La desigualdad suele esconderse dentro del promedio. Un sistema sanitario puede anunciar una mejora global en tiempos de respuesta, exactitud o satisfacción y, al mismo tiempo, dejar atrás a quienes viven lejos, hablan otra lengua, tienen una discapacidad, realizan trabajos precarios o apenas aparecen en los datos. La medicina de precisión promete reconocer diferencias relevantes, pero solo merece ese nombre cuando combina conocimiento científico, tecnología responsable y escucha clínica. Una cifra media describe un conjunto; no cuenta por sí sola quién recibió ayuda, quién esperó demasiado ni qué barrera convirtió un servicio disponible en un servicio inaccesible.

El promedio resulta útil para orientarse, pero se vuelve peligroso cuando ocupa el lugar de la realidad. Dos hospitales pueden compartir el mismo tiempo medio de espera aunque uno atienda de forma bastante regular y el otro alterne respuestas rápidas con demoras extremas. Una herramienta puede mostrar buen rendimiento general y fallar con mayor frecuencia en un subgrupo poco representado. Un programa remoto puede reducir desplazamientos para muchas personas y crear una carga nueva para quienes carecen de conexión, privacidad doméstica o apoyo digital. La desigualdad no siempre aparece como una exclusión explícita; con frecuencia se presenta como variación, dato ausente o excepción estadística.

Esta mirada no convierte cada diferencia en injusticia ni permite atribuir una causa automática. Edad, situación clínica, contexto social, accesibilidad, calidad del registro y decisiones organizativas pueden interactuar. El análisis responsable formula hipótesis, busca evidencia desagregada y escucha a profesionales y pacientes antes de concluir. Tampoco ofrece diagnósticos ni tratamientos individuales: cualquier preocupación concreta sobre síntomas, pruebas o medicación requiere valoración de un profesional sanitario cualificado y, ante signos de urgencia, contacto con los servicios de emergencia correspondientes.

El promedio informa, pero también puede borrar#

Una media resume valores distintos en una sola cifra. Esa operación facilita comparar periodos y centros, pero puede ocultar la distribución completa. Importan la mediana, los extremos, la dispersión y la proporción de personas que supera un umbral relevante. También importa desagregar por características justificadas, siempre con garantías de privacidad y evitando categorías tan pequeñas que permitan identificar a alguien. El propósito no consiste en acumular datos sensibles, sino en comprobar si el beneficio y el daño se reparten de manera razonablemente equitativa.

Una media resume valores distintos en una sola cifra. Esa operación facilita comparar periodos y centros, pero puede ocultar la distribución completa.

El mismo criterio se aplica a los datos faltantes. Si una variable no se registra porque preguntar resulta difícil, el vacío puede concentrarse precisamente en quienes encuentran más obstáculos. Si una persona abandona un proceso digital antes de completarlo, el sistema puede contar únicamente a quienes llegaron al final y confundir éxito entre participantes con acceso universal. La ausencia necesita una etiqueta y una explicación. Un cuadro de mando responsable muestra cuántos casos quedaron fuera del cálculo, por qué y qué incertidumbre introduce esa omisión.

La comparación exige además un referente adecuado. Un resultado agregado puede mejorar porque cambia la composición de la población atendida, no porque mejore la atención. Por eso conviene observar cohortes comparables, evolución temporal, condiciones locales y consecuencias relevantes para las personas. La precisión estadística no sustituye el juicio clínico ni la experiencia vivida. La primera señala patrones; la segunda ayuda a entender qué significan y qué intervención organizativa puede corregirlos sin causar un daño nuevo.

Precisión significa reconocer diferencias relevantes#

Una medicina más precisa no trata a cada persona como un punto aislado ni supone que más datos siempre producen mejor cuidado. Reconoce que determinadas diferencias biológicas, sociales y ambientales pueden modificar riesgos, acceso o respuesta, y exige demostrar cuándo una distinción es pertinente. También evita convertir correlaciones históricas en destinos individuales. Un código postal puede reflejar desigualdad acumulada, pero utilizarlo sin cuidado podría perpetuar menor inversión allí donde más se necesita. La herramienta debe apoyar una decisión razonada, no reemplazarla con una etiqueta opaca.

La calidad comienza antes del modelo. La selección de participantes, la calibración de sensores, la forma de registrar síntomas y la disponibilidad de traducción determinan quién queda representado. Después llegan la validación externa, el seguimiento en uso real y la posibilidad de comunicar incidentes sin temor. El rendimiento debe revisarse en los grupos relevantes para la finalidad prevista, con tamaños suficientes y límites explícitos. Cuando la evidencia no permite una conclusión fiable, el sistema debe expresar incertidumbre y favorecer la revisión humana.

La Organización Mundial de la Salud sitúa autonomía, bienestar, transparencia, responsabilidad, inclusión y sostenibilidad entre los principios de la inteligencia artificial aplicada a la salud. Ese marco desplaza la pregunta desde si una tecnología impresiona hacia si funciona con seguridad y equidad en condiciones reales. La orientación de la FDA sobre datos específicos por edad, raza y etnia en estudios de dispositivos refuerza la necesidad de representación y comunicación transparente del rendimiento. Ninguno de esos principios autoriza una recomendación clínica individual fuera de una relación asistencial competente.

