{"id":15501,"date":"2026-02-26T08:20:18","date_gmt":"2026-02-26T13:20:18","guid":{"rendered":"https:\/\/neuroeconomix.com\/?p=15501"},"modified":"2026-04-07T10:32:47","modified_gmt":"2026-04-07T15:32:47","slug":"8-formas-realistas-de-usar-inteligencia-artificial-en-tu-hospital-en-colombia","status":"publish","type":"post","link":"https:\/\/neuroeconomix.com\/en\/8-formas-realistas-de-usar-inteligencia-artificial-en-tu-hospital-en-colombia\/","title":{"rendered":"8 formas (realistas) de usar inteligencia artificial en tu hospital en Colombia"},"content":{"rendered":"\n
\n

La inteligencia artificial no es \u201cun robot que reemplaza m\u00e9dicos\u201d: es una familia de herramientas que puede reducir fricci\u00f3n en procesos cl\u00ednicos y administrativos. En hospitales colombianos, el valor suele estar en priorizar casos, mejorar el flujo del paciente y estandarizar documentaci\u00f3n. El reto no es solo comprar tecnolog\u00eda: es gobernarla con calidad, seguridad del paciente y protecci\u00f3n de datos desde el d\u00eda uno.<\/strong><\/p>\n<\/blockquote>\n\n\n\n

\n\n\n\n

<\/p>\n\n\n\n

Por qu\u00e9 hablar de inteligencia artificial (IA) \u201cusable\u201d (y no de inteligencia artificial \u201cde vitrina\u201d)<\/mark><\/strong><\/p>\n\n\n\n

En un hospital, la inteligencia artificial compite con urgencias m\u00e1s inmediatas: presi\u00f3n financiera, glosas y una operaci\u00f3n que no se puede pausar. Por eso la pregunta \u00fatil no es \u201c\u00bfqu\u00e9 modelo usamos?\u201d, sino \u201c\u00bfen qu\u00e9 proceso repetitivo hay fricci\u00f3n que s\u00ed podemos reducir sin aumentar el riesgo para el paciente?\u201d.<\/p>\n\n\n\n

La Organizaci\u00f3n Mundial de la Salud (OMS) plantea que la inteligencia artificial en salud debe dise\u00f1arse y desplegarse con \u00e9tica y derechos humanos como eje, porque tambi\u00e9n puede amplificar inequidades o generar da\u00f1o si se usa sin controles. (1)<\/p>\n\n\n\n

Ejemplo cotidiano<\/mark>:<\/strong>\u00a0si el cuello de botella es que los pacientes esperan horas por una cama o por una lectura de imagen, una inteligencia artificial que solo \u201chace tableros bonitos\u201d no mueve el indicador. En cambio, una inteligencia artificial que ayude a priorizar, predecir demanda o estandarizar notas puede impactar el flujo y la seguridad.<\/p>\n\n\n\n

En Colombia, este despliegue ocurre dentro de marcos obligatorios: el Sistema Obligatorio de Garant\u00eda de Calidad en Salud (SOGCS), la historia cl\u00ednica y su reserva, y la protecci\u00f3n de datos personales. (2,3,4)Ahora veremos unos ejemplos concretos de c\u00f3mo la Inteligencia artificial puede tener usos reales en procesos cotidianos de nuestras labores.<\/p>\n\n\n\n

1) Apoyo al triage (clasificaci\u00f3n del riesgo) en urgencias, sin prometer milagros<\/mark><\/strong><\/p>\n\n\n\n

La inteligencia artificial puede apoyar el triage<\/strong> (clasificaci\u00f3n inicial del riesgo en urgencias) para identificar pacientes con mayor probabilidad de deterioro, ingreso o estancia prolongada. Una revisi\u00f3n de alcance (scoping review) encontr\u00f3 que, en los estudios incluidos, los modelos de aprendizaje autom\u00e1tico mostraron mejor discriminaci\u00f3n que sistemas convencionales; aun as\u00ed, su utilidad depende de datos locales y de c\u00f3mo se integra al flujo. (5)<\/p>\n\n\n\n

