La inteligencia artificial aplicada a salud suele presentarse como una promesa global, casi intercambiable entre contextos. Pero cuando aterriza en enfermedades concretas y sistemas de salud reales, el desafío cambia por completo. En Chile, uno de los casos más interesantes hoy no está en un benchmark internacional ni en una gran plataforma hospitalaria extranjera, sino en una investigación liderada por la Universidad Técnica Federico Santa María para apoyar decisiones clínicas sobre cáncer de vesícula biliar, una enfermedad especialmente crítica para el país.
Según informó la USM a fines de 2025, el proyecto busca desarrollar un sistema de recomendación asistido por inteligencia artificial que ayude a profesionales de la salud en diagnóstico, tratamiento y pronóstico. La iniciativa fue seleccionada en el concurso FONIS 2025 de la ANID, lo que ya entrega una señal de relevancia pública: no se trata solo de una exploración académica, sino de una línea de investigación orientada a fortalecer decisiones clínicas en un problema de alto impacto sanitario.
Por qué este caso importa especialmente en Chile
El cáncer de vesícula biliar no es una enfermedad cualquiera en el contexto chileno. La propia nota de la USM recuerda que Chile presenta una de las incidencias más altas del mundo en este tipo de cáncer, con un impacto especialmente severo en mortalidad. Esa condición vuelve mucho más significativo el proyecto: no estamos hablando de aplicar IA a un problema abstracto, sino a una patología donde el país tiene una necesidad concreta y una carga epidemiológica singular.
En otras palabras, esta investigación tiene algo que muchas iniciativas de IA en salud todavía no logran: una conexión directa entre capacidad técnica y realidad local. Eso la vuelve editorialmente muy valiosa, porque permite hablar de IA chilena no como adopción tardía de herramientas externas, sino como intento serio de construir modelos ajustados a condiciones nacionales.
Qué propone la investigación
La idea central del proyecto es crear una plataforma que permita ingresar parámetros clínicos y devolver información predictiva y recomendaciones que complementen el análisis profesional. Según explicó el académico Werner Kristjanpoller, la iniciativa se organiza en dos grandes ejes. El primero se enfoca en identificación de riesgo: modelos que estimen la probabilidad de desarrollar la enfermedad. El segundo se activa una vez confirmado el diagnóstico y busca entregar apoyo para orientar alternativas de tratamiento, intervenciones quirúrgicas y pronósticos de sobrevivencia.
La arquitectura combina machine learning y transfer learning. Este último punto es especialmente importante porque toca una dificultad muy concreta del ecosistema local: la escasez de datos nacionales robustos y estandarizados. En vez de esperar a contar con datasets perfectos, el proyecto plantea arrancar con bases más generales y luego ajustar los modelos incorporando variables específicas del contexto chileno.
El verdadero problema no es solo el modelo, sino los datos
Aquí aparece uno de los aspectos más interesantes del caso. La IA en salud muchas veces se vende como un problema de capacidad algorítmica. Pero esta investigación muestra que, en Chile, el cuello de botella puede estar antes: en la disponibilidad y calidad de los datos clínicos. La propia USM reconoce que existe una limitada disponibilidad de información confiable y estandarizada sobre esta enfermedad.
Esa observación cambia el diagnóstico. El valor de la IA no depende solo de usar un modelo sofisticado, sino de construir condiciones para que ese modelo aprenda algo clínicamente útil. Y eso obliga a pensar interoperabilidad, recolección, validación, sesgos y adaptación institucional. En otras palabras: la investigación no trata solo de “hacer IA”, sino de qué significa hacer IA médica en un sistema donde los datos todavía están fragmentados.
Transfer learning como apuesta realista
En ese contexto, el uso de transfer learning funciona como una decisión metodológica bastante sensata. Permite aprovechar patrones aprendidos en otras cohortes y luego personalizarlos con información local a medida que el proyecto avance. No es una solución mágica, pero sí una forma pragmática de empezar a construir capacidad clínica asistida por IA sin depender de un volumen inicial de datos que hoy simplemente no existe en la escala ideal.
Ese enfoque tiene además una virtud editorial importante: transmite una visión menos espectacular y más madura de la IA. En vez de prometer automatización total o precisión milagrosa desde el primer día, el proyecto asume que la utilidad real se construye paso a paso, integrando evidencia internacional con ajuste nacional.
Una investigación que dice mucho sobre la IA chilena
Este caso también permite leer algo más amplio sobre el desarrollo de la IA en Chile. Los proyectos más interesantes probablemente no serán los que imiten el discurso global de moda, sino los que enfrenten problemas donde el contexto local importa de verdad. Salud pública, enfermedades prevalentes, escasez de datos clínicos, decisiones médicas bajo incertidumbre: ahí la IA deja de ser demostración y pasa a convertirse en infraestructura potencial de apoyo.
Eso sí, hay que leer el proyecto con cuidado. No estamos frente a una herramienta ya desplegada en producción masiva, sino ante una línea de investigación aplicada que todavía debe validar desempeño, confiabilidad y utilidad clínica. Y eso es una buena noticia. Significa que el desarrollo se está pensando con un grado de prudencia que en salud no es opcional.
La lectura de fondo
Quizás el valor más interesante de esta iniciativa no esté solo en el uso de IA, sino en el tipo de conversación que obliga a tener. ¿Qué significa construir medicina asistida por datos en Chile? ¿Cómo se pasa de modelos entrenados en otras realidades a herramientas realmente útiles para población chilena? ¿Cuánto del problema es algorítmico y cuánto es institucional?
Esas preguntas son más importantes que el hype. Y justamente por eso esta investigación merece atención. Porque muestra que la IA chilena puede ser más valiosa cuando deja de perseguir titulares globales y empieza a resolver, con realismo metodológico, problemas donde el país necesita respuestas propias.
Fuente principal: Universidad Técnica Federico Santa María, Investigación utiliza inteligencia artificial para apoyar decisiones clínicas sobre el cáncer biliar, 30 de diciembre de 2025. Disponible en usm.cl.
Comentarios
Deja tu comentario
No hay comentarios aprobados todavía. ¡Sé el primero en comentar!