Ricardo A Peña Silva MD PhD *
Profesor Asociado – Facultad de Medicina y Ciencias de la Salud – Universidad de los Andes – Miembro fundador de AIpocrates
X / Instagram: @drricardopena
I Introducción
En la columna anterior revisamos la estrategia china de inteligencia artificial: sus planes, infraestructura y modelos abiertos. Ahora exploraremos cómo esas capacidades se están incorporando al sector salud. Así podremos acercar la discusión tecnológica a modelos de pensamiento que conocemos: planes de atención en salud, modelos de atención en salud y tecnología en salud.
En redes sociales y noticias podemos ver grandes avances tecnológicos relacionados con la atención en salud en China: hospitales virtuales, kioscos con IA y modelos de lenguaje capaces de responder preguntas médicas y avanzar la investigación. Pero luego de examinar los titulares encontramos niveles de desarrollo muy diferentes. Una cabina puede conectar al paciente con un médico remoto; un hospital virtual puede estar limitado a un ambiente de simulación y validación de modelos, un modelo que responde correctamente a una necesidad todavía carece de validación en la práctica diaria. Los casos de Ping An y Agent Hospital permiten examinar esas diferencias. [1, 2]
Las preguntas que guiarán esta nueva columna son ¿qué tecnologías se han implementado?, ¿cuáles continúan en desarrollo? y ¿cómo responden esas innovaciones a las necesidades de salud?
II Las necesidades de salud y las prioridades de China
El informe de la OMS China country assessment report on ageing and health, publicado en 2015, ofrece un punto de partida. El reporte describe el envejecimiento, las enfermedades crónicas, la pérdida de autonomía, las diferencias territoriales y la presión sobre los cuidadores como los grandes retos en salud que enfrenta China. La recomendación de la OMS es organizar cuidados continuos e integrados, fortalecer la atención primaria y apoyar a las familias. [3]
Reportes recientes de la OMS permiten ver cómo se ha priorizado la atención de algunas patologías>
- Programas de salud visual comunitaria con clínicas móviles conectadas por 5G, detección escolar y rutas de derivación. [4]
- Manejo integral de la obesidad, articulando atención primaria, hospitales, salud pública y comunidad. Ambos ejemplos vinculan la tecnología y el conocimiento con una organización del cuidado; no constituyen evaluaciones de IA. [5]
América Latina enfrenta problemas comparables, aunque con diferencias importantes entre países y territorios. La OPS identifica las enfermedades no transmisibles y las barreras de acceso como razones para fortalecer la atención primaria. La siguiente tabla expone algunas similitudes entre los retos en salud de China y Latinoamérica [6, 7]
| Necesidad identificada en China | Relación con América Latina | Pregunta que orienta el uso de tecnología |
|---|---|---|
| Envejecimiento, dependencia y apoyo a cuidadores | Rápido envejecimiento poblacional en países como Colombia. [8] | ¿Cómo acompañar a las personas fuera del hospital? |
| Enfermedades crónicas y prevención | Requieren detección, tratamiento y seguimiento continuo desde el sistema de atención primaria. | ¿Cómo sostener el cuidado entre consultas? |
| Diferencias territoriales de acceso | La distancia y las barreras administrativas y logísticas dificultan el acceso oportuno a servicios de salud. | ¿Cómo acercar atención y conocimiento especializado? |
| Coordinación y calidad de los servicios | Detectar un problema debe conducir a confirmación, tratamiento y seguimiento. | ¿Cómo mejorar decisiones y completar la ruta asistencial? |
| Exclusión digital de mayores y personas con discapacidad | Bajo alfabetismo en salud y digital compromete la implementación de algunas estrategias de cuidado [9] | ¿Cómo ampliar el acceso sin exigir que todos usen una aplicación? |
Tabla 1. Comparación conceptual entre algunos retos de salud entre China y Latioamérica. [3, 6, 7, 10]
China ha vinculado estas necesidades con planes de salud, organización territorial e innovación. La estrategia China Saludable 2030, de 2016, situó la prevención y la salud poblacional dentro del desarrollo nacional. El plan de desarrollo de IA de 2017 incluyó priorizar sistemas capaces de contribuir al análisis de imágenes médicas, apoyo diagnóstico e investigación biomédica. Las redes integradas de condado (división territorial intermedia en China), impulsadas en 2023, ofrecen una estructura para conectar establecimientos locales con hospitales y compartir recursos. Un condado es una unidad territorial que puede reunir poblados y aldeas. [11, 12, 13]
Las directrices de IA sanitaria de 2025 hacen más explícita la conexión.