Caso 1: una alerta que rendía bien salvo cuando más se necesitaba#

Un hospital ficticio incorporó una alerta para detectar deterioro y priorizar revisiones. El informe inicial mostraba una sensibilidad elevada en el conjunto. Meses después, el equipo de seguridad examinó los falsos negativos y observó una diferencia persistente en pacientes cuyos datos llegaban de plantas con equipos de monitorización antiguos. La herramienta no había descubierto una característica clínica del grupo; estaba recibiendo señales de menor calidad. El promedio había mezclado dos infraestructuras y convertido una desigualdad material en aparente variación médica.

La respuesta prudente no fue buscar culpables ni retirar toda ayuda automatizada de inmediato. El hospital revisó sensores, protocolos de registro, cobertura por turnos y rendimiento por ubicación; añadió avisos de calidad de señal y estableció una revisión clínica cuando faltaban datos esenciales. La dirección fijó un umbral de daño que obligaría a pausar la alerta. El caso muestra que la equidad también depende de mantenimiento, compras y organización. Una solución diseñada para apoyar al personal no puede evaluarse al margen del entorno que alimenta sus cálculos.

Caso 2: la consulta remota que mejoró la asistencia media#

Un centro de atención primaria ficticio ofreció seguimiento por vídeo y redujo el número medio de citas perdidas. El resultado parecía excelente, hasta que el análisis separó los datos por modalidad y motivo de abandono. Personas mayores que vivían solas, pacientes con dificultades auditivas y trabajadores sin un espacio privado completaban menos sesiones. Quienes abandonaban durante la configuración ni siquiera aparecían como cita perdida, porque el registro comenzaba al entrar en la sala virtual. La métrica premiaba una puerta que no contaba a quienes no podían cruzarla.

El centro mantuvo el canal remoto, pero añadió teléfono, apoyo presencial, subtitulado, prueba técnica previa y elección sencilla de modalidad. Registró intentos fallidos sin atribuirlos automáticamente a falta de interés y consultó a asociaciones de pacientes y profesionales de admisión. La mejora no consistió en obligar a todo el mundo a usar la misma vía, sino en ofrecer resultados equivalentes por rutas distintas. Si una dificultad tecnológica impide acceder a atención necesaria, el servicio sanitario debe facilitar un canal alternativo y orientar hacia personal cualificado.

Caso 3: un estudio preciso con una muestra demasiado estrecha#

Un consorcio ficticio desarrolló un dispositivo portátil y comunicó un rendimiento global muy alto. La muestra de validación, sin embargo, procedía sobre todo de voluntarios jóvenes, con conectividad estable y experiencia usando aplicaciones. En el despliegue piloto aparecieron más lecturas no válidas entre personas con movilidad reducida y usuarios que no podían mantener el dispositivo en la posición indicada. El problema no demostraba que el dispositivo fuera inútil; demostraba que la afirmación general excedía la evidencia disponible.

El consorcio amplió la validación, adaptó las instrucciones, ensayó soportes físicos y publicó resultados por subgrupos junto con intervalos de incertidumbre. También creó un procedimiento para que una lectura inválida condujera a evaluación profesional y no a falsa tranquilidad. El aprendizaje central fue institucional: la representatividad no es una formalidad posterior, sino parte del diseño. La comunicación comercial tuvo que distinguir entre lo demostrado, lo probable y lo todavía desconocido.

Escuchar es una forma de medir#

Las historias individuales no sustituyen una evaluación cuantitativa, pero revelan mecanismos que un promedio no puede nombrar. Una reclamación puede descubrir una traducción ambigua; varias llamadas pueden señalar un horario imposible; la observación de una consulta puede mostrar que una pantalla exige más atención de la que ahorra. La escucha adquiere rigor cuando existe un canal accesible, categorías para analizar patrones, responsables con autoridad y devolución a quienes aportaron información. Recoger testimonios sin cambiar nada solo añade trabajo a las personas afectadas.

La participación debe comenzar antes de elegir la herramienta. Pacientes, profesionales clínicos, personal administrativo, especialistas en accesibilidad, protección de datos y mantenimiento conocen partes diferentes del recorrido. Su presencia permite definir qué resultado merece medirse y qué daño no debe aceptarse. También ayuda a detectar costes desplazados: minutos que desaparecen del informe central porque los asume una familia, una enfermera o una organización comunitaria. La eficiencia auténtica considera el tiempo total y la distribución del esfuerzo.

Escuchar incluye reconocer desacuerdo. Una persona puede rechazar compartir datos para un uso secundario o preferir atención presencial sin estar desinformada. La autonomía requiere información comprensible, opciones reales y consecuencias proporcionadas. El Espacio Europeo de Datos Sanitarios refuerza un marco de acceso, control e intercambio seguro de datos electrónicos de salud; su aplicación gradual exige atención a privacidad, interoperabilidad y derechos. Una arquitectura técnicamente conectada solo será humana si las personas pueden comprender quién accede, con qué finalidad y cómo solicitar corrección.

Una evaluación que haga visible la distribución#

Un protocolo responsable define de antemano población prevista, resultados relevantes, subgrupos justificados, calidad mínima de datos y criterios de pausa. Después combina indicadores agregados y distribuidos: falsos positivos y negativos, abandonos, tiempos extremos, incidentes, accesibilidad, carga para profesionales y resultados comunicados por pacientes. Las diferencias deben interpretarse con apoