En esta sección se describen algunos ejemplos de aplicaciones de IA en el sector salud desde diferentes perspectivas, en el ámbito de imágenes médicas, epicrisis, análisis predictivo de IA para toma de decisiones médicas, para la revisión de reclamos y la proyección de demanda de medicamentos, dispositivos médicos e insumos para los establecimientos de salud y desarrollo de nuevos fármacos.
A nivel global, la implementación de IA en diagnóstico médico e interpretación de imágenes ofrece oportunidades para mejorar la precisión y eficiencia en salud, teniendo siempre en consideración los aspectos éticos y regulatorios. En Chile, proyectos como PEGASI, OncovigIA e IA-TRad utilizan IA para detectar cáncer mediante análisis automatizados de informes radiológicos. También, se están adoptando sistemas que evalúan la respuesta tumoral con criterios RECIST (Response Evaluation Criteria In Solid Tumors), optimizando el seguimiento de terapias oncológicas. En 2021/2022, herramientas de IA permitieron diagnosticar COVID-19 y neumonía a través de radiografías de tórax. En etapas iniciales, se desarrollan sistemas para analizar electrocardiogramas y detectar arritmias y otros trastornos cardíacos que deberían cumplir con estándares éticos asociados a resguardar la privacidad de las personas y asegurar el uso ético de los datos personales, y existir claridad sobre cómo funcionan y toman decisiones médicas.
Hoy en día, es cada vez más común el uso de herramientas basadas en inteligencia artificial como ChatGPT, Perplexity o DeepSeek. Estas plataformas están comenzando a reemplazar la búsqueda tradicional de información en navegadores web. Su funcionamiento se basa en modelos de IA entrenados con grandes volúmenes de texto disponibles en internet. Debido a esta base, los algoritmos absorben tanto conocimientos útiles como sesgos presentes en los textos, lo que puede llevarlos a reproducir o amplificar prejuicios, reforzando desigualdades sociales, de género u otras formas de discriminación. La precisión de sus respuestas depende directamente de la calidad y actualidad de los datos utilizados en su entrenamiento. Al usar la web como fuente principal, pueden presentar errores o imprecisiones. Además, estos sistemas aprenden del usuario a partir de las preguntas formuladas y del contexto proporcionado, lo que representa un riesgo en el manejo de información privada o sensible. Por ejemplo, un médico podría compartir datos confidenciales de un paciente o un empleado revelar información estratégica de su empresa. Ante este panorama, nuestro rol como académicos y miembros de la sociedad es clave. Debemos fomentar el pensamiento crítico y educar en el uso responsable y ético de estas tecnologías, promoviendo una cultura consciente dentro de sus posibilidades, limitaciones y riesgos asociados. Esto, debido a que la mayoría de los estudiantes buscan información basada casi por completo en sistemas de IA, y puede alejarlos de la búsqueda de la mejor evidencia disponible. También, presenta un desafío para los educadores, puesto que en general no están entrenados para evaluar trabajos que han usado estas herramientas en vez del desarrollo de un pensamiento crítico propio.
Se refiere a la capacidad de dispositivos equipados con micrófonos para captar sonidos del entorno de forma continua o pasiva, y analizarlos usando inteligencia artificial para extraer información útil. Esto puede incluir reconocer voces, detectar caídas, monitorear signos de angustia, o identificar patrones de comportamiento. Esta herramienta tiene un tremendo potencial clínico desde la interpretación de patrones de conducta o la estructuración del lenguaje para mayor eficiencia en la atención de pacientes y captura de datos relevantes, sin embargo, no se encuentra ajena a riesgos como la seguridad (al capturar información privada no relevante), un mal diseño o tecnología de captura que se traducen en errores de interpretación y el sesgo en el entrenamiento de la red neuronal.
Es un subconjunto de la IA que emplea datos, algoritmos estadísticos y técnicas de aprendizaje automático para identificar la probabilidad de resultados futuros. Los modelos predictivos pueden analizar datos históricos de pacientes, identificando patrones y tendencias. Estos modelos pueden predecir reingresos, complicaciones o progresión de la enfermedad, obteniendo información sobre los riesgos individuales de cada paciente, lo que permitiría intervenciones proactivas. Sin embargo, los algoritmos deben resguardar la seguridad y privacidad de los datos sensibles de los pacientes y deben ser entrenados en una población representativa para evitar sesgos de género, raza, territorialidad y otros.
