La salud digital ya va mucho más allá de la receta electrónica o la telemedicina. Tecnologías como la inteligencia artificial explicable, el aprendizaje federado, los biosensores o los escribas digitales empiezan a ganar peso en hospitales y sistemas sanitarios con un objetivo claro: diagnosticar mejor, anticiparse a la enfermedad y liberar tiempo clínico. El cambio, sin embargo, no dependerá solo de que estas herramientas existan, sino de que se integren bien en la práctica asistencial.
España parte de una posición favorable en algunos ámbitos. La receta electrónica interoperable y la historia clínica digital han avanzado con fuerza, pero el desarrollo de la salud digital sigue condicionado por problemas de fondo como la fragmentación territorial, la brecha digital y las dificultades para compartir y entender los datos con criterios homogéneos entre distintos sistemas. Tener tecnología disponible es importante. Conseguir que funcione bien en el día a día de médicos, enfermeras y pacientes lo es mucho más.
En esa línea se pronuncia Francesc Saigí Rubió, director del Centro Colaborador en Digital Health de la Organización Mundial de la Salud y catedrático de los Estudios de Ciencias de la Salud de la UOC. Según explica en un artículo publicado en la página web de la UOC, el potencial transformador de estas tendencias dependerá de factores muy concretos: marcos regulatorios adaptativos, una gobernanza robusta del dato, interoperabilidad semántica y una integración real en la práctica clínica que reduzca fricciones para profesionales y pacientes.
IA explicable, aprendizaje federado y biosensores
Entre las tecnologías con más recorrido aparece la inteligencia artificial explicable, también conocida como XAI. Frente a modelos que funcionan como una caja negra, este enfoque busca que los algoritmos predictivos sean más transparentes y más fáciles de validar en entornos clínicos. Ese matiz importa porque, en sanidad, no basta con acertar. También hay que poder entender por qué se propone una alerta, un riesgo o una recomendación.
Su aplicación puede ser especialmente útil en sistemas de apoyo a la decisión clínica y en el análisis de historias médicas. Algunas investigaciones ya han explorado, por ejemplo, su capacidad para predecir choques sépticos a partir de datos de unidades de cuidados intensivos o para analizar cómo cambia la relación de los radiólogos con las sugerencias de la IA al revisar mamografías. Cuando un profesional entiende mejor la lógica del sistema, aumenta la confianza y mejora la capacidad de supervisión.
Otra tendencia con peso creciente es el aprendizaje federado. Su valor está en que permite entrenar modelos analíticos multicéntricos sin centralizar datos sensibles. Es decir, los sistemas aprenden de la información alojada en distintos centros, pero sin necesidad de mover todos esos datos a una única base. Lo que se comparte son actualizaciones agregadas del modelo, no los historiales clínicos completos.
Ese enfoque resulta especialmente útil en contextos donde la privacidad y las restricciones legales son críticas. También abre oportunidades interesantes en áreas como las enfermedades raras o la predicción de complicaciones, donde disponer de datos de varios hospitales puede marcar la diferencia. En 2024, un proyecto universitario internacional aplicó esta lógica al estudio de tumores pediátricos, un ejemplo claro de cómo combinar escala analítica y protección del dato.
Junto a estas herramientas, empieza a explorarse también el papel de tecnologías como blockchain para reforzar la trazabilidad, la integridad y la auditoría de accesos y consentimientos en historiales clínicos. En sistemas donde participan hospitales, aseguradoras, centros especializados y distintos profesionales, saber quién accede a un dato, cuándo lo hace y con qué autorización puede ser clave para reforzar la confianza.
En paralelo, los biosensores y los dispositivos portables conectados en tiempo real con la historia clínica están empujando un cambio de modelo. La medicina deja de apoyarse solo en episodios aislados, como una consulta o una prueba puntual, para incorporar señales continuas del paciente. Por ejemplo, un wearable puede registrar variaciones constantes en frecuencia cardiaca, sueño o actividad y ayudar a detectar antes una descompensación.
Esa evolución tiene implicaciones prácticas importantes. Puede facilitar la detección precoz de riesgos, el ajuste dinámico de tratamientos o la rehabilitación monitorizada. Aun así, plantea retos claros: falsas alarmas, sobrecarga de información y riesgo de trasladar más presión a profesionales que ya trabajan en entornos exigentes.
