Un paciente en seguimiento cardiológico en un hospital de París se muda a España. Su nuevo cardiólogo recibe un historial médico digital, pero el software local no reconoce el formato de los informes de diagnóstico por imagen ni la codificación de las alergias a medicamentos. El médico empieza de cero: pruebas, anamnesis, análisis. Este escenario, habitual en la atención transfronteriza, resume un problema estructural que las innovaciones tecnológicas por sí solas no resolverán.
Interoperabilidad de los datos sanitarios: el eslabón débil entre dos hospitales
Se habla mucho de inteligencia artificial aplicada al diagnóstico, de gemelos digitales y de bioimpresión. Se habla menos de lo que ocurre cuando el historial de un paciente pasa de un centro a otro, incluso dentro del mismo país.
La Agencia de Salud Digital lo recuerda: la ciberseguridad contribuye directamente a la continuidad asistencial. Un historial transmitido de forma deficiente o mal interpretado por el sistema receptor puede provocar la duplicación de pruebas, retrasos en la atención e incluso errores de medicación. No es un problema teórico.
Se pueden seguir las noticias de La Santé de Demain para comprobar hasta qué punto esta cuestión está presente en los debates sobre la medicina digital. El tema va más allá de la informática: afecta a la gobernanza, las normas y la confianza entre sistemas.
El Espacio Europeo de Datos Sanitarios, cuya implantación progresiva está en curso, pretende precisamente que la información médica pueda identificarse, documentarse y utilizarse de un país a otro. Su puesta en marcha sigue siendo un proyecto a largo plazo: no basta con compartir un archivo, sino que dos programas distintos deben entender lo mismo al leer los mismos campos.
Inteligencia artificial aplicada al diagnóstico: fiabilidad y validación clínica antes de su implantación
La IA aplicada al diagnóstico por imagen avanza rápidamente. Algunos algoritmos ya ayudan a los radiólogos a detectar anomalías en tomografías o mamografías. La promesa es real: agilizar la lectura, reducir los descuidos y priorizar los casos urgentes.
La fiabilidad y la explicabilidad siguen siendo requisitos previos para su implantación a gran escala. G_NIUS, la ventanilla nacional de innovación digital en salud, señala que empresas francesas del sector healthtech ya utilizan IA generativa. La validación de su rendimiento en poblaciones diversas y con datos representativos sigue siendo un trabajo en curso.
Una herramienta de IA entrenada con datos de un hospital universitario no necesariamente funciona igual de bien en una clínica rural con equipos de diagnóstico por imagen diferentes. Esta variabilidad entre centros plantea dudas sobre la reproducibilidad de los resultados y, por tanto, sobre la seguridad de los pacientes.
Qué esperan concretamente los médicos
En la práctica, los profesionales sanitarios no piden una herramienta que sustituya su criterio. Quieren asistentes de software que detecten, clasifiquen y sugieran, con transparencia sobre la lógica de sus decisiones. Cuando un algoritmo propone un diagnóstico, el médico debe poder entender por qué, no limitarse a leer una puntuación de probabilidad.
- Trazabilidad completa del razonamiento de la IA, accesible en el historial del paciente, para documentar cada sugerencia diagnóstica
- Alertas graduadas según el nivel de certeza del algoritmo, para distinguir una sospecha sólida de una simple hipótesis exploratoria
- Compatibilidad con los sistemas de información hospitalarios existentes, sin exigir una renovación completa de la infraestructura
Medicina personalizada y biomarcadores: adaptar el tratamiento al paciente
La medicina de precisión se basa en un principio sencillo de enunciar, pero complejo de aplicar: adaptar cada tratamiento a las características biológicas del paciente. En oncología, los biomarcadores ya permiten seleccionar terapias dirigidas según el perfil tumoral.
La biopsia líquida ilustra bien esta evolución. En lugar de una muestra obtenida mediante cirugía, un análisis de sangre detecta fragmentos de ADN tumoral circulante. El seguimiento resulta menos invasivo, más frecuente y potencialmente más ágil en caso de recaída.
Los límites de la personalización a gran escala
Personalizar la atención requiere acceso a datos genómicos, biológicos y clínicos fiables, actualizados y compartibles entre los equipos asistenciales. Aquí vuelve a aparecer el problema de la interoperabilidad: un biomarcador identificado en un laboratorio debe poder leerse y utilizarse en el centro de tratamiento, aunque ambas instituciones empleen programas distintos.
La variabilidad entre los protocolos de laboratorio, los umbrales de detección y los formatos de los resultados complica este proceso. Un resultado positivo en un centro puede interpretarse de otra manera en otro si los criterios de referencia no están armonizados.
Dispositivos conectados y seguimiento de pacientes crónicos
Los sensores portátiles (monitores continuos de glucosa, tensiómetros conectados y oxímetros) están transformando el seguimiento de las enfermedades crónicas. El paciente transmite datos en tiempo real y el profesional sanitario ajusta el tratamiento a distancia. Sobre el papel, las ventajas son claras: menos desplazamientos, mayor capacidad de respuesta y mejor adherencia al tratamiento.
En la práctica, la calidad del seguimiento depende de que el dispositivo pueda comunicarse con el historial médico del paciente. Un sensor de glucosa que envía sus mediciones a una aplicación propietaria, desconectada del software del diabetólogo, crea otro silo de datos.
- Los datos transmitidos deben integrarse en el historial médico compartido sin que el profesional sanitario tenga que volver a introducirlos manualmente
- Las alertas generadas por el dispositivo deben respetar umbrales validados clínicamente, no solo los parámetros predeterminados por el fabricante
- El paciente debe conservar el control sobre el uso compartido de sus datos, de conformidad con la normativa europea vigente
La convergencia entre dispositivos conectados, IA diagnóstica e historiales de pacientes interoperables apunta a una atención más fluida. Hoy, esa convergencia solo existe de forma fragmentaria. Cada componente tecnológico avanza a su propio ritmo, y los estándares comunes tardan en imponerse entre fabricantes, desarrolladores de software y centros sanitarios.
No faltan innovaciones en salud. Lo que falta es el cemento que las una: formatos compartidos, criterios de referencia armonizados y una gobernanza clara de los datos. La medicina del futuro no solo será más tecnológica, sino que también deberá estar mejor coordinada.