C\u00f3mo se usa:<\/strong> el modelo toma variables ya disponibles al ingreso (edad, signos vitales, motivo de consulta, antecedentes y resultados r\u00e1pidos) y produce una probabilidad de evento (por ejemplo, necesidad de hospitalizaci\u00f3n). No reemplaza el criterio cl\u00ednico; funciona como \u201csegunda mirada\u201d.<\/p>\n\n\n\n

Ejemplo cotidiano:<\/strong> un lunes con alta demanda, el coordinador ve 40 pacientes en sala. Un apoyo de inteligencia artificial puede se\u00f1alar 6 con riesgo de deterioro \u201csilencioso\u201d (por ejemplo, adulto mayor con saturaci\u00f3n lim\u00edtrofe), ayudando a ordenar revaloraciones.<\/p>\n\n\n\n

Cuidado clave:<\/strong> si el modelo fue entrenado en una poblaci\u00f3n distinta, puede fallar en subgrupos y empeorar inequidades. La Organizaci\u00f3n Mundial de la Salud advierte expl\u00edcitamente sobre sesgos como parte central de la gobernanza. (1)<\/p>\n\n\n\n

2) Predicci\u00f3n de demanda y gesti\u00f3n de camas (inteligencia artificial como anal\u00edtica predictiva)<\/mark><\/strong><\/p>\n\n\n\n

Muchos hospitales pierden productividad por desajustes de capacidad: camas sin rotaci\u00f3n, demoras en traslados y picos previsibles sin preparaci\u00f3n. Con inteligencia artificial \u2014en la pr\u00e1ctica, anal\u00edtica predictiva\u2014 se puede estimar demanda por servicio y probabilidad de egreso.<\/p>\n\n\n\n

C\u00f3mo se usa:<\/strong> modelos con datos hist\u00f3ricos (admisiones por hora\/d\u00eda, diagn\u00f3sticos, tiempos de estancia y ocupaci\u00f3n por unidad). No necesitas inteligencia artificial generativa para esto; necesitas datos confiables de admisi\u00f3n y egreso.<\/p>\n\n\n\n

Ejemplo cotidiano:<\/strong> si los viernes suben ingresos de medicina interna y bajan egresos por autorizaciones o transporte, un pron\u00f3stico permite reforzar a trabajo social, farmacia y facturaci\u00f3n para acelerar egresos cl\u00ednicamente indicados.<\/p>\n\n\n\n

Conexi\u00f3n con calidad:<\/strong> el Sistema Obligatorio de Garant\u00eda de Calidad en Salud define que las acciones deben orientarse a resultados centrados en el usuario, m\u00e1s all\u00e1 de \u201ctener documentos\u201d. Un pron\u00f3stico de camas bien gobernado puede ser una intervenci\u00f3n concreta para mejorar oportunidad y continuidad. (2,7)<\/p>\n\n\n\n

3) Documentaci\u00f3n cl\u00ednica asistida (borradores con revisi\u00f3n humana)<\/mark><\/strong><\/p>\n\n\n\n

La inteligencia artificial generativa (modelos de lenguaje) se usa para borradores<\/strong> de notas y res\u00famenes de egreso, buscando reducir carga de escritura. Un estudio en JAMA Internal Medicine compar\u00f3 narrativas de res\u00famenes de alta generadas por un modelo de lenguaje vs. m\u00e9dicos, y encontr\u00f3 calidad comparable en ese contexto, con errores m\u00e1s frecuentes en los textos generados por el modelo, lo que refuerza la necesidad de revisi\u00f3n humana. (6)<\/p>\n\n\n\n

C\u00f3mo se usa:<\/strong> el sistema toma informaci\u00f3n estructurada (diagn\u00f3sticos, procedimientos, medicamentos) y produce un texto inicial para que el m\u00e9dico edite y firme.<\/p>\n\n\n\n

Ejemplo cotidiano:<\/strong> un internista termina turno y debe cerrar 8 egresos. Un borrador puede acelerar el proceso, siempre que el m\u00e9dico confirme diagn\u00f3stico final, medicamentos y signos de alarma.Riesgo principal:<\/strong> \u201calucinaciones\u201d (texto convincente pero falso) o errores por datos incompletos. Adem\u00e1s, en Colombia la historia cl\u00ednica es un documento privado y sometido a reserva; su acceso por terceros exige autorizaci\u00f3n del paciente o habilitaci\u00f3n legal. (3)<\/p>\n\n\n\n

