La costura invisible de la salud global:
Inteligencia epidémica basada en IA
Autor: MSc Víctor Piriz Correa, MD, MPH. CEO – Seniors International Consulting (SICs)
La pandemia de COVID‑19 expuso una paradoja incómoda. El mundo disponía de datos en cantidad inédita, modelos matemáticos avanzados y nuevas capacidades de inteligencia artificial (IA). Sin embargo, muchos países respondieron con sistemas de información fragmentados, departamentos que no se hablaban entre sí y canales débiles entre vigilancia, servicios clínicos y decisión política. El resultado fue una respuesta desigual, tardía y costosa en términos humanos, sociales y económicos.
En este contexto, la inteligencia epidémica (IE) se consolida como una función crítica de los sistemas de salud y de la seguridad sanitaria global. La IA, lejos de ser un fin en sí misma, puede convertirse en el hilo de costura que une datos, instituciones y decisiones. Como en la alta costura, lo que da solidez al tejido no es cada pieza de tela por separado, sino la calidad de la costura invisible que las integra.
La IE apoyada por IA debe entenderse hoy como un bien público global, cuya falla genera consecuencias que trascienden fronteras. Esto reconfigura el rol de los Estados, de los bancos multilaterales y de los grandes financiadores cuando invierten en salud y en transformación digital.
Inteligencia epidémica: del oficio técnico al bien público global
Podemos definir la inteligencia epidémica como el ciclo de recolección organizada, análisis e interpretación de información de todas las fuentes disponibles para detectar, verificar y evaluar amenazas a la salud pública. Incluye, entre otras, las siguientes funciones:
Vigilancia basada en casos, síndromes y eventos.
Detección temprana y verificación de señales.
Evaluación de riesgo y apoyo a la decisión en el marco del Reglamento Sanitario Internacional.
Gestión y difusión de información mediante alertas, boletines y sistemas de manejo de eventos.
En las Américas, la Organización Panamericana de la Salud y los Estados Miembros analizan anualmente millones de reportes y cientos de señales, muchas de las cuales evolucionan a eventos que exigen acción coordinada. Durante la COVID‑19, este trabajo se vio tensionado por:
Sistemas de información nacionales segmentados, donde vigilancia, laboratorios, hospitales y comunicación operaban en silos.
Flujos de datos no interoperables, con duplicaciones, rezagos y vacíos.
Marcos débiles de gobernanza de datos e IA.
La lección post‑pandémica es clara: sin costuras sólidas entre estos componentes, el tejido institucional se rasga precisamente cuando más se lo necesita.
Funciones de salud pública donde interviene la IA
Las funciones esenciales de salud pública ofrecen un mapa claro de dónde y cómo la IA añade valor. De forma docente, podemos agruparlas en cuatro planos.
a) Análisis de situación, vigilancia y planificación
La IA contribuye a:
Analizar la situación de salud de la población, manteniendo sistemas de información y vigilancia actualizados.
Modelos de aprendizaje automático y aprendizaje profundo detectan patrones sutiles en incidencia, gravedad y mortalidad. Plataformas que combinan datos clínicos, búsquedas, redes sociales y noticias mejoran la sensibilidad de la vigilancia.Planificar políticas de salud a partir de problemas priorizados.
Centros de pronóstico y análisis de brotes exploran modelos alimentados por múltiples fuentes de datos y técnicas de IA. Estas herramientas ayudan a estimar escenarios de transmisión y necesidades de recursos.Elaborar mapas sanitarios y planificar recursos.
La IA geoespacial y los modelos de redes permiten entender la propagación en función de la movilidad y los contactos, apoyando decisiones sobre ubicación de servicios, capacidad hospitalaria y stock de insumos.Complementar la vigilancia tradicional con fuentes no convencionales.
Plataformas como ProMED, GPHIN, HealthMap, BlueDot o EPIWATCH integran noticias, reportes informales e información digital para alerta temprana.
b) Promoción, prevención y comunicación con la población
La IA también se inserta en funciones orientadas a la promoción de salud y a la comunicación de riesgos:
Impulsar la investigación científica y el desarrollo de vacunas y medicamentos.
La IA acelera el cribado de compuestos, el diseño de vacunas y la interpretación de datos genómicos.Promover la participación social y el conocimiento ciudadano, con enfoque de derechos.
El procesamiento de lenguaje natural (PLN) ayuda a monitorear narrativas, emociones y desinformación en redes sociales.Ejecutar estrategias eficaces de difusión de conocimiento a la población y a grupos de riesgo.
Sistemas basados en IA apoyan la segmentación de mensajes, la adaptación cultural y la evaluación continua de campañas de comunicación.
c) Gobernanza, regulación, calidad y tecnología
En el plano de la gobernanza sanitaria, la IA puede apoyar:
La armonización de parámetros de calidad de bienes y servicios de salud en procesos de integración regional.
