

Además, el instructivo de meta asistencial 2026-2027 del MSP vuelve a empujar en esa dirección. Allí se exige establecer un PROA adaptado a la realidad institucional y se detalla que el funcionamiento debe incluir reglamento, periodicidad de reuniones, solicitud de datos a distintas dependencias, definición de la calidad y oportunidad de entrega de esos datos, e interacción entre PROA y CIH.

Traducido: el país ya no está discutiendo si el PROA importa. Está discutiendo cómo volverlo operativo y medible.

5. Dónde puede ayudar la IA dentro de una institución

5.1. Vigilancia automatizada de uso antimicrobiano

La IA puede ayudar a detectar:

  • prescripciones redundantes,
  • combinaciones inusuales,
  • duración excesiva del tratamiento,
  • escalamiento sin justificación microbiológica visible,
  • falta de desescalamiento,
  • uso repetido de carbapenémicos o colistina fuera de perfiles esperables.

Esto no debería disparar sanciones automáticas. Debería generar alertas revisables por el equipo PROA.

5.2. Concordancia entre cultivo, clínica y antibiótico indicado

Un sistema bien entrenado puede revisar si el esquema antibiótico parece alineado con:

  • foco clínico registrado,
  • resultados microbiológicos disponibles,
  • alergias,
  • función renal,
  • antecedentes institucionales de resistencia.

No decide. Señala. Ordena. Prioriza revisión.

5.3. Predicción de riesgo de infección asociada a la atención

A nivel hospitalario, la IA puede estimar riesgo de bacteriemia asociada a catéter, infección urinaria asociada a sonda, NAVM o sepsis según exposiciones, dispositivos, estancia, antibióticos previos y resultados seriados. Eso es valioso para CIH y también para PROA, porque conecta prevención con uso racional de antibióticos.

5.4. Diagnóstico y vigilancia sindrómica asistida

La IA puede ayudar a encontrar casos probables antes de que alguien los consolide manualmente: por ejemplo, fiebre, leucocitosis, hemocultivos, antibiótico de amplio espectro e ingreso a CTI. Esa combinación no reemplaza la definición de caso, pero puede acelerar la pesquisa.

5.5. Tableros inteligentes para dirección técnica

En vez de dashboards que solo muestran números, se pueden construir tableros que expliquen:

  • dónde está subiendo el consumo,
  • qué servicios concentran mayor uso de antimicrobianos críticos,
  • dónde hay más desajuste entre guía y práctica,
  • qué brotes o conglomerados ameritan auditoría.

Eso sí cambia gestión.

6. Qué puede hacerse a nivel local

A nivel local, sobre todo en hospitales departamentales, mutualistas y redes asistenciales mixtas, la IA puede ser útil en un formato mucho más pragmático que el de los grandes centros académicos.

En lo inmediato

  • alertas tempranas sobre agrupación de síndromes respiratorios, gastrointestinales o infecciones invasivas,
  • monitoreo de consumo antimicrobiano por servicio,
  • revisión semiautomatizada de historias para detectar infecciones asociadas a la atención,
  • resumen diario o semanal de señales para epidemiología, dirección técnica, CIH y PROA.

En una segunda etapa

  • modelos predictivos por patología o por servicio,
  • recomendación de priorización de auditorías,
  • integración con microbiología y farmacia hospitalaria,
  • análisis de tendencia de resistencia y uso.

En una tercera etapa

  • interoperabilidad real entre instituciones del departamento o región,
  • modelos compartidos para eventos de interés epidemiológico,
  • tableros regionales con vigilancia agregada y comparabilidad entre prestadores.

7. Lo más importante: cómo puede servirle al MSP

La utilidad más estratégica de la IA no está solo dentro de una institución. Está en la capacidad del MSP de ver el sistema antes, mejor y con menos ruido.

7.1. Consolidación nacional de señales

Si el MSP recibe notificaciones, datos microbiológicos, tendencias de consumo y reportes institucionales con mejor estructura, la IA puede ayudar a:

  • detectar patrones inusuales entre departamentos,
  • encontrar señales débiles que por separado parecen menores,
  • discriminar ruido de eventos plausibles,
  • priorizar inspecciones, apoyos técnicos o auditorías.

7.2. Seguimiento nacional de PROA

El Plan de Acción Nacional único contra la Resistencia a los Antimicrobianos 2024-2028 incluye como acción fiscalizar la implementación de los PROA, verificar el cumplimiento de la Ordenanza 1327/2019 y capacitar al personal de salud en PROA.

La IA puede ayudar al MSP a transformar esa fiscalización en algo más dinámico:

  • comparar estructuras y funcionamiento entre instituciones,
  • identificar cuáles tienen equipo pero no actividad trazable,
  • seguir indicadores de consumo y de adherencia a guías,
  • devolver retroalimentación más rápida y útil.