4) Codificaci\u00f3n cl\u00ednica y soportes para auditor\u00eda (menos glosa por forma)<\/mark><\/strong><\/p>\n\n\n\n

La inteligencia artificial puede ayudar a estandarizar la codificaci\u00f3n (por ejemplo, Clasificaci\u00f3n Internacional de Enfermedades (CIE-11)) <\/a>[NS1]<\/a> y detectar inconsistencias entre evoluci\u00f3n, \u00f3rdenes y epicrisis. Esto no \u201ccrea\u201d ingresos; reduce reprocesos y glosas asociadas a soportes incompletos.<\/p>\n\n\n\n

C\u00f3mo se usa:<\/strong> extracci\u00f3n de informaci\u00f3n desde texto (procesamiento de lenguaje natural) para proponer c\u00f3digos y alertar \u201cfaltan soportes\u201d.<\/p>\n\n\n\n

Ejemplo cotidiano:<\/strong> cirug\u00eda registra un procedimiento, pero la nota de anestesia no qued\u00f3 firmada o la descripci\u00f3n no coincide con el insumo facturado. Un sistema puede alertar antes de radicar cuenta.<\/p>\n\n\n\n

Marco de calidad:<\/strong> el Sistema Obligatorio de Garant\u00eda de Calidad en Salud incluye el Programa de Auditor\u00eda para el Mejoramiento de la Calidad (PAMEC). Automatizar detecci\u00f3n de fallas documentales puede integrarse como parte del ciclo de mejora. (2,7)<\/p>\n\n\n\n

5) Seguridad del paciente: alertas tempranas de deterioro (con validaci\u00f3n local)<\/mark><\/strong><\/p>\n\n\n\n

Existen modelos que apoyan alertas tempranas (por ejemplo, riesgo de sepsis o deterioro respiratorio). En la pr\u00e1ctica, el valor depende de dos cosas: (a) cu\u00e1ntos falsos positivos genera y (b) si se integra de forma realista al trabajo del equipo.<\/p>\n\n\n\n

C\u00f3mo se usa:<\/strong> combina signos vitales, laboratorios y tendencias para estimar riesgo din\u00e1mico, en lugar de usar un umbral fijo.<\/p>\n\n\n\n

Ejemplo cotidiano:<\/strong> en hospitalizaci\u00f3n, un paciente con taquicardia progresiva y ca\u00edda de presi\u00f3n puede disparar una alerta de revaloraci\u00f3n antes de un \u201cc\u00f3digo azul\u201d.<\/p>\n\n\n\n

Advertencia de gobernanza:<\/strong> Emergency Care Research Institute (ECRI) ha se\u00f1alado la gobernanza insuficiente de inteligencia artificial y los riesgos de tecnolog\u00edas habilitadas con inteligencia artificial (incluyendo artefactos o distorsiones en im\u00e1genes) como preocupaciones de seguridad en sus listados recientes. (8)<\/p>\n\n\n\n

6) Radiolog\u00eda (apoyo acotado y validable por el especialista)<\/mark><\/strong><\/p>\n\n\n\n

En imagenolog\u00eda, la inteligencia artificial se usa para tareas espec\u00edficas: detecci\u00f3n de hallazgos, priorizaci\u00f3n de listas y soporte en mediciones. El caso de uso suele ser m\u00e1s delimitado: entra una imagen, sale una sugerencia, y el radi\u00f3logo valida.<\/p>\n\n\n\n

C\u00f3mo se usa:<\/strong> como \u201clector adicional\u201d o herramienta de priorizaci\u00f3n, por ejemplo, para subir en la lista estudios con posible hallazgo cr\u00edtico.<\/p>\n\n\n\n

Ejemplo cotidiano:<\/strong> en turno nocturno con un solo radi\u00f3logo, el sistema marca estudios con alta probabilidad de hallazgo relevante para revisi\u00f3n prioritaria.<\/p>\n\n\n\n

