La inteligencia artificial (IA) ya está dejando huella en la medicina, pero hay un cuello de botella que nadie puede esquivar: el acceso a datos clínicos en cantidad y calidad, sin poner en riesgo la privacidad de los pacientes. En ese punto los datos sintéticos empiezan a ser un factor clave.
Los datos sintéticos son conjuntos de información generados por algoritmos capaces de replicar las propiedades estadísticas de datos clínicos reales, pero sin exponer identidades ni historiales personales. No son bases “maquilladas”, sino que datos nuevos que reproducen patrones clínicos verosímiles.
Como explica Diego Pereyra, director médico global de Healthcare en Softtek, “esta tecnología abre un nuevo horizonte para la investigación en salud, ya que acelera los ensayos clínicos, el desarrollo de nuevos medicamentos y permite que los hospitales construyan redes de datos confiables, con muestras representativas a escala regional o incluso global.” Esa combinación permite algo que antes era casi imposible: simular escenarios médicos complejos, entrenar algoritmos de soporte al diagnóstico o validar terapias digitales sin recurrir a bases clínicas reales. También habilita trabajar con enfermedades raras o combinaciones muy poco frecuentes, donde la falta de volumen suele frenar la investigación.
Un impulso para Chile y la región En América Latina, donde la fragmentación de los sistemas de salud y la escasez de repositorios clínicos robustos siguen siendo desafíos, los datos sintéticos se vuelven un acelerador. En Chile, la tecnología empieza a ganar un lugar prioritario en la agenda pública y gremial ligada a la digitalización sanitaria.
Durante el último tiempo, encuentros clave como el foro «IA y Salud en Chile 2026» (impulsado por la ACTI) y los debates liderados por el CENS (Centro Nacional en Sistemas de Información de Salud) han puesto el foco en la interoperabilidad, gobernanza de datos e investigación segura, como los pilares fundamentales para entrenar algoritmos de manera ética. Al mismo tiempo, las universidades han comenzado a empujar la formación de profesionales de la medicina en competencias de Machine Learning y modelos predictivos.