7.3. Vigilancia integrada de resistencia antimicrobiana

La resistencia antimicrobiana no se entiende bien solo desde una institución aislada. Requiere escala. La IA puede ayudar a:

  • integrar patrones de laboratorio,
  • detectar cambios de sensibilidad relevantes,
  • anticipar focos de resistencia emergente,
  • relacionar consumo con comportamiento microbiológico por territorio o tipo de prestador.

7.4. Planificación sanitaria

Un MSP que mira bien puede actuar mejor. Si la IA ayuda a ordenar mejor la vigilancia, también puede mejorar la compra y distribución estratégica de antimicrobianos, el diseño de campañas, la definición de metas, la focalización de capacitaciones y la revisión normativa.

8. Lo que no hay que hacer

La IA puede aportar mucho, pero hay errores previsibles.

Error 1: creer que IA compensa mala calidad de datos

No. La amplifica. Si el registro es pobre, el modelo aprende mal.

Error 2: usar modelos importados sin validación local

Uruguay tiene particularidades institucionales, poblacionales y microbiológicas. Un modelo útil en otro país puede fallar acá.

Error 3: automatizar decisiones sensibles

La IA puede priorizar revisión, no reemplazar a epidemiología, infectología, farmacia, microbiología o dirección técnica.

Error 4: montar tableros sin rediseñar procesos

Si nadie define quién mira la alerta, quién la valida y qué pasa después, la herramienta fracasa.

Error 5: olvidar ética, privacidad y trazabilidad

La OMS insiste en que la IA para salud debe estar gobernada por principios de derechos humanos, transparencia, responsabilidad y supervisión humana. En vigilancia y PROA eso no es un lujo: es una condición básica.

9. Una hoja de ruta realista para Uruguay

Si Uruguay quisiera avanzar con seriedad, el camino más razonable sería gradual.

Etapa 1: estandarizar mejor

  • mejorar calidad de notificación,
  • armonizar definiciones de indicadores,
  • asegurar integración mínima entre clínica, laboratorio, microbiología y farmacia.

Etapa 2: automatizar vigilancia básica

  • alertas sindrómicas,
  • tableros de consumo antimicrobiano,
  • revisión semiautomatizada de eventos intrahospitalarios,
  • reportes regulares para PROA y CIH.

Etapa 3: construir analítica explicable

  • modelos de priorización de riesgo,
  • detección de patrones inusuales,
  • auditoría prospectiva del uso de antibióticos,
  • retroalimentación institucional comparable.

Etapa 4: escalar con gobernanza nacional

  • validación multicéntrica,
  • evaluación de impacto,
  • estándares nacionales,
  • devolución estructurada del MSP a los prestadores.

10. Conclusión

Uruguay está en una posición interesante. Tiene normativa, vigilancia, una base digital mejor que la media regional y una agenda nacional donde PROA ya dejó de ser opcional. Eso abre una oportunidad concreta: usar inteligencia artificial no para decorar la salud pública, sino para volverla más oportuna, más coherente y más útil.

A nivel local, la IA puede ayudar a detectar antes, ordenar mejor y auditar con menos carga manual. A nivel institucional, puede fortalecer el vínculo entre epidemiología, microbiología, farmacia, control de infecciones y dirección técnica. A nivel MSP, puede transformar vigilancia fragmentada en inteligencia sanitaria más accionable.

Pero hay una condición que no cambia: la tecnología sola no salva ningún sistema. Sin datos de calidad, sin procesos definidos y sin conducción sanitaria, la IA no mejora la vigilancia. Solo la maquilla.

En Uruguay, el desafío no es subirse a la moda. Es usar bien una ventaja real. Y en vigilancia epidemiológica y PROA, eso podría marcar una diferencia importante, local y nacionalmente.

Referencias

  1. Ministerio de Salud Pública de Uruguay. Boletín epidemiológico 2025.
  2. Ministerio de Salud Pública de Uruguay. Ordenanza N° 1.327/019: Implementación de Programas de Optimización de uso de Antimicrobianos.
  3. Ministerio de Salud Pública de Uruguay. Recomendaciones para la constitución y funcionamiento de los PROA en los prestadores del SNIS, 2022.
  4. Ministerio de Salud Pública de Uruguay. Evaluación de los equipos de Programas de Optimización de Uso de Antimicrobianos, 2024.
  5. Ministerio de Salud Pública de Uruguay. Instructivo Meta Asistencial 2026-2027.
  6. Plan de Acción Nacional único contra la Resistencia a los Antimicrobianos en Uruguay 2024-2028.
  7. Agesic. Medición TIC y salud digital 2024-2025.
  8. OPS/OMS. Artificial Intelligence in Public Health: Readiness Assessment Toolkit, versión 2.0.
  9. OMS. Ethics and governance of artificial intelligence for health.