El dato sanitario deja de ser solo administrativo
Otra pieza fundamental de esta transformación es la interoperabilidad semántica avanzada. No se trata únicamente de conectar sistemas, sino de garantizar que todos interpretan la información clínica con el mismo significado. En sanidad, compartir un dato sin compartir bien su sentido puede generar errores, duplicidades o limitaciones analíticas.
Ese esfuerzo de estandarización resulta imprescindible para varias cosas a la vez:
- Analizar poblaciones de forma fiable
- Entrenar modelos predictivos entre centros
- Integrar datos de dispositivos médicos en tiempo real
- Mejorar la coordinación entre sistemas y profesionales
En la práctica asistencial más inmediata, también empiezan a abrirse paso tecnologías menos vistosas, pero muy útiles. Es el caso de la ambient AI y los escribas digitales, que automatizan parte de la documentación clínica. Esto puede parecer un detalle menor, pero no lo es. Si un médico reduce el tiempo que dedica a escribir notas y rellenar sistemas, gana minutos para mirar al paciente, escuchar mejor y tomar decisiones con menos fatiga acumulada.
Una prueba piloto en Stanford con 48 médicos encontró reducciones significativas en la carga de trabajo y en el burnout tras el uso de escribas ambientales con IA. Ese dato resume bien una de las ideas centrales de la nueva salud digital: su verdadero impacto puede estar en liberar tiempo clínico y reducir fricción operativa, no solo en añadir más tecnología al sistema.
Según Saigí, los datos sanitarios, apoyados por analítica avanzada e inteligencia artificial, están dejando de ser un subproducto administrativo para convertirse en un activo estratégico. Historias clínicas, imágenes, analíticas, datos genéticos o registros de dispositivos conectados pueden alimentar una medicina más predictiva, personalizada y proactiva. En diagnóstico, por ejemplo, la IA puede reforzar el análisis de imágenes médicas, patología digital o registros procesados con lenguaje natural. No sustituye al profesional, pero sí puede ampliar su capacidad diagnóstica.
Más poder para el paciente, sin perder privacidad
Uno de los grandes objetivos de la salud digital es dar más capacidad al paciente para gestionar su propia salud. Pero ese empoderamiento solo tiene sentido si se construye sobre un entorno de confianza. Para ello hacen falta sistemas seguros, con control de accesos, autenticación multifactor, cifrado y registros de auditoría que permitan saber quién consulta los datos, cuándo y con qué finalidad.
A eso se suma una exigencia cada vez más relevante: que el paciente tenga un control real sobre su información mediante consentimientos dinámicos y granulares. Es decir, que pueda decidir qué comparte, con quién y para qué. También es clave que pueda acceder a sus propios datos y entenderlos. No hay verdadero empoderamiento si el paciente recibe información que no sabe interpretar.
España avanza, pero todavía arrastra límites estructurales
España ha construido una base sólida en salud digital. La penetración de la historia clínica y la receta electrónica interoperable ha mejorado la seguridad del paciente y ha sentado bases útiles para avanzar. Además, la Estrategia de Salud Digital 2021-2026 y los fondos europeos han impulsado nuevos desarrollos y repositorios orientados a investigación y análisis.
Según el Digital Health Index de Bertelsmann Stiftung, España ocupa el quinto puesto, por detrás de Estonia, Canadá, Dinamarca e Israel. El dato es positivo, pero no elimina los problemas estructurales. Persisten la fragmentación territorial, la dificultad para explotar el dato clínico no estructurado, la brecha digital que afecta a colectivos vulnerables, la necesidad de formar mejor a los profesionales y los crecientes riesgos de ciberseguridad.
Los países que lideran este ámbito no destacan solo por tener más herramientas. Destacan por integrarlas mejor. Estonia ha desarrollado una identidad digital robusta y trazabilidad de accesos. Dinamarca ha unificado la experiencia digital del ciudadano con un portal nacional y estándares obligatorios. Israel sobresale por el uso de registros longitudinales y analítica predictiva. Otros mercados, como Reino Unido, Estados Unidos, Corea del Sur o China, muestran fortalezas distintas en innovación, despliegue o capacidad de escala.
España, por su parte, todavía tiene margen para mejorar en gobernanza del dato, estandarización interoperable y capacidad para convertir pilotos en práctica clínica rutinaria. Esa será una de las claves de los próximos años. La nueva salud digital no dependerá solo de lanzar más proyectos. Dependerá de algo más exigente: hacer que esas tecnologías se vuelvan útiles, comprensibles, seguras y sostenibles dentro del trabajo real de los sistemas sanitarios.