- Para 2027 se espera contar con datos de calidad, modelos especializados y expansión de asistentes clínicos y servicios para pacientes.
- Para 2030 se propone cobertura nacional del apoyo inteligente en atención primaria y promoción de aplicaciones en hospitales de segundo nivel y superiores. [14]
La ventaja potencial de esta articulación de la infraestructura tecnológica y el sistema de salud es que permite orientar la innovación hacia problemas concretos, con metas claras. Sin embargo, nos queda la pregunta de si los avances que vemos en noticias y redes están suficientemente desarrollados y validados para asumir la función que se les propone.
Figura 1. Políticas seleccionadas que vinculan las prioridades sanitarias de China con la organización de los servicios, la inclusión digital y las aplicaciones de IA. Los años 2027 y 2030 indican metas de las directrices de 2025. [10, 11, 12, 13, 14]
III IA y tecnología para la atención en salud en China
El nivel de madurez tecnológica, conocido como TRL (Technology Readiness Level), describe cuánto ha avanzado una tecnología desde sus principios hasta su funcionamiento en condiciones reales. La escala va de 1 a 9: los niveles iniciales (1-3) corresponden a investigación y prueba de concepto; los intermedios (4-7), a validación y demostración en entornos operativos; los superiores (8-9), a sistemas completos, implementados y en operación. [15]
En salud debemos añadir dos preguntas: si la herramienta es segura y útil para una finalidad clínica, y si puede integrarse y sostenerse en un servicio. Un TRL alto no sustituye un ensayo clínico ni una autorización sanitaria. Medicamentos, dispositivos y nuevas tecnologías deben mostrar que son seguras, útiles y viables. A continuación se presentan algunos ejemplos de desarrollo e implementación de tecnologías en salud.
¿Cómo acercar la atención a quienes viven lejos de los servicios?
- Las clínicas móviles de salud visual descritas por la OMS llevan equipos y personal a comunidades con acceso limitado y conectan la detección con derivaciones. La conectividad 5G puede apoyar esa organización, pero la fuente no establece que todos esos servicios utilicen IA. Es una distinción útil: la telemedicina es un canal de atención; la IA puede apoyar tareas dentro de ese canal. [4]
- Las One-minute Clinics de Ping An, documentadas en 2019, combinaban recogida de síntomas mediante IA, consulta con un médico remoto y acceso a medicamentos. Representan una modalidad implementada de conexión entre un punto físico y una plataforma asistencial. [1] Las reglas chinas de atención por internet de 2022 establecen que la IA no sustituye al médico y que la prescripción corresponde al profesional. [16]
¿Cómo sostener el cuidado de personas mayores y pacientes crónicos?
- En Wulituo, Beijing, un centro comunitario describió en 2023 llamadas con IA para coordinar controles de personas mayores seleccionadas por su personal. Esta es una experiencia local de implementación pero los resultados clínicos parecen no haber sido publicados. [17]
- En 2021, la OMS describió AGATHA, una plataforma educativa sobre envejecimiento saludable desarrollada con participación de personas mayores. Sus comentarios cambiaron el diseño inicial hacia lecciones y cuestionarios. La misma publicación propone a futuro a una asistente llamada Mia que analiza datos y coordina atención. [18]
Para que estas herramientas amplíen el acceso, su diseño debe también considerar a quienes no pueden utilizarlas. El plan chino de inclusión de 2020 dispuso conservar citas telefónicas, cupos presenciales y ventanillas humanas. El plan de accesibilidad de aplicaciones añadió interfaces simplificadas, letras grandes y compatibilidad con lectores de pantalla. Las políticas reconocen que digitalizar puede crear barreras, y ahora el reto es evaluar el impacto de la política pública en desenlaces en el mundo real. [10, 19]
¿Cómo apoyar la detección de enfermedades y la consulta especializada?
- PANDA estudió la detección de lesiones pancreáticas en tomografías sin contraste. Su evaluación externa de 2023 incluyó 5.337 personas de nueve centros y reportó sensibilidad de 93,3% y especificidad de 98,8% en esas cohortes seleccionadas. [20] Este tipo de iniciativas ahora deben mostrar su impacto en la reducción de mortalidad, y sus resultados deben tomarse con cuidado para no pedir tomografías indiscriminadamente.
- En oftalmología, AI-TEC, desarrollado por equipos vinculados a la Universidad de Tsinghua, ilustra la integración de agentes de IA en una consulta. El prototipo apoya la preconsulta y el análisis del fondo de ojo, sin dejar de lado a los especialistas en oftalmología. [21]
- La medicina tradicional china también es prioridad explícita. En un centro para mayores de Xinhong se documentó en 2025 un equipo que fotografía la lengua y ofrece orientación según clasificaciones y problemas descritos en la medicina tradicional. [14, 22]
¿Cómo convertir modelos y recomendaciones en mejores decisiones clínicas?
