A la fecha no existe un inventario que nos permita conocer todo lo que está sucediendo en Colombia en esta materia. En conversaciones con expertos y en redes sociales pueden verse algunos ejemplos. Tal es el caso del Hospital Militar Central y la Fundación Cardioinfantil-LaCardio, ambas entidades localizadas en Bogotá, que apoyadas por empresas como OxLER están invirtiendo en la creación de sus Unidades de Inteligencia Artificial Clínica, concebidas ante todo como estructuras de gobernanza de la estrategia hospitalaria de IA. Estas unidades han definido un andamiaje operativo, jurídico y ético específico para el uso de IA en salud; han diseñado políticas de sostenibilidad y huella ambiental de sus proyectos digitales y han establecido una arquitectura robusta de gobierno y ciclo de vida de los datos (calidad, acceso, seguridad, interoperabilidad y uso secundario responsable). Lo positivo es que estas iniciativas no buscan “acumular algoritmos” de manera desorganizada, sino preparar al hospital para incorporar o desarrollar modelos de IA, integrarlos a sus flujos clínicos y administrativos y enfocarlos en la solución de problemas reales: desde la priorización de pacientes hasta la optimización de recursos y la trazabilidad de las decisiones. En otras instituciones como la Fundación Neurooncológica del Oriente (FNO) se está trabajando en el rediseño de sus modelos de atención de servicios oncológicos con IA. En el Hospital Internacional de Colombia-FCV, en Bucaramanga, se está piloteando un modelo de consulta externa donde la historia clínica es asistida por reconocimiento de voz; también en sistemas de medición de tiempos en quirófanos usando comandos de voz y, finalmente, análisis de imágenes para predecir caídas.

Por nuestra parte, en la Fundación Valle del Lili concebimos la IA como una herramienta capaz de impactar tangiblemente tanto los procesos asistenciales como la gestión operativa. A través de nuestra Unidad de Inteligencia Artificial articulamos las áreas clínicas, administrativas y tecnológicas para convertir los datos institucionales en decisiones oportunas. Un ejemplo representativo de esta visión es el abordaje de la inasistencia a citas médicas, un problema frecuente en las instituciones de salud que fragmenta la continuidad del cuidado, incrementa los tiempos de espera y genera ineficiencias por el subuso de los recursos. Específicamente en el servicio de medicina interna, caracterizado por un alto volumen de pacientes, las estrategias convencionales de mitigación resultaban insuficientes ante la magnitud y la complejidad del fenómeno, lo que evidenció la necesidad de herramientas analíticas que potenciasen la capacidad de respuesta institucional.

Para enfrentar este desafío, abordamos el problema mediante ciencia de datos e IA, utilizando un registro histórico institucional que integra variables sociodemográficas, clínicas y del historial previo del paciente. El resultado fue el desarrollo de un modelo predictivo capaz de identificar a los pacientes con alta probabilidad de faltar a su próxima consulta, alcanzando una exactitud del 84,8 %. Este nivel de precisión permite estratificar el riesgo con verdadera utilidad operativa. Adicionalmente, mediante técnicas de interpretabilidad, se identificaron los predictores más relevantes, como el historial de inasistencias previas, la temporalidad de la cita y la carga de enfermedad (número de diagnósticos y medicamentos). Esta evidencia permitió pasar de la reacción a la acción preventiva, diseñando intervenciones personalizadas que no solo favorecen la continuidad asistencial, sino que habilitan una gestión focalizada de las agendas, disminuyendo tiempos de espera y optimizando el uso de los recursos institucionales.