Riesgo t\u00e9cnico-cl\u00ednico:<\/strong> Emergency Care Research Institute advierte que algunos algoritmos pueden introducir artefactos o distorsiones que afecten la interpretaci\u00f3n si no hay controles. (8)<\/p>\n\n\n\n

Nota regulatoria (prudente):<\/strong> algunas soluciones pueden considerarse Software as a Medical Device (SaMD)<\/strong>. Gu\u00edas internacionales del International Medical Device Regulators Forum (IMDRF)<\/strong>, como la N41, ayudan a estructurar la evaluaci\u00f3n cl\u00ednica y la gesti\u00f3n del ciclo de vida, incluso si la adopci\u00f3n debe ajustarse al marco colombiano aplicable. (9)<\/p>\n\n\n\n

7) Experiencia del paciente: asistentes de orientaci\u00f3n y recordatorios (sin entrar a cl\u00ednica)<\/mark><\/strong><\/p>\n\n\n\n

No toda inteligencia artificial toca decisiones cl\u00ednicas. Un uso de alto retorno puede ser mejorar experiencia: orientaci\u00f3n en admisiones, preparaci\u00f3n para ex\u00e1menes, recordatorios de citas y comunicaci\u00f3n en lenguaje claro.<\/p>\n\n\n\n

C\u00f3mo se usa:<\/strong> asistentes con guiones controlados en canales como web o WhatsApp. Responden sobre horarios, preparaci\u00f3n y documentos, y derivan a humano cuando aparecen s\u00edntomas.<\/p>\n\n\n\n

Ejemplo cotidiano:<\/strong> el d\u00eda anterior a una colonoscopia, el asistente confirma preparaci\u00f3n, dieta y hora de llegada. Esto puede reducir inasistencias y reprocesos de agenda.<\/p>\n\n\n\n

Cuidado de privacidad:<\/strong> si el asistente usa datos personales, aplica el r\u00e9gimen de protecci\u00f3n de datos (Ley 1581 de 2012) para tratamiento realizado en territorio colombiano o cuando aplique la legislaci\u00f3n colombiana. (4)<\/p>\n\n\n\n

8) Gobierno de inteligencia artificial: el \u201ccaso de uso\u201d que habilita (o bloquea) todos los dem\u00e1s<\/mark><\/strong><\/p>\n\n\n\n

El mayor error es creer que inteligencia artificial es solo un proyecto de tecnolog\u00eda. En realidad, es un proyecto socio-t\u00e9cnico<\/strong>: datos, procesos, talento, riesgos, cultura cl\u00ednica y responsabilidades.<\/p>\n\n\n\n

Qu\u00e9 implica gobierno de inteligencia artificial en un hospital:<\/strong><\/p>\n\n\n\n

    \n
  1. Calidad y seguridad:<\/strong>\u00a0objetivo, m\u00e9tricas, umbrales de riesgo y plan de monitoreo.<\/li>\n\n\n\n
  2. Gesti\u00f3n del cambio:<\/strong>\u00a0capacitaci\u00f3n para que el equipo entienda qu\u00e9 hace y qu\u00e9 no hace el modelo.<\/li>\n\n\n\n
  3. Ciclo de vida:<\/strong>\u00a0versiones, cambios, auditor\u00eda y reevaluaci\u00f3n peri\u00f3dica.<\/li>\n\n\n\n
  4. Protecci\u00f3n de datos:<\/strong>\u00a0finalidades, accesos y minimizaci\u00f3n.<\/li>\n<\/ol>\n\n\n\n

    Ejemplo cotidiano:<\/strong> compras adquiere un \u201cchat de inteligencia artificial\u201d para responder dudas cl\u00ednicas. Sin gu\u00edas, un residente lo usa para decisiones terap\u00e9uticas. Un comit\u00e9 de gobierno habr\u00eda limitado el uso a educaci\u00f3n o documentaci\u00f3n, con advertencias y trazabilidad.<\/p>\n\n\n\n

    Marcos \u00fatiles (para traducirlos a la realidad colombiana)<\/mark><\/strong><\/p>\n\n\n\n