Un modelo especializado se adapta a tareas de un ámbito, como organizar información médica o sugerir diagnósticos. Un agente de IA combina un modelo con herramientas para encadenar acciones. Estas capacidades pueden apoyar al equipo, pero también producir respuestas incorrectas con apariencia convincente. Los profesionales de la salud, por lo tanto, deben conocer sus límites, y disponer de tiempo para supervisar sus resultados. [21, 23]
- Agent Hospital, en 2024, fue una simulación donde médicos y pacientes eran agentes virtuales. El proyecto permitió miles de casos e interacciones, pero no implicaba atención de personas reales. Posteriormente, Tsinghua informó pruebas con pacientes desde agosto de 2025 y una fase pública con ocho instituciones de Beijing y Guangxi a finales de noviembre. En julio de 2026 se describía continuidad de esos pilotos. [2, 24, 25]
- GOLDEN BRIDGE II evaluó un sistema de apoyo al manejo del ataque cerebrovascular isquémico. El sistema fue evaluado en 77 hospitales, y 21.603 pacientes. A los tres meses encontró que nuevos eventos vasculares ocurrieron en aproximadamente 2,9% de pacientes expuestos a la intervención, frente a 3,9%, de pacientes en el grupo control. No reportaron diferencias estadísticamente significativas en mortalidad total o discapacidad. [26]
Mi apreciación personal es que la mayor parte de estos desarrollos se encuentran en fases de desarrollo intermedias, entre el TRL 5 y el TRL 8. Sin embargo, no hay información oficial publicada y comparable de la valoración de TRL para estas innovaciones. Tampoco es clara la escalabilidad de las iniciativas.
| Desarrollo | Función en el cuidado | Etapa documentada |
|---|---|---|
| Clínicas móviles de salud visual [4] | Acceso, detección y derivación en oftalmología | Servicios descritos en 2026. |
| Ping An One-minute Clinics [1] | Punto físico de atención, con médicos remotos | Operación comercial documentada en 2019; continuidad actual no verificada. |
| Wulituo y AGATHA [17, 18] | Contacto y educación al paciente | Implementación local y codiseño educativo; no evaluación clínica comparativa aportada. |
| PANDA [20] | Detección de cancer en tomografías | Evaluación retrospectiva multicéntrica e integración técnica. Beneficio prospectivo no demostrado. |
| AI-TEC [21] | Apoyo a consulta oftalmológica | Prototipo integrado desde 2025 según desarrolladores. |
| Dispositivo de lengua en Xinhong [22] | Orientación de medicina tradicional | Instalación descrita en 2025; eficacia clínica no establecida. |
| Agent Hospital [2, 24, 25] | Simulación y apoyo al profesional | Simulación en 2024; pruebas asistenciales desde 2025 con decisiones humanas. |
| GOLDEN BRIDGE II [26] | Apoyo al manejo del ataque cerebrovascular | Ensayo aleatorizado por hospitales; evidencia sobre el paquete asistencial. |
Tabla 2. Ejemplos de intervenciones con tecnologías en salud para mejorar la atención a la comunidad. No hay TRL formal verificable para asignar una puntuación comparable a estos casos, pero el autor estima que están en fases intermedias.
IV Limitaciones y controversias
La experiencia china muestra capacidad para conectar políticas, investigación y servicios, pero sus resultados dependen de condiciones que no siempre aparecen en las noticias. La primera es la calidad de la evidencia. La cobertura mediática de Agent Hospital ilustra cómo una simulación puede confundirse con capacidad asistencial. [2, 27]
La segunda es la integración al trabajo clínico. Un estudio cualitativo con 22 profesionales de seis centros rurales chinos identificó dificultades de interoperabilidad, confianza y adaptación. Revisar recomendaciones también consume tiempo; la supervisión requiere capacidad real para corregir y detener el sistema. [23, 28]
La tercera reúne seguridad, privacidad y responsabilidad. La autoridad china de productos médicos clasifica el software de IA según su finalidad y las características del algoritmo; una autorización no cubre automáticamente cualquier función nueva. Los datos médicos tienen protección como información sensible. Compartir los datos para coordinar atención o investigar exige definir accesos, finalidades y responsabilidades. [29, 30]
Finalmente, debemos considerar equidad y sostenibilidad. Una plataforma puede excluir a quienes carecen de conectividad o necesitan ayuda. Implementar cabinas de atención, donde también se puedan comprar medicamentos, implica la importancia de controles que permitan separar el acceso a la atención y las decisiones clínicas, de posibles incentivos comerciales. [1, 10]
V Lecciones para América Latina y Colombia
Para los sistemas de salud de Latinoamérica, incluyendo Colombia, el análisis de la estrategia china nos lleva a considerar lecciones en dos campos: 1) la generación, implementación y vigilancia de políticas públicas, y 2) el ecosistema de tecnologías en salud “HealthTech”.
