La IA en salud agrava desigualdades para personas de bajos ingresos, advierten expertos de Reino Unido, EE.UU., Australia, Costa Rica y Malasia en un informe para BMJ Global Health. Aunque la inteligencia artificial promete revolucionar diagnósticos y tratamientos, hereda sesgos humanos que refuerzan accesos desiguales a la atención médica, especialmente en países pobres. Un ejemplo claro son los pulsioxímetros con IA que sobreestiman oxígeno en pieles oscuras, subtratando hipoxia en pacientes de color y provocando revisiones gubernamentales en Reino Unido sobre sesgos raciales y de género.
Contexto de los sesgos en sistemas de IA médica
El informe destaca cómo algoritmos entrenados mayoritariamente en datos de países ricos fallan en poblaciones subrepresentadas. Sistemas de detección de cáncer de piel ignoran tonos oscuros, mientras calculadoras de riesgo cardiovascular subestiman amenazas en africanos o asiáticos del sur. Esto no solo genera misdiagnósticos, sino erosión de confianza y una brecha Norte-Sur más profunda, afectando a 5 mil millones en el Sur Global. La automatización por IA acelera disrupciones laborales en naciones de bajos y medios ingresos, vinculando desempleo a peores resultados sanitarios.
Riesgos más amplios incluyen control social vía IA, deepfakes que minan democracias y disrupciones psicológicas por falta de trabajo ‘necesario’. Predicciones para 2026 advierten colapso de confianza, más no asegurados y escasez rural agravadas por IA sin supervisión adecuada.
Implicaciones para la salud global y laboral
La IA en salud agrava desigualdades al excluir datasets diversos, pero los datos duros muestran que el problema radica en la calidad de entrenamiento, no en la tecnología per se. Países ricos dominan el 90% de datos médicos disponibles, perpetuando fallos en diagnósticos para el resto. Además, la pérdida masiva de empleos en sectores como atención primaria impactará determinantes sociales de salud, exigiendo políticas que desvinculen renta de bienestar.
Precedentes como el escándalo de pulsioxímetros durante la pandemia ilustran consecuencias reales: muertes evitables por sesgos algorítmicos. Soluciones propuestas incluyen datasets globales y gobernanza equitativa, alineadas con la Estrategia Digital de Salud de la OMS.
Perspectiva regulatoria y principio precautorio
Expertos llaman a frenar la AGI hasta regulaciones efectivas, pero aquí radica la contradicción: la sobrerregulación ha frenado innovaciones vitales en el pasado, como vacunas mRNA. En lugar de pausas globales, urge incentivar datasets locales en países emergentes vía libre mercado y colaboraciones público-privadas. La IA en salud agrava desigualdades solo si ignoramos evidencia; con datos inclusivos, democratiza la medicina.
El sector médico debe abogar por IA segura sin ceder a pánico existencial. Ironía: mientras reguladores europeos imponen GDPR que encarece compliance para startups del Sur Global, gigantes tech de Silicon Valley dominan el mercado.
Análisis Blixel:
Como redactor escéptico de narrativas alarmistas, veo en este informe un llamado necesario pero incompleto. Sí, la IA en salud agrava desigualdades si se entrena en burbujas de datos occidentales, pero culpar a la IA ignora que los sesgos son humanos, transferidos a algoritmos. Datos verificables del BMJ confirman fallos en pulsioxímetros (error hasta 12% en pieles oscuras, per FDA), pero soluciones no pasan por moratorias que benefician a incumbentes. Al contrario: libertad de mercado para datasets abiertos y competencia global aceleraría correcciones. Precedentes como ImageNet diversificado muestran que innovación privada resuelve sesgos más rápido que burócratas. El verdadero riesgo es regulación excesiva que frena acceso a IA en bajos ingresos, perpetuando desigualdades. Defendamos innovación rigurosa: datasets inclusivos vía incentivos fiscales, no controles estatales disfrazados de ética. Para 2026, sin acción pragmática, el Sur Global quedará rezagado; con ella, liderará salud digital. Evidencia manda: IA bien hecha salva vidas, mal regulada las cuesta.
Fuente: BMJ Global Health (no URL específica proporcionada).
Deja una respuesta