Desde hace un buen tiempo, estamos trabajando con el proceso de transformación digital. Situación que ha avanzado de manera descomunal con la puesta en marcha de la Inteligencia Artificial (IA) aplicada a la gestión hospitalaria prometiendo una sanidad más eficiente, más precisa y sostenible. En medio de este entusiasmo tecnológico emerge una paradoja que rara vez ocupa el centro del debate, los sistemas sanitarios que utilizamos generan más datos que nunca, pero ¿se utilizan realmente los datos para tomar decisiones del día a día?

Si esta respuesta es negativa, entonces comprenderemos que la Inteligencia Artificial no resolverá los problemas de gestión sanitaria si primero no aprendemos a utilizar la información que estamos generando a cada segundo.

Hospitales y redes asistenciales registran diariamente enormes volúmenes de información. Indicadores de actividad, tiempos de espera, registros clínicos, reportes de seguridad del paciente, consumo farmacéutico o patrones de ingreso hospitalario forman parte de un ecosistema de datos que, en teoría, debería permitir gestionar mejor los recursos y anticipar problemas. En la práctica, sin embargo, gran parte de esa información se recopila, se reporta y se almacena, pero rara vez se traduce en decisiones operativas concretas. Y yéndonos más lejos, desconocemos si dicha recolección de datos resultaría aprovechable o de calidad para la toma de desiciones.

Este fenómeno es lo que denominamos la paradoja del dato no usado, organizaciones sanitarias altamente digitalizadas que siguen tomando decisiones como si los datos no existieran.

La digitalización ha permitido que los sistemas sanitarios dispongan hoy de más información que nunca. Pero disponer de datos no significa necesariamente tener capacidad para utilizarlos.

La Organización Mundial de la Salud ha señalado que uno de los principales desafíos de los sistemas de información sanitaria no es la generación de datos, sino su capacidad para transformarse en conocimiento útil para la toma de decisiones clínicas y de gestión (World Health Organization, 2021). En muchos entornos sanitarios, los datos se recogen principalmente para cumplir requisitos regulatorios o administrativos, pero no forman parte real del proceso de toma de decisiones. Esto genera organizaciones con alta capacidad de registro, pero baja capacidad de aprendizaje.

En este mismo tenor, en un artículo previo de Gobernanza de Datos (NME Nº217) abordábamos que sin una correcta gobernanza de datos solo estamos en la mitad del camino, por lo que, si los sistemas de salud quieren ser sostenibles, inteligentes y responsables, deben incorporar estructuras robustas de gestión de datos como parte central de su cultura organizacional, para que estos datos guarden un valor real para su analisis y sea de utilidad para tomar medidas y decisiones basadas en esa recopilación de información que disponemos.

En términos prácticos, esto se traduce en indicadores que se reportan, pero no se analizan, dashboards que se revisan solo durante auditorías o bases de datos que alimentan informes institucionales sin influir en la planificación operativa.

En paralelo, el sector sanitario vive un momento de enorme expectativa en torno a la Inteligencia Artificial. Algoritmos capaces de predecir ingresos hospitalarios, optimizar la gestión de camas, automatizar procesos administrativos o apoyar la toma de decisiones clínicas están transformando la conversación sobre el futuro de la gestión sanitaria. Sin embargo, existe un elemento que a menudo se pasa por alto, la Inteligencia Artificial depende completamente de la calidad y del uso previo de los datos disponibles.

Davenport y Kalakota (2019) señalan que la implementación efectiva de Inteligencia Artificial en salud requiere organizaciones capaces de gestionar sus datos de forma estructurada, comprender sus limitaciones y utilizarlos sistemáticamente en sus procesos de decisión. Sin esta base, el riesgo es evidente, ya que automatizas decisiones basadas en información incompleta, sesgada o simplemente ignorada. La Inteligencia Artificial no corrige la falta de cultura de datos, la hace más visible.

La Organización para la Cooperación y el Desarrollo Económicos (OECD) ha identificado esta desconexión entre disponibilidad de información y uso efectivo del dato como uno de los principales obstáculos para mejorar la eficiencia de los sistemas sanitarios contemporáneos (OECD, 2020).

Si esta paradoja no se aborda, la incorporación acelerada de Inteligencia Artificial puede amplificar el problema en lugar de resolverlo. Los algoritmos aprenden de los datos disponibles. Si esos datos reflejan procesos desordenados, indicadores poco relevantes o decisiones inconsistentes, los sistemas automatizados reproducirán esos mismos patrones. La tecnología puede sofisticar la gestión, pero no puede sustituir la gestión correcta del uso de los datos.

La experiencia internacional demuestra que los proyectos de IA más exitosos no comienzan con algoritmos, sino con preguntas de gestión claras. ¿Dónde se producen los mayores retrasos? ¿Qué procesos generan mayor variabilidad? ¿Qué decisiones dependen excesivamente de la intuición?

Solo cuando estas preguntas se responden, los datos adquieren valor.

El Institute for Healthcare Improvement señala que los sistemas sanitarios que utilizan datos de forma sistemática en la mejora continua logran mejoras significativas en eficiencia y seguridad del paciente, incluso sin grandes inversiones tecnológicas (IHI, 2019).

Para poder tomar acciones concretas y no abastecernos solo de datos, debemos tomar en consideración:

· Priorizar los datos que realmente influyen en la gestión. Identificar los que afectan directamente a flujos asistenciales, utilización de recursos o resultados.
· Fortalecer la alfabetización en datos dentro de los equipos sanitarios. Mandos intermedios y responsables de servicio deben estar en plena competencia para interpretar información y utilizarla en su gestión cotidiana.
· Diseñar proyectos de inteligencia artificial a partir de problemas concretos de gestión. La tecnología debe responder a preguntas claras, no al entusiasmo por la innovación que no traen soluciones concretas.

La transformación digital en salud empieza cuando las organizaciones sanitarias dejan de acumular datos y empiezan a utilizarlos para gobernar sus decisiones. Porque en la sanidad del futuro, la ventaja competitiva no la tendrán quienes generen más información, sino quienes sepan convertirla en acción. Y antes de preguntarnos qué puede hacer la Inteligencia Artificial por nuestros hospitales, quizás deberíamos hacernos una pregunta más incómoda, ¿estamos utilizando realmente los datos que ya tenemos?