Un informe de diagnóstico por imágenes puede demorar varios días después de que el estudio terminó. Una cancelación detectada demasiado tarde deja un consultorio vacío y una cama que permanece ocupada en el sistema; después del egreso, retrasa el siguiente ingreso. Son problemas diferentes, pero comparten una causa. La información no llega a la persona indicada en el momento necesario.
El concepto de hospitales inteligentes empieza a tomar forma alrededor de esas demoras. La IA puede transformar el dictado de un radiólogo en un borrador estructurado, confirmar turnos y ayudar a organizar procesos administrativos. Su rendimiento, sin embargo, depende de una base menos visible compuesta por historias clínicas electrónicas, agendas, sistemas de imágenes y datos consistentes.
Un relevamiento de Eliciting Insights entre ejecutivos de 120 sistemas de salud de Estados Unidos encontró que, en febrero de 2026, el 75% utilizaba o planeaba incorporar al menos una aplicación de IA, frente al 59% registrado un año antes. El avance se concentra en tareas cotidianas que consumen tiempo profesional. La toma de notas clínicas y la escucha ambiental representaron el 68% de las soluciones implementadas o previstas.
Argentina atraviesa un proceso más fragmentado. La digitalización del sistema de salud argentino avanza entre instituciones con distintos niveles de madurez, proveedores que utilizan arquitecturas propias y registros que todavía no siempre pueden intercambiar información.
El salto hacia un hospital inteligente ocurre cuando esas capas comienzan a conectarse entre sí. El objetivo consiste en reducir una demora concreta, aprovechar mejor la capacidad instalada y proporcionarle al profesional información útil sin quitarle el control de la decisión.
Índice de temas
El primer paso consiste en elegir qué demora reducir
Incorporar inteligencia artificial a todos los procesos simultáneamente puede generar más complejidad que beneficios. La implementación debería comenzar por un problema operativo que la institución pueda medir. Puede ser la demora en los informes, el ausentismo, la ocupación de camas, los errores de carga o el tiempo necesario para presentar una prestación ante el financiador.
Cada caso necesita datos diferentes. Un informe radiológico depende de los sistemas de almacenamiento de imágenes, mientras que la recuperación de un turno exige vincular la agenda con los canales utilizados por los pacientes. Una historia clínica incompleta o un registro duplicado pueden trasladar sus errores al modelo y acelerar una decisión equivocada.
Antes de automatizar, la institución debería identificar cómo circula la información y dónde se carga más de una vez. Ese mapa permite elegir qué parte conviene intervenir, cuál necesita validación humana y qué indicador servirá para comprobar el resultado.
Cuando el dictado se convierte en un informe estructurado
“Los centros o áreas de diagnóstico por imagen enfrentan un cuello de botella crítico en la etapa de confección y entrega de informes”, explicó Ignacio Argüello Ontiveros, CEO y fundador de Omnimed AI, a Innovación Digital 360. La redacción manual y los sistemas de dictado poco adaptados al lenguaje médico pueden retrasar la entrega de un resultado hasta en 5 días. La demora también aumenta la fatiga del profesional y limita la cantidad de estudios que el centro puede procesar.
El reconocimiento de voz adaptado al lenguaje médico busca acortar esa etapa. Mientras observa las imágenes, el especialista dicta sus hallazgos y el sistema organiza el contenido en secciones como técnica, hallazgos y conclusión. Argüello Ontiveros explicó cómo se presenta en Omnimed AI. “El informe redactado aparece en segundos en la interfaz, listo para que el profesional realice una revisión rápida”. La validación y la firma permanecen a cargo del radiólogo.
La herramienta actúa sobre la documentación y no interpreta las imágenes para emitir un diagnóstico autónomo. El radiólogo continúa a cargo del análisis y decide qué información debe incluir el documento final.
Los resultados informados por la empresa corresponden a implementaciones en el Sanatorio de la Cañada, el Instituto Médico Río Cuarto, Imagen Villa Regina y el Sanatorio Santa Fe. “Los que entregaban en 48 horas o más ahora comunican que se entrega el mismo día o en 24 horas”, afirmó su fundador.
En resonancias magnéticas y tomografías computadas, la compañía también reporta mejoras de entre tres y cuatro veces más rápidas que la escritura manual y hasta un 30% más veloces que un sistema de dictado literal. Al tratarse de datos propios, deben compararse con la situación inicial de cada institución, el tipo de estudio y el número de correcciones posteriores.
