En el mapa de la innovación sanitaria europea, Lombardía suele figurar como un laboratorio de avanzada. La región concentra una red densa de hospitales públicos y privados, institutos de investigación biomédica y centros tecnológicos vinculados a la Universidad Bocconi y al Politécnico de Milán. No sorprende, entonces, que haya sido elegida como escenario de una encuesta pionera sobre la adopción real de inteligencia artificial (IA) en la práctica clínica.
El trabajo, realizado por el Center for Research on Health and Social Care Management (CERGAS) de la SDA Bocconi, recopiló datos entre diciembre de 2023 y junio de 2024 e involucró a 46 organizaciones sanitarias públicas y privadas. El objetivo: medir hasta qué punto la IA —tan citada en los discursos sobre el futuro de la salud— ha logrado incorporarse efectivamente a los hospitales, los diagnósticos y las decisiones terapéuticas.
Tres velocidades en un mismo sistema
El estudio identificó 56 aplicaciones de IA en uso o desarrollo dentro del ecosistema sanitario lombardo. Sin embargo, más de la mitad de las instituciones consultadas (57%) no utiliza ninguna herramienta basada en IA. Entre las que sí lo hacen, el panorama se divide en dos modelos opuestos: un pequeño grupo (13%) que desarrolla soluciones propias o en alianza con universidades y tecnológicas, y un grupo más numeroso (30%) que compra herramientas comerciales ya certificadas.
El contraste entre ambos enfoques es revelador. Las organizaciones que apuestan por el desarrollo interno tienden a ser institutos de investigación y hospitales de alta complejidad. Allí la IA se usa para crear modelos predictivos aplicados a enfermedades crónicas, rehabilitación o neurología. Pero ninguno de esos desarrollos locales ha alcanzado todavía la certificación Conformité Européenne (CE), requisito indispensable para su uso pleno en pacientes.
En cambio, los hospitales que adquieren soluciones comerciales se concentran en diagnósticos por imagen: radiología, endoscopía digestiva y cardiología. En estos casos, las herramientas ya cuentan con aprobación regulatoria y se integran con equipos médicos o sistemas de información existentes. No obstante, la adopción suele limitarse a tareas específicas dentro del flujo clínico, sin modificar de manera profunda la organización del trabajo médico.
Las barreras invisibles
Los autores del estudio —Vittoria Ardito, Giulia Cappellaro, Amelia Compagni, Francesco Petracca y Luigi Preti— insisten en un punto: la brecha entre el potencial de la IA y su uso efectivo no es solo tecnológica, sino cultural y organizacional. Las principales barreras identificadas varían según el tipo de institución. En los centros que desarrollan IA, las preocupaciones giran en torno a la privacidad, la interoperabilidad de los datos y la falta de incentivos económicos. En los hospitales compradores, en cambio, el obstáculo dominante es la cultura corporativa: la desconfianza del personal sanitario frente a algoritmos que intervienen en decisiones clínicas.
El diagnóstico es consistente con otras investigaciones europeas. La falta de personal calificado, los marcos regulatorios poco claros sobre responsabilidad médica y la ausencia de evidencia clínica robusta también se repiten como factores inhibidores. Pero el dato más inquietante surge del número: apenas el 19% de las aplicaciones identificadas se usan de manera rutinaria en la práctica diaria. El resto se mantiene en fase experimental o de prueba piloto.
Innovar desde la gestión
Más allá de los porcentajes, el estudio ofrece una lección estratégica: la innovación tecnológica en salud no depende únicamente del desarrollo de algoritmos, sino de la capacidad institucional para gestionarlos. Los pocos hospitales que avanzaron con éxito establecieron estructuras formales de gobernanza, con roles definidos para liderar proyectos de IA y presupuestos asignados. También generaron vínculos con universidades y startups, lo que permitió combinar conocimiento clínico y competencias tecnológicas.
Por contraste, la mayoría de las organizaciones sin adopción formal carece de instancias de formación o de equipos interdisciplinarios. Apenas una de cada cuatro reportó haber implementado algún grupo interno para explorar proyectos de IA. En estas condiciones, la tecnología queda subordinada a la inercia administrativa: sin visión estratégica, los avances aislados difícilmente se traducen en transformaciones de escala.
Radiología: el punto de entrada
La especialidad médica que mejor sintetiza esta dinámica es la radiología. Con un 30% de las aplicaciones identificadas, se convirtió en la puerta de entrada de la IA en los hospitales. La razón es doble: la madurez de las soluciones disponibles en el mercado y la abundancia de datos digitalizados. Los algoritmos aplicados al análisis de imágenes médicas permiten acelerar diagnósticos, detectar anomalías sutiles y reducir los tiempos de espera. Sin embargo, su implementación suele quedar encapsulada en el área tecnológica, sin un replanteo integral del proceso clínico.
“Lombardía muestra que la IA puede mejorar la precisión y la eficiencia, pero también que la innovación debe ir acompañada por una política institucional”, señala el informe. En otras palabras, la digitalización sin estrategia no genera transformación, apenas automatiza procedimientos existentes.
Una agenda para los próximos años
El equipo de Bocconi propone una hoja de ruta con tres frentes: colaboración público-privada, formación profesional y regulación adaptativa. La primera implica crear consorcios regionales que integren hospitales, universidades y empresas tecnológicas, evitando que cada institución repita esfuerzos aislados. La segunda apunta a capacitar al personal médico y administrativo en competencias digitales, un requisito indispensable para que las herramientas de IA se comprendan y se usen de manera responsable. La tercera busca clarificar las normas sobre responsabilidad legal, evaluación de eficacia y protección de datos, de modo que las innovaciones puedan escalar sin riesgos jurídicos.
El desafío es doble: acelerar la adopción sin comprometer la seguridad. “No basta con adquirir software o sensores inteligentes —advierte el estudio—; se trata de rediseñar la práctica médica a partir de nuevas relaciones entre profesionales, pacientes y datos.”
Del laboratorio al sistema
El caso lombardo ofrece, en definitiva, una fotografía de transición. Un ecosistema con capacidad científica y tecnológica probada, pero aún lejos de la integración sistémica de la inteligencia artificial. La velocidad del cambio dependerá menos de la evolución del machine learning que de la gobernanza institucional: políticas de incentivos, inversión sostenida y, sobre todo, confianza.
En el horizonte, la IA promete convertirse en un instrumento cotidiano del acto médico, tan natural como el estetoscopio en el siglo XIX. Pero su consolidación requerirá un aprendizaje colectivo: médicos que entiendan algoritmos, gestores que comprendan ciencia de datos y legisladores que acompañen la innovación sin frenar la ética del cuidado.
Como toda revolución tecnológica, la de la inteligencia artificial no se juega solo en los laboratorios, sino en la manera en que las instituciones deciden —o no— cambiar sus propias reglas.
