No todas las urgencias son iguales. Esa es, quizás, la conclusión más relevante de un estudio publicado recientemente en The Lancet Global Health, en el que participé junto a más de 70 expertos de todo el mundo. El objetivo era establecer el primer consenso global sobre cómo alinear la investigación en inteligencia artificial y ciencia de datos con las prioridades reales de la salud global.
Los resultados revelan una brecha significativa. Los expertos de países de ingresos bajos y medios priorizaron necesidades concretas e inmediatas: herramientas para anticipar brotes de enfermedades infecciosas, mejorar el diagnóstico de tuberculosis, malaria y Covid-19 en contextos con recursos limitados, y sistemas de alerta temprana ante epidemias. Los expertos de países de ingresos altos, en cambio, pusieron el foco en aspectos de infraestructura: integración de datos climáticos, cadenas de suministro y optimización de sistemas ya existentes.
Esta diferencia no es un detalle menor. Refleja el riesgo de que las agendas de investigación en IA en salud se definan desde realidades con más recursos, dejando fuera las necesidades de los sistemas que enfrentan las mayores cargas de enfermedad. La inteligencia artificial tiene un potencial real para transformar la salud global, pero ese potencial solo se puede concretar si las prioridades de investigación responden a los contextos donde el impacto puede ser mayor.
El consenso también revela una tensión concreta: las prioridades con mayor potencial de impacto son, en muchos casos, las que enfrentan mayores desafíos de implementación. La brecha entre lo que sería más útil y lo que la infraestructura actual puede sostener es parte del problema que esta agenda busca atender. Esta hoja de ruta, construida con voces de todo el mundo, ofrece una base concreta para orientar inversiones, políticas públicas y colaboraciones internacionales.
Su valor está en asentar la agenda no en lo que la tecnología promete, sino en lo que los sistemas de salud pueden adoptar y necesitan con urgencia.