La inteligencia artificial en salud avanza a una velocidad sin precedentes. En menos de una década, los dispositivos médicos con IA autorizados por la FDA se multiplicaron casi por cuarenta, mientras los modelos de lenguaje ya superan el promedio humano en evaluaciones médicas y en detección de cáncer (Stanford HAI, 2025). Además, herramientas como los escribas clínicos reducen el burnout del personal sanitario y pueden generar altos retornos de inversión (Olson et al., 2025; Orsini et al., 2025). Sin embargo, en el Perú el verdadero cuello de botella no es la tecnología, sino los datos: sin información clínica estructurada, interoperable y confiable, la IA no transforma y puede amplificar fragmentación, inequidad y riesgo.
En el Perú, el mayor riesgo es “adoptar IA” como simple compra de herramientas, en lugar de integrarla como una capa de decisión dentro de un sistema clínico gobernado. Si los datos siguen encerrados en silos, la IA amplificará la fragmentación; si el dato de calidad se concentra en pocos establecimientos, amplificará la inequidad; si no hay trazabilidad ni auditoría, amplificará el riesgo; y si la tecnología se introduce como un injerto externo, sin liderazgo clínico ni responsabilidad institucional, amplificará la desconfianza.
La experiencia peruana en salud digital deja una advertencia clara: hemos avanzado más en normas que en capacidad real de ejecución, y por eso la Historia Clínica Electrónica (HCE) y la telesalud siguen atrapadas en barreras estructurales y operativas (Alvarado, 2025). En el sector público operan cerca de 300 aplicativos y plataformas aislados, sin interoperabilidad efectiva (Banco Mundial, 2023). Además, la ausencia de una firma digital plenamente operativa mantiene el doble registro (papel y digital), incrementa la carga de trabajo y desincentiva el uso (Tuanama, 2019). Todo esto descansa sobre una base frágil de equipamiento y una conectividad todavía insuficiente —en 2025, solo 58,9% de los hogares tiene acceso a Internet—, y se agrava por la alta rotación de autoridades, que rompe la continuidad y dificulta sostener una ruta de implementación (Banco Mundial, 2023).
La “primera reforma” debe empezar por crear el piso habilitante antes de hablar de interoperabilidad o IA: asegurar conectividad, equipamiento y soporte en el primer nivel, financiamiento sostenido para salud digital y destrabar el nudo legal-operativo de la firma digital. Sin ese piso, interoperabilidad e IA quedan como capas sofisticadas sobre un sistema que aún no puede ejecutar lo básico.
Cuando ya existe un piso operativo mínimo, la reforma que realmente ordena el sistema es lograr interoperabilidad con gobernanza del dato. La OMS subraya que el desafío de la IA en salud es, ante todo, institucional y exige fortalecer regulación, estándares, interoperabilidad, gobernanza de datos y capacidades de la fuerza laboral (OMS, 2021).
En ese marco, HL7 FHIR (Fast Healthcare Interoperability Resources) es clave: es un estándar internacional que permite que distintos sistemas de salud —HCE, laboratorio, farmacia, imágenes y aseguradoras— intercambien información clínica de forma consistente y segura mediante APIs (interfaces estandarizadas para compartir datos bajo permisos y reglas) y un formato común. Con ello, la información puede acompañar al paciente a lo largo del sistema y habilitar continuidad del cuidado, auditoría y analítica, que son la base para una IA realmente útil y escalable. La experiencia regional muestra que la interoperabilidad requiere decisión de Estado: Colombia, con la Resolución 1888 de 2025, hizo obligatorio el Resumen Digital de Atención en Salud (RDA), exigiendo FHIR y reglas de seguridad, trazabilidad y plazos; sin un mandato nacional, suele quedarse en proyectos aislados.
Finalmente, la reforma operativa —la que vuelve sostenible todo lo anterior en el mundo real— es construir capacidad de implementación, evaluación y vigilancia. La IA clínica debe evaluarse con el mismo rigor que cualquier intervención sanitaria: validación empírica, comparación de desempeño y, cuando corresponda, estudios de implementación antes de escalar (Khan, 2026). Además, la unidad de análisis no es el algoritmo aislado, sino el sistema donde se inserta: automatizar una tarea no equivale a mejorar resultados y puede incluso empeorarlos si altera flujos de atención o desplaza responsabilidades sin control. Por eso, la gobernanza de la IA —sesgo, explicabilidad, trazabilidad, monitoreo continuo, seguridad y responsabilidad— no es un complemento, sino gestión del riesgo clínico.
CADE Salud 2026 puede ser el espacio para impulsar acciones concretas que integren la IA de forma responsable en el sistema de salud peruano. El país no parte de cero: el sector privado ya intercambia datos estandarizados (TEDEF) y en algunos casos adopta FHIR. La reforma inteligente es convertir esa experiencia de interoperabilidad en estándar nacional, como lo viene haciendo Colombia. La IA no transforma por sí sola: amplifica las condiciones existentes; por eso, el verdadero desafío no es el algoritmo, sino la arquitectura institucional que el Perú decida construir.
*El Comercio abre sus páginas al intercambio de ideas y reflexiones. En este marco plural, el Diario no necesariamente coincide con las opiniones de los articulistas que las firman, aunque siempre las respeta.
Editorial