Desde la Central de Abastecimiento del Sistema Nacional de Servicios de Salud (Cenabast) se ha incorporado herramientas de Inteligencia Artificial (IA) en sus procesos de análisis y gestión de grandes volúmenes de datos, como parte de su compromiso con la modernización y eficiencia institucional. Actualmente, la IA se aplica en áreas clave como la revisión de reclamos y la proyección de demanda de medicamentos, dispositivos médicos e insumos para los establecimientos de salud. Esta automatización permite optimizar la toma de decisiones estratégicas, mejorando la eficiencia en el uso de recursos públicos. Gracias a una gestión más precisa de inventarios y a la optimización de los tiempos de compra, se logra evitar tanto el sobrestock como los quiebres de stock. Esto permite priorizar el abastecimiento de productos críticos, fortaleciendo así el funcionamiento de la red pública de salud.
Si bien la incorporación de IA en procesos de gestión como los desarrollados por la Cenabast representa un avance significativo en términos de eficiencia y optimización de recursos, su uso también plantea diversos dilemas éticos que deben ser abordados con responsabilidad. Entre ellos, destacan la necesidad de asegurar la transparencia de los algoritmos utilizados, especialmente cuando influyen en decisiones que afectan el acceso a insumos críticos de salud. Asimismo, es fundamental prevenir sesgos en los datos que puedan reproducir o agravar desigualdades existentes, garantizar que la toma de decisiones mantenga un componente humano y ético, y priorizar la equidad por sobre la mera eficiencia.
La IA está revolucionando el sector de los dispositivos médicos al mejorar la precisión, eficiencia y personalización de la atención médica. Desde la Asociación Gremial de Dispositivos Médicos de Chile (ADIMECH), algunos de sus socios, ofrecen sistemas de diagnóstico por imágenes asistidos por IA que pueden analizar radiografías y resonancias magnéticas para detectar anomalías con mayor rapidez y exactitud, lo que permite diagnósticos más tempranos y precisos de enfermedades como el cáncer. Además, los robots quirúrgicos, equipados con IA, asisten a los cirujanos en operaciones complejas, aumentando la precisión y reduciendo la invasividad, lo que mejora los resultados quirúrgicos y reduce el tiempo de recuperación. Los dispositivos portátiles, como los monitores de salud, utilizan IA para realizar un seguimiento continuo de los signos vitales de los pacientes, detectando irregularidades y alertando a los médicos en tiempo real, lo cual es especialmente útil para pacientes con enfermedades crónicas. Estos avances no solo mejoran la calidad de la atención médica, sino que también tienen el potencial de salvar vidas y reducir costos, optimizando la gestión de recursos y acelerando la investigación y desarrollo de nuevos dispositivos médicos.
La Cámara de la Innovación Farmacéutica de Chile (CIF Chile) observa con atención el impacto creciente de la IA en el desarrollo de nuevos medicamentos. Esta tecnología permite acelerar procesos, identificar oportunidades terapéuticas con mayor precisión y abordar necesidades médicas que hasta ahora habían sido desatendidas. Su potencial para transformar la investigación biomédica es inmenso, pero también lo es la responsabilidad de asegurar que estos avances se orienten al bienestar de las personas. En el contexto del Marco del Consenso Ético, la CIF sostiene que toda innovación en salud — y en particular aquella impulsada por IA — debe sustentarse en principios éticos claros, como la transparencia en el uso de los datos, la prevención de sesgos, la supervisión humana de los procesos automatizados, y un compromiso firme con la equidad y la protección de la dignidad humana.
En esa línea, la CIF adhiere a estándares internacionales ampliamente reconocidos que promueven una adopción ética y responsable de las tecnologías emergentes en salud. Entre ellos, destacan conceptos como la ética desde el diseño, la rendición de cuentas institucional, la trazabilidad de los algoritmos y el empoderamiento de las personas mediante un uso justo, informado y controlado de sus datos.
La CIF destaca que la IA no puede reemplazar el juicio clínico ni la deliberación ética, pero sí puede potenciar la capacidad del sistema de salud para ofrecer respuestas oportunas, eficaces y personalizadas. Para ello, considera fundamental mantener un diálogo permanente entre desarrolladores, autoridades sanitarias, profesionales de la salud, pacientes y sociedad civil. Finalmente, la CIF reafirma su compromiso con una innovación farmacéutica que, además de ser científicamente robusta, sea éticamente sólida y socialmente legítima.
Género