En Chile, la promesa de la IA en salud enfrenta un cuello de botella más básico que la tecnología: la ausencia de un sistema de información clínica interoperable que permita a un historial acompañar al paciente entre prestadores y a lo largo de su vida. Sin esa infraestructura, la promesa de la IA es, en la práctica, de bajo impacto. El desafío no es nuevo. En 2016, Corfo impulsó la creación del Centro Nacional en Sistemas de Información en Salud, conocido como CENS, con el objetivo de acelerar la digitalización y adoptar estándares de interoperabilidad como HL7/FHIR (HL7 es Health Level Seven, un marco de estándares, y FHIR es Fast Healthcare Interoperability Resources, un estándar de interoperabilidad) para construir fichas médicas electrónicas integradas y habilitar interfaces que permitan a los pacientes gestionar su información. “La verdadera transformación no depende solo de nuevos algoritmos, sino de decisiones de política pública que Chile ha postergado por casi una década”, señala el análisis. Solo sobre esa base la inteligencia artificial puede generar beneficios significativos. El uso de datos anonimizados permite desarrollar modelos predictivos que, combinados con historiales clínicos individuales, habilitan una medicina preventiva, incluyendo detección temprana de enfermedades, reducción de errores diagnósticos, menor duplicación de exámenes y una gestión más eficiente de la demanda. En términos simples, mejor salud a menor costo. Sin embargo, el avance ha sido incompleto. Aunque se ha fortalecido el derecho de los pacientes a acceder a su información mediante la Ley 20.584 de Derechos y Deberes de los Pacientes, no existe una obligación efectiva de compartir datos en forma estandarizada y en tiempo real. Tampoco un marco robusto para el uso de datos anonimizados que asegure consentimiento expedito, trazabilidad y confianza. La evidencia muestra que el problema no es de capacidad técnica. En 2017, Chile implementó un piloto de receta médica electrónica interoperable, liderado por CENS y Fonasa, con participación de prestadores públicos y privados. El piloto demostró viabilidad y la necesidad de una gobernanza clara. Fue una prueba de concepto exitosa que, sin embargo, no escaló por falta de prioridad política y de un mandato regulatorio que obligue a interoperar. Hoy el contexto ha cambiado. La expansión de la inteligencia artificial exige avanzar en interoperabilidad, gobernanza de datos y un marco regulatorio que permita usar datos anonimizados con consentimiento y trazabilidad. Sin esa base, la promesa de la IA en salud se queda en teoría, ya que modelos predictivos podrían reducir errores, mejorar la prevención y optimizar exámenes, pero para lograrlo se requieren datos coordinados entre prestadores y un marco de confianza para pacientes y profesionales.