Colombia cuenta con una política nacional de IA y con instrumentos para la historia clínica interoperable. [31, 32] Estos son buenos puntos de partida y la tarea es vincularlos con estrategias de largo plazo, con metas claras y rutas de atención que no se alteren con la llegada de nuevos gobiernos. Una vez el objetivo sea claro, se pueden desarrollar, escoger e implementar tecnologías de salud que actúen como catalizadores de los planes
También necesitamos un ecosistema HealthTech sólido: empresas, hospitales, universidades, pacientes, autoridades y financiadores capaces de desarrollar y evaluar soluciones. El Colombia Tech Report 2025–2026 mapea, con datos de 2025, 202 empresas en la categoría conjunta de Healthtech, bienestar y ciencias de la vida, dentro de 2.295 startups. El informe señala dificultades de financiación y escalamiento de las soluciones innovadoras. [33] Una respuesta posible sería organizar alianzas entre prestadores y universidades que ofrezcan entornos de prueba, acompañamiento regulatorio y evaluación independiente. Pero, la velocidad de desarrollo y evolución de las tecnologías no cambiará a menos que existan capital, público o privado, que mantenga la vitalidad del ecosistema.
La experiencia china nos invita a conectar las necesidades de nuestro sistema de salud y de nuestras comunidades, con políticas a largo plazo que estimulen la innovación, la transferencia y adopción de tecnología, y el diálogo entre actores del ecosistema HealthTech.
*Declaración de uso de IA. Para la redacción de esta columna se emplearon búsquedas profundas elaboradas con Gemini Flash 3.8 y ChatGPT Sol 6.1. Además, se emplearon agentes de revisión editorial y verificación de fuentes de información bajo ChatGPT 6 Astra. Las imágenes fueron generadas con ChatGPT Image 2. La inspiración original del documento y las ideas presentadas en el blog son responsabilidad del autor.
Referencias
[1] Ping An Good Doctor. (2019). Comunicado sobre operación de One-minute Clinics y contratos para cerca de mil unidades. 4 de enero. Consultar fuente.
[2] Li, J., et al. (2024). Agent Hospital: A Simulacrum of Hospital with Evolvable Medical Agents. arXiv:2405.02957v1, 5 de mayo. Preprint. Consultar fuente.
[3] Organización Mundial de la Salud. (2015). China country assessment report on ageing and health. ISBN 9789241509312; pp. impresas 29–35 (PDF 37–43). Consultar fuente.
[4] Organización Mundial de la Salud. (2026). Bringing Clear Vision Closer to Communities: How China Is Advancing WHO’s SPECS 2030 Vision. 5 de junio. Comunicación institucional. Consultar fuente.
[5] Organización Mundial de la Salud. (2026). Beyond Weight Management: WHO and China Advance System-Based Approaches to Obesity Prevention and Care. 3 de junio. Comunicación institucional. Consultar fuente.
[6] Organización Panamericana de la Salud. (2025). Health authorities approve plan to prevent and control noncommunicable diseases, the leading cause of death in the Americas. 1 de octubre. Comunicado sobre el plan 2025–2030. Consultar fuente.
[7] Organización Panamericana de la Salud. (2023). Analizar y superar las barreras de acceso para fortalecer la atención primaria de salud: síntesis de resultados y recomendaciones. 24 de julio. Resumen oficial indexado; no lectura del informe íntegro. Consultar fuente.
[8] Departamento Administrativo Nacional de Estadística. (2025). Proyecciones de población. Actualización 2025. Nota técnica, julio; pp. 21–23 y 26. Consultar fuente
[9] Organización Panamericana de la Salud. (2023). Arquitectura de salud pública. OPS/EIH/IS/23-0017. Línea de acción 6; pasaje consultado mediante texto indexado del original, sin lectura íntegra. Consultar fuente
[10] Oficina General del Consejo de Estado de China. (2020). Plan para resolver las dificultades de las personas mayores en el uso de tecnologías inteligentes. Documento 45; publicado el 24 de noviembre. Principios y medidas 7–9; reproducción oficial de Beijing. Consultar fuente.
[11] Comité Central y Consejo de Estado de China. (2016). Plan China Saludable 2030. 25 de octubre. Consultar fuente.
[12] Consejo de Estado de China. (2017). Plan de Desarrollo de Inteligencia Artificial de Nueva Generación. Consultar fuente.
[13] Comisión Nacional de Salud y otros organismos. (2023). Opiniones sobre comunidades sanitarias integradas de condado. Documento 41. Consultar fuente.
[14] Comisión Nacional de Salud y otros organismos. (2025). Opiniones para promover y regular las aplicaciones de IA en los servicios sanitarios. Documento 30; publicación del 4 de noviembre. Consultar fuente.
[15] NASA, Earth Science Technology Office. Technology Readiness Levels. Criterios de madurez de hardware y software. Consultado el 17 de octubre de 2026. Consultar fuente.
[16] Comisión Nacional de Salud de China. (2022). Reglas de supervisión de la atención por internet, artículos 13 y 21. Consultar fuente.
[17] Comisión de Salud de Beijing. (2023). Llamadas de IA para controles de mayores en Wulituo. 16 de febrero. Consultar fuente.
[18] Organización Mundial de la Salud. (2021). Leapfrogging to a Healthy Ageing Society through Inclusive Technology. 23 de diciembre. Consultar fuente.
[19] Ministerio de Industria y Tecnología de la Información de China. (2020). Special Action Plan on Transforming Internet Apps For Better Access by Seniors and People with Disabilities. Documento 200, firmado el 24 de diciembre. Traducción inglesa alojada por OMS; fecha de publicación de la traducción no verificada. Consultar fuente.
[20] Cao, K., Xia, Y., Yao, J., et al. (2023). Large-scale pancreatic cancer detection via non-contrast CT and deep learning. Nature Medicine, 29, 3033–3043. Consultar fuente.
[21] Tsinghua University, LImIT. (2026). Initial Lessons from Real-world Implementation of an AI-Agent Eye Clinic in China. 11 de septiembre. Comunicación de los desarrolladores sobre el comentario de Nature Medicine, DOI 10.1038/s41591-026-04631-z; artículo íntegro no accesible en esta revisión. Consultar fuente.
[22] Oficina de Asuntos Civiles de Shanghái. (2025). Equipos del centro para mayores de Xinhong. 10 de diciembre. Consultar fuente.
[23] Organización Mundial de la Salud. (2024). WHO releases AI ethics and governance guidance for large multi-modal models. 18 de enero. Consultar fuente.
[24] Tsinghua AIR. (2025). Inicio de pruebas públicas del sistema de hospital de IA de Tsinghua. 28 de noviembre. Comunicación institucional. Consultar fuente.
[25] Tsinghua AIR. (2026). Agent Hospital: simulación y apoyo colaborativo en hospitales. 16 de julio. Nota institucional; no equivale al artículo de Nature que menciona. Consultar fuente.
[26] Zhang, X., Ding, L., Jing, J., et al. (2026). Effect of a clinical decision support system on stroke care quality and outcomes in patients with acute ischaemic stroke (GOLDEN BRIDGE II): cluster randomised clinical trial. BMJ, 392, e085810. Consultar fuente.
[27] Larrarte Asaad, D. V. (2024). El primer hospital de IA del mundo inaugurado en China con médicos robóticos. El Tiempo, 27 de junio; actualizado el 28 de junio. Ejemplo de cobertura mediática, no fuente de eficacia clínica. Consultar fuente
[28] Wang, D., Wang, L., Zhang, Z., et al. (2021). “Brilliant AI Doctor” in Rural China: Tensions and Challenges in AI-Powered CDSS Deployment. CHI 2021; versión de autor arXiv:2101.01524v2. Consultar fuente.
[29] Administración Nacional de Productos Médicos de China. (2021). Directrices de clasificación de software médico de inteligencia artificial. Anuncio 47; copia oficial del Gobierno de Beijing. Consultar fuente.
[30] República Popular China. (2021). Ley de Protección de Información Personal. Artículos 13 y 28–30. Consultar fuente.
[31] Departamento Nacional de Planeación. (2025). Política Nacional de Inteligencia Artificial. CONPES 4144, 14 de febrero. Consultar fuente.
[32] Congreso de Colombia. (2020). Ley 2015 de 2020. Historia clínica electrónica interoperable. Consultar fuente.
[33] KPMG Colombia y aliados. (2026). Colombia Tech Report 2025–2026. Quinta edición; datos de 2025. Metodología, p. 3; categoría Healthtech, bienestar y ciencias de la vida, pp. 18 y 21. Consultar fuente.
