Inteligencia Artificial en Salud: Gobernanza Ágil frente a la Trampa de la Sobrerregulación

Continúa el debate sobre la transformación digital del Servicio Universal de Salud (SUS), en este ha cabido en últimas fechas una falsa premisa de política regulatoria: la creencia de que cada disrupción tecnológica exige, de forma obligatoria, la promulgación de una ley orgánica o una nueva estructura estatutaria rígida. Esta tentación de sobre regular el mercado es especialmente crítica y representa riesgos en el sector público y privado dada la asimetría en los procesos de implementación progresiva. La inercia legislativa puede tender a congelar en papel normas analógicas para gobernar procesos digitales que, por su propia naturaleza algorítmica, evolucionan de forma exponencial, creando barreras de entrada artificiales y rezagando la adopción tecnológica.

Frente a esta encrucijada, la postura sostenida por la Secretaría de Salud y, en particular, por la Dirección General de Modernización del Sector Salud (DGMoSS), representa una de solidez técnica impecable. La decisión de no impulsar una legislación específica e hipertrofiada relativa a la Salud Digital —más allá de lo establecido en la reforma a la Ley General de Salud publicada en enero de 2026— y optar en su lugar por la emisión de instrumentos normativos como el reciente Lineamiento para la implementación, monitoreo y evaluación de tecnologías basadas en inteligencia artificial en el Sistema Nacional de Salud, que constituye una atinada lección de gobernanza prospectiva. Este primer instrumento ofrece certidumbre operativa, frena la discrecionalidad burocrática y, lo más importante, apunta a evitar el estrangulamiento de la innovación.

El diagnóstico técnico detrás de esta decisión regulatoria se fundamenta en la naturaleza misma de las redes neuronales y el aprendizaje automático en el ámbito clínico. Redactar una ley rígida para la Digitalización del Sistema Nacional de Salud, que incluya a la inteligencia artificial (IA) en sus procesos equivaldría a normar un blanco en constante movimiento; la ley nacería obsoleta frente a la velocidad de actualización de los grandes modelos de lenguaje (LLMs) y los sistemas de visión computacional. En contraste, la figura de un lineamiento dota al Estado de un instrumento ágil, actualizable y con capacidad de iteración en tiempo real para la mitigación de riesgos sanitarios, siempre que haya una estructura dedicada a dicha vigilancia.

Un aspecto que vale la pena resaltarse de este lineamiento es la correcta y prudente conceptualización de la Inteligencia Artificial dentro de la práctica médica: la IA es un "copiloto". El lineamiento establece con absoluta claridad que los algoritmos, los modelos predictivos y las herramientas de soporte diagnóstico son instrumentos de apoyo para la toma de decisiones clínicas y operativas de los especialistas en atención médica. Se preserva así el principio de que la responsabilidad ético-legal, el juicio clínico y la decisión final residen, única y exclusivamente, en el profesional de la salud.

Esta definición no es un formalismo semántico; tiene implicaciones profundas desde la perspectiva de la economía de la salud, la administración de riesgos y la responsabilidad civil. Al catalogar a la IA como una herramienta de soporte asistencial y no como un ente autónomo de prescripción, la Secretaría de Salud protege el acto médico desde su rectoría, mitiga el sesgo algorítmico y previene la judicialización por impericia tecnológica. Adicionalmente, esta visión evita que las instituciones públicas y los proveedores corporativos asuman pasivos contingentes derivados de decisiones automatizadas desatendidas o fallas sistémicas.

Desde una visión holística del mercado, este lineamiento entiende el ecosistema de la salud como un todo, pero comprendiendo la complejidad asimétrica de sus partes. La digitalización no es un proyecto que el gobierno federal pueda o deba ejecutar en el aislamiento desde sus escritorios; requiere de la integración armónica entre la autoridad rectora, el rigor científico de la academia y la capacidad de despliegue, escalabilidad y financiamiento de la industria tecnológica e insumos para la salud.

El documento publicado por la DGMoSS reconoce implícitamente que la IA permea todo el ciclo de valor: desde la optimización en la interpretación de imágenes diagnósticas (tomografías, resonancias), pasando por el triaje hospitalario, hasta la gestión predictiva de inventarios y la farmacovigilancia prospectiva. Sin embargo, para que esta gobernanza sea efectiva, la autoridad requiere apoyarse en la experiencia acumulada de los actores privados y las instituciones académicas. Son ellos quienes operan en la frontera del conocimiento, desarrollan las arquitecturas de software y entienden los límites reales de la infraestructura computacional instalada en los hospitales.

Para que este momento regulatorio y normativo se traduzca en una mejora sistémica, el proceso de planeación y ejecución para los tomadores de decisiones en el sector público y corporativo debe desplegarse de forma inmediata a través de tres acciones concretas:

En primer lugar, a nivel microeconómico y operativo, los directores generales de hospitales e institutos nacionales deben implementar comités de gobernanza algorítmica internos. Estos órganos, multidisciplinarios por diseño, serán los encargados de auditar que las herramientas informáticas desplegadas cumplan estrictamente con el principio de control humano (human-in-the-loor) que dicta el lineamiento, evaluando continuamente la relación costo-beneficio clínico de cada adopción tecnológica.

En segundo lugar, la industria de tecnología médica (MedTech), las organizaciones especializadas como la Asociación Healthtech México, y la industria de insumos para la salud deben colaborar activamente con la DGMoSS y la academia para estructurar protocolos estandarizados de validación clínica de algoritmos. La IA aplicada a la salud debe someterse a rigurosas pruebas de sesgo (stress-testing) utilizando data lakes (lagos de datos) de la población mexicana. Esto garantizará que el "copiloto" funcione con la misma precisión diagnóstica en un instituto de alta especialidad en la capital del país, que en una unidad médica rural, salvaguardando la equidad del sistema.

Por último, el Estado debe reorientar sus esfuerzos presupuestales. En lugar de inyectar capital en plataformas informáticas cerradas de vida útil corta (CapEx), debe priorizar el gasto operativo (OpEx) hacia la capacitación continua y la alfabetización digital del personal de salud. Un algoritmo, por sofisticado que sea, es tan eficiente como la capacidad del médico para interpretar sus salidas probabilísticas y cuestionar sus posibles anomalías.

Celebrar la publicación de este lineamiento no significa caer en la complacencia, sino reconocer el valor de un Estado que regula con pragmatismo, será necesaria la escucha a los expertos y reforzar el sustento técnico. La DGMoSS ha trazado los principios de la cancha con claridad: no necesitamos leyes estáticas que paralicen la adopción tecnológica, sino lineamientos y normativa dinámicos que garanticen la seguridad del paciente mientras abren la puerta a las eficiencias del futuro. La responsabilidad de convertir esta directriz en un motor de desarrollo clínico y no en letra muerta recae ahora en la madurez operativa de todo el ecosistema sanitario.

Hoy cierro con una frase que se atribuye a Facundo Manes: " Tal vez llegó el momento de hablar menos de la IA y más de la IH (inteligencia Humana).”

*Oscar Flores cuenta con 25 años de experiencia en el sector de la salud en México y Latinoamérica, fue socio fundador de una consultoría enfocada en el análisis de las políticas públicas en salud, salud digital y sostenibilidad. Y actualmente se dedica a la gestión de asuntos corporativos en materia de salud para la industria farmacéutica y la de dispositivos médicos.