El ahorro de tiempo pierde sentido si aumenta el riesgo de error. La evaluación también debe considerar la proporción de textos corregidos, los términos malinterpretados y el tiempo real de revisión.
La integración evita cambiar de pantalla y copiar información
Una solución de dictado puede funcionar de manera independiente, aunque obliga a copiar la información si no se integra con los sistemas que el radiólogo ya utiliza. La integración suele involucrar tres piezas de la infraestructura sanitaria:
- PACS, donde se almacenan y visualizan las imágenes médicas.
- RIS, utilizado para gestionar estudios, agendas y procesos radiológicos.
- HCE, la historia clínica electrónica que reúne la información asistencial del paciente.
Omnimed AI desarrolló una interfaz para conectar su herramienta con esos sistemas. “El médico no necesita cambiar de aplicación ni copiar y pegar”, resumió su CEO. El ejemplo muestra por qué una automatización aislada puede ahorrar tiempo en una tarea y luego volver a perderlo cuando la información debe trasladarse manualmente.
El mayor desafío suele surgir en el intercambio de información. La interoperabilidad entre historias clínicas, plataformas de prescripción y otros sistemas sanitarios exige identificadores consistentes, permisos, estándares comunes y una trazabilidad que permita saber qué aplicación creó o modificó cada dato.
El Ministerio de Salud de la Nación ubicó ese punto entre las prioridades de la Estrategia Nacional de Salud Digital 2025-2030. El Encuentro Nacional de Salud Digital 2026 buscó fortalecer el intercambio seguro de información entre sistemas, jurisdicciones y subsectores.
Turnos que se liberan antes de quedar vacíos
El ausentismo produce una pérdida difícil de recuperar. El profesional reserva una franja horaria; el consultorio y los equipos permanecen disponibles y la institución deja de atender a otra persona que podría haber utilizado ese espacio. “Una hora médica vacía representa un costo irrecuperable”, advirtió Pablo Abraham, de GDC Medtech, en diálogo con Innovación Digital 360.
En un período analizado en Estudios e Investigaciones, el sistema de GDC envió 4.407 recordatorios por WhatsApp un día antes de cada turno y obtuvo una tasa de respuesta del 78,5%. Un total de 585 pacientes, equivalentes al 13,3% de los mensajes enviados, canceló o reprogramó a través del bot.
Según Abraham, esos 585 espacios pudieron reutilizarse y facturarse. El resultado muestra que la automatización no necesita predecir el comportamiento de cada paciente para generar un impacto. Detectar una baja con suficiente anticipación y comunicarla en todos los canales puede recuperar una capacidad que antes quedaba ociosa.
La cantidad de mensajes enviados no es suficiente para medir el resultado. La institución necesita comprobar cuántos lugares liberados volvieron a ser ocupados y cuánto tiempo permanecieron disponibles. El canal también influye. En el caso informado por GDC, WhatsApp obtuvo más respuestas que el correo electrónico o el teléfono fijo, aunque la organización debe conservar alternativas para quienes no utilizan la aplicación.
La centralización conecta la atención con la facturación y las camas
Una clínica puede utilizar una planilla para las camas, un sistema para las historias clínicas, otro para el inventario y procesos en papel para la facturación. Esa fragmentación “genera fugas de facturación y errores de inventario constantes”, señaló Abraham. También obliga a repetir cargas, dificulta las auditorías y permite que una práctica o un insumo quede fuera de la liquidación.
Una plataforma integrada busca que un mismo evento actualice las áreas que dependen de él. En el sistema descrito por GDC, una práctica registrada en el legajo alimenta la facturación y el egreso médico libera la cama en la grilla administrativa. Esa conexión reduce las cargas repetidas y acelera la admisión del siguiente paciente.
La automatización, de todos modos, no cubre todos los pasos. La enfermería todavía carga manualmente los pedidos de farmacia y una versión futura podría sugerirlos a partir de las indicaciones médicas. La distinción permite separar las funciones activas de aquellas que permanecen en desarrollo o requieren confirmación humana.
La centralización facilita la gestión, pero también concentra riesgos. La historia clínica electrónica se convirtió en un objetivo crítico para los ataques informáticos porque reúne datos médicos, identificatorios y administrativos de gran valor. Los accesos deben limitarse por función, quedar registrados y revisarse cuando una persona cambia de tarea o deja la institución.
La calidad del dato define hasta dónde puede llegar la IA
La inteligencia artificial necesita información completa, consistente y disponible en el momento oportuno. Un modelo puede redactar un documento en segundos, pero no puede corregir por sí mismo una identificación duplicada, una práctica mal codificada o una fecha de egreso que nunca se registró.
Los datos clínicos ordenados en la nube permiten cruzar información de distintas áreas y escalar herramientas analíticas. Antes, la institución debe acordar formatos, responsables y reglas de calidad, además de definir qué sistema conserva el registro principal cuando dos aplicaciones manejan el mismo dato.
Las pruebas iniciales deberían limitarse a un proceso concreto. Un servicio de imágenes puede comenzar con un tipo de estudio y una clínica puede aplicar los recordatorios en una especialidad. La expansión resulta más segura cuando el equipo comprende qué hace la herramienta, qué decisión mantiene y a quién debe informar ante una anomalía.
Cómo medir una inversión en hospitales inteligentes
No existe un precio único para transformar una institución. El presupuesto depende de los sistemas instalados, las integraciones requeridas, el volumen de actividad y la calidad de los datos disponibles.
Antes de implementar una solución, el hospital o la clínica necesita establecer una línea de base. Los indicadores cambian según el proceso que se busca mejorar.
| Área evaluada | Indicadores |
|---|---|
| Diagnóstico por imágenes | Tiempo entre la realización del estudio y la entrega del informe, cantidad de estudios procesados y proporción de borradores que requieren correcciones importantes. |
| Gestión de turnos | Nivel de ausentismo y cantidad de espacios cancelados que vuelven a ocuparse. |
| Internación | Tiempo necesario para liberar una cama después del egreso y admitir al siguiente paciente. |
| Facturación y farmacia | Días transcurridos entre la prestación, la liquidación y la presentación al financiador, errores detectados y consumos que no se registran. |
| Tecnología y seguridad | Disponibilidad del sistema, interrupciones, tiempo de recuperación, accesos indebidos e incidentes de seguridad. |
Una mejora en la velocidad no basta para demostrar el resultado. La institución necesita comprobar que mantiene la calidad clínica y que no traslada la carga a otra área. También debe distinguir entre ahorro, capacidad recuperada e ingresos adicionales, porque un turno que vuelve a ocuparse y una factura presentada sin errores generan impactos diferentes.
El límite entre asistencia y decisión clínica
La automatización de documentos médicos plantea una cuestión de responsabilidad. Omnimed AI define su sistema como un asistente de documentación que genera un borrador, mientras que la edición final, la validación y la firma permanecen bajo el control del especialista.
“La responsabilidad legal y médica sobre el diagnóstico y el informe final es y será siempre del profesional de la salud firmante”, sostuvo Argüello Ontiveros. La revisión humana funciona como una barrera frente a un término malinterpretado o una omisión, aunque la institución también debe registrar las versiones y evaluar periódicamente los errores del sistema.
La supervisión no debería convertirse en una aprobación automática. La Organización Mundial de la Salud sostiene que el control humano sobre la inteligencia artificial sanitaria debe ser significativo, con monitoreo efectivo y transparente. La relación entre la IA, los médicos y los radiólogos exige definir quién revisa los errores, cómo se informa una falla y bajo qué condiciones corresponde suspender una función.
El dato necesario y el dato excesivo
La gestión hospitalaria utiliza información especialmente sensible. La Ley 25.326 incluye expresamente los datos de salud en esa categoría y exige que su tratamiento responda a una finalidad legítima. La Ley 26.529 también protege la intimidad, la confidencialidad y la integridad de la historia clínica.
Omnimed AI afirma que aplica cifrado a la información en tránsito y en reposo y que su herramienta no trabaja con datos personales del médico ni del paciente. La institución debe verificar, de todos modos, qué contenido se procesa, dónde se aloja y durante cuánto tiempo se conserva.
En GDC, el bot de WhatsApp opera con acceso limitado a los datos necesarios para confirmar o reprogramar un turno. “La IA no accede, no lee ni se entrena con la base de datos de las historias clínicas electrónicas confidenciales de los pacientes”, aseguró Abraham. El control por roles debería restringir también la información disponible para cada trabajador.
La separación de funciones reduce la exposición, pero debe comprobarse mediante configuraciones, registros de acceso y contratos. El centro de salud mantiene la responsabilidad sobre la información y necesita conocer qué terceros participan en su procesamiento.
