Inteligencia artificial en la salud: ¿Amenaza o aliada para salvar vidas en Panamá?
- 21/09/2026 00:00
Los especialistas aplican modelos algorítmicos para predecir patologías complejas, acelerar diagnósticos y aliviar la saturación en la red sanitaria panameña
Investigadores científicos, especialistas en ciencias exactas y profesionales de la salud en Panamá y América Latina aplican desde este mes de septiembre modelos matemáticos e inteligencia artificial (IA) dentro de la red asistencial pública para predecir la evolución de patologías de alto impacto, acelerar la detección temprana de enfermedades crónicas y optimizar el procesamiento de datos clínicos con el propósito de reducir las listas de espera y aliviar la saturación hospitalaria.
Lejos de constituir un ente autónomo o una amenaza reemplazante para el criterio clínico, la IA en el sector sanitario opera sobre una arquitectura de modelos matemáticos diseñados para simular procesos biológicos complejos.
La función de estas herramientas algorítmicas se concentra en el ajuste de parámetros, la limpieza de bases de datos masivas y el procesamiento de patrones en registros de salud que manualmente requerirían meses de análisis técnico, según los expertos.
En la práctica biomédica, la interacción entre las ciencias biológicas y las ciencias exactas resulta indispensable para traducir los fenómenos celulares a modelos computacionales.
La matemática de la Fundación para la Investigación Biomédica del Hospital Infantil Niño Jesús en España, Ana Niño, precisa la importancia de esta convergencia: “necesitamos que los algoritmos matemáticos, que el proceso que se estudia matemáticamente, se entienda desde la biología y todos sus ámbitos y viceversa”.
La construcción y el uso de esta tecnología no implica sustituir la función del profesional médico, sino potenciar la eficiencia operativa en los flujos de investigación y atención.
En este sentido, el matemático aplicado de la Universidad Tecnológica de Panamá (UTP), José Laguardia, enfatiza la utilidad práctica del sistema al señalar que “la IA no es que yo tenga que modelarla y construirla, sino que yo tengo que utilizarla como una herramienta que me va a acortar mis tiempos a la hora de desarrollar trabajo”. De este modo, la integración algorítmica simplifica tareas mecánicas para permitir que el personal sanitario centre sus esfuerzos en la interpretación y validación clínica.
A nivel global, la Organización Mundial de la Salud reporta que la aplicación de inteligencia artificial en el análisis de imágenes diagnósticas acelera la revisión de estudios hasta 30 veces en comparación con los métodos tradicionales.
En regiones en desarrollo de África y Asia, programas como CAD4TB emplean algoritmos en unidades móviles de rayos X para detectar signos de tuberculosis en zonas rurales sin acceso a especialistas radiólogos.
De igual forma, el sistema EyeArt AI analiza fotografías del fondo de ojo capturadas por personal técnico en comunidades aisladas para identificar retinopatía diabética antes de que cause pérdida irreparable de la visión.
En el ámbito latinoamericano, el despliegue de estos sistemas responde a la necesidad de gestionar la alta demanda asistencial en los centros hospitalarios.
En Colombia, la implementación de inteligencia artificial en centros de alta complejidad como la Fundación Cardioinfantil y la Fundación Cardiovascular de Colombia ha permitido procesar flujos masivos de datos clínicos en tiempo real dentro de las Unidades de Cuidado Intensivo.
Mediante el uso de algoritmos predictivos, estos sistemas analizan micro-variaciones en los signos vitales de los pacientes para anticipar colapsos cardíacos y predecir el riesgo de deterioro inminente, sirviendo como una herramienta analítica de soporte que optimiza los tiempos de reacción del personal médico antes de que ocurra una crisis irreversible.
Por su parte, en Chile, científicos desarrollaron modelos de aprendizaje automático para predecir la conducta de los usuarios y gestionar las agendas de consultas en la red pública.
Pese a estos avances, informes del Banco Mundial señalan que la región aún enfrenta limitaciones estructurales, como el hecho de que solo el 65% de los centros de atención primaria en países seleccionados utiliza historias médicas electrónicas, frente al 93% registrado en los países de la Organización para la Cooperación y el Desarrollo Económicos.
En el contexto nacional, la adopción de modelos predictivos muestra aplicaciones concretas en la identificación temprana de enfermedades no transmisibles que generan alta presión sobre el Ministerio de Salud y la Caja de Seguro Social.
El médico epidemiólogo e integrante de la Sociedad de Epidemiología y Modelaje Matemático, Arturo Rebollón, explica la función que cumple el sistema en la epidemiología local: “Nosotros utilizamos inteligencia artificial temprana en este país ya para detección temprana de cáncer de mama, que es el principal cáncer en las mujeres; lo utilizamos para detectar cuántas personas tienen complicaciones de enfermedades cardiometabólicas, por ejemplo, cuántos van a desarrollar enfermedad renal crónica”.
El procesamiento oportuno de esta información estadística es determinante para evitar que pacientes con hipertensión o diabetes progresen sin control hacia estadios avanzados que requieren tratamientos costosos como la hemodiálisis. Sobre este punto, el Dr. Rebollón sostiene: “Si yo no tuviera la inteligencia artificial, yo no podría procesar la cantidad de información que se requiere”.
La capacidad de clasificar a la población según su nivel de riesgo permite a las autoridades sanitarias dirigir intervenciones preventivas, disminuyendo las frecuencias de urgencia y acortando los tiempos de espera para procedimientos especializados.
De forma complementaria, el sector tecnológico en Panamá desarrolla plataformas de interoperabilidad clínica.
Durante el encuentro MaxIA Academy en septiembre de 2026, la empresa panameña Maxia presentó innovaciones como la plataforma Bieni —que conecta a más de 30,000 personas con más de 20 proveedores de salud— e integró la herramienta CareNet AI, un sistema orientado a mantener conectado el historial médico del usuario y registrar variaciones metabólicas entre consultas para facilitar el acompañamiento de los equipos tratantes.
El mantenimiento y la evolución de estos modelos analíticos requieren integrar profesionales de las ciencias exactas dentro del sistema sanitario público. A través de iniciativas impulsadas por la Secretaría Nacional de Ciencia, Tecnología e Innovación y las cámaras de comercio, se promueven plataformas de enlace que conectan a estudiantes e investigadores con pasantías y proyectos aplicados en salud pública.
En consecuencia, la inteligencia artificial se consolida como un instrumento de gestión que apoya la toma de decisiones médicas sin reemplazar la labor humana. Al agilizar el análisis de registros clínicos, digitalizar la información biomédica y prever la evolución de padecimientos complejos, el modelado matemático sustentado en algoritmos transforma la medicina reactiva tradicional en un esquema preventivo orientado a la sostenibilidad del sistema y al bienestar de la población.