La elaboración de políticas, normas y marcos regulatorios para el sistema de salud.
Las políticas de tecnología médica, incluida la evaluación y el registro de medicamentos y dispositivos.
El control de gestión sanitaria, contable y económico‑financiera, y la articulación entre prestadores en sistemas integrados.
En estos ámbitos, la IA aporta sistemas de detección de anomalías, auditoría inteligente y simulación de escenarios de política pública. La adopción de estándares de interoperabilidad, como HL7‑FHIR y marcos como SMART on FHIR, es clave para que los modelos de IA se integren de forma segura en los registros clínicos electrónicos y en los sistemas de vigilancia.
d) Recursos humanos y capacidades
Por último, la IA se vincula con el desarrollo profesional continuo de los recursos humanos en salud:
Plataformas de formación basadas en IA permiten entrenamiento personalizado en epidemiología, vigilancia, ética y uso de datos.
En conjunto, la IA no es un módulo aislado, sino un componente transversal que puede reforzar la mayoría de las funciones de salud pública cuando se inserta en una visión de sistema.
De la teoría a la operación: cómo se aplica la IA en inteligencia epidémica
Desde el punto de vista técnico, la IA aporta a la inteligencia epidémica varias familias de herramientas:
Sistemas basados en conocimiento Emplean reglas definidas por expertos para filtrar información relevante y apoyar decisiones en contextos complejos.
Procesamiento de Lenguaje Natural (PLN) Permite leer, clasificar y resumir textos en múltiples idiomas: noticias, redes sociales, reportes clínicos, actas.
Es clave para la vigilancia basada en fuentes abiertas y para entender comportamientos y percepciones de salud.Aprendizaje automático (Machine Learning) Modelos supervisados y no supervisados detectan patrones anómalos de consulta, síndrome o mortalidad, y generan predicciones a corto y mediano plazo.
Aprendizaje profundo (deep learning) Redes neuronales multicapa se usan para análisis de imágenes médicas, clasificación de textos complejos, detección de brotes y pronósticos mejorados.
Reconocimiento automático de voz Transforma audio en texto utilizable, clave para telemedicina, actas y continuidad de la gobernanza sanitaria durante crisis.
Estas tecnologías han contribuido a mejorar la vigilancia y el pronóstico epidémico, el desarrollo de vacunas, la optimización de recursos y la respuesta clínica. La experiencia acumulada sugiere que la aproximación más efectiva es multimodal y multifuente, combinando distintas técnicas y fuentes de datos.
Un bien público global basado en IA: el caso EIOS 2.0
Un ejemplo concreto de esta integración es la actualización del sistema de Inteligencia Epidémica de Fuentes Abiertas (EIOS) 2.0 de la Organización Mundial de la Salud. EIOS 2.0 incorpora:
Un diseño preparado para crecer y procesar más fuentes con un mayor número de usuarios.
Herramientas de IA que mejoran el análisis automatizado y la detección de señales.
Nuevas fuentes, como canales de radio, que se transcriben y traducen de forma automática.
Una interfaz más sencilla y multilingüe, con paneles de control para encontrar y compartir información relevante.
Mayor capacidad de colaboración entre países y organizaciones, que pueden rastrear y monitorear eventos de manera conjunta.
La OMS ofrece EIOS como un bien público gratuito para Estados Miembros y organizaciones elegibles, acompañado de guías, formación y comunidades de práctica. Este sistema muestra cómo la IA puede convertirse en el hilo que cose distintas hebras de datos y actores, fortaleciendo la seguridad sanitaria mundial.
Lecciones post‑COVID‑19: fragmentación, datos ruidosos y choque con la IA
En términos de costura, la pandemia fue como intentar usar un hilo de alta tecnología en una tela vieja, desgastada y cosida con puntadas irregulares. La IA mostró su potencial, pero también las limitaciones de sistemas fragmentados y la urgencia de repensar la gobernanza de datos y algoritmos.
El avance tecnológico durante la COVID‑19 chocó con varias realidades:
Sistemas de información nacionales segmentados, donde vigilancia, atención primaria, hospitales, laboratorios y salud digital trabajaban en plataformas diferentes, sin interoperabilidad plena.
Dependencia de modelos que asumían datos limpios y completos, cuando en la práctica los datos eran ruidosos, incompletos y procedentes de múltiples fuentes.
Dificultades para integrar nuevas fuentes (buscadores, redes sociales, movilidad, sensores) en marcos legales y éticos existentes.
Investigación reciente y enfoque en problemas operativos
La literatura reciente sobre tendencias tecnológicas en inteligencia epidémica y sobre IA aplicada a la vigilancia converge en algunos mensajes:
La combinación de modelos epidemiológicos clásicos con técnicas de IA mejora la detección temprana y los pronósticos.
El uso de grandes modelos lingüísticos permite vigilar múltiples idiomas y fuentes en tiempo casi real.
Las plataformas que integran datos de redes sociales, noticias y consultas web son útiles, pero pueden ser vulnerables a sesgos y errores si no se gobiernan adecuadamente.
La equidad, la transparencia y el control de sesgos algorítmicos son condiciones necesarias para que la IA no amplifique desigualdades.
En esta línea se ubican trabajos que emplean datos de redes sociales y grandes modelos lingüísticos para comprender comportamientos en torno a enfermedades infecciosas y vacunación. La lección central para ministerios, agencias y financiadores es que, en salud pública, donde los datos son intrínsecamente ruidosos y no estructurados, los sistemas que exigen entradas perfectas son, en la práctica, no operativos. La IA debe empezar por un problema operativo concreto —por ejemplo, vigilar la aceptación vacunal, detectar rumores peligrosos o anticipar presiones sobre servicios— y no por la adopción acrítica de una herramienta de moda.
Gobernanza de IA: de herramientas sueltas a sistema integrado
Tras la pandemia proliferaron soluciones basadas en IA: chatbots de triaje, modelos de pronóstico, herramientas de priorización de pruebas, sistemas de alerta automática. Sin una gobernanza clara, estas soluciones quedan como hilos sueltos:
No se integran en el sistema nacional de información y vigilancia.
No se alinean con políticas, normas y funciones de salud pública ya existentes.
Pueden reproducir o amplificar inequidades y sesgos.
La gobernanza de IA en salud implica:
Definir principios de equidad, transparencia, explicabilidad, no discriminación y respeto de derechos.
Establecer estructuras de responsabilidad: quién decide, quién supervisa, quién responde.
Asegurar la interoperabilidad técnica mediante estándares y marcos reconocidos internacionalmente.
Integrar la IA de manera explícita en las funciones de salud pública, conectándola con la regulación de tecnologías médicas, la vigilancia, la planificación y la participación social.
Sólo así la IA puede transformarse en el “nudo mágico” que une de forma firme y casi invisible las diferentes capas del sistema, en lugar de añadir más fragmentación.
Oportunidad estratégica para agencias de cooperación y grandes financiadores
Para agencias de cooperación, bancos multilaterales y bilaterales, y otros grandes financiadores, la inteligencia epidémica basada en IA representa:
Un activo de resiliencia macroeconómica: cada brote contenido antes de convertirse en crisis evita pérdidas masivas de producto interno bruto, empleo y capital social.
Una infraestructura transversal que fortalece vigilancia, regulación, atención clínica, investigación y comunicación.
Un espacio privilegiado para alinear agendas de salud, transformación digital, cambio climático y cohesión social.
Por eso, la inversión no debería centrarse sólo en adquirir tecnología, sino en:
Consolidar arquitecturas nacionales y regionales de inteligencia epidémica, interoperables y basadas en estándares.
Fortalecer la gobernanza de IA y de datos, incluyendo marcos éticos y legales.
Desarrollar capacidades humanas e institucionales para operar estas plataformas.
Asegurar que estas infraestructuras conserven su carácter de bien público global, con transparencia y participación.
Conclusión
La COVID‑19 fue una prueba de estrés extrema para la gobernanza de la salud digital y la inteligencia epidémica. Mostró que el problema no era únicamente la falta de datos o de modelos, sino la incapacidad de coser de forma coherente funciones de salud pública, niveles de gobierno y actores internacionales.
La IA, integrada de manera responsable, puede convertirse en ese hilo de unión que fortalece la vigilancia, la planificación, la comunicación y la regulación; que transforma datos ruidosos en inteligencia accionable; y que conecta agendas de salud, desarrollo y estabilidad económica.
Pero esto exige pasar de sistemas fragmentados y reactivos a un sistema integrado y proactivo, guiado por una gobernanza de IA centrada en derechos, transparencia y confianza. Concebida como bien público global, la inteligencia epidémica es uno de los pilares más estratégicos para la seguridad sanitaria y la resiliencia de nuestras sociedades en el siglo XXI.
Referencias
Organización Mundial de la Salud. WHO upgrades its public health intelligence system to boost global health security. Disponible en: https://www.who.int/news/item/13-10-2025-who-upgrades-its-public-health-intelligence-system-to-boost-global-health-security
Abat C. Traditional and syndromic surveillance of infectious diseases. Int J Infect Dis.
Brownstein JS et al. Advances in artificial intelligence for infectious-disease surveillance. N Engl J Med.
Morley J et al. The ethics of AI in health care. Soc Sci Med.
Li J et al. Enhancing epidemic forecasting accuracy by combining real-time and historical data. JMIR Public Health Surveill.
Santillana M et al. Combining search, social media, and traditional data sources to improve influenza surveillance. PLoS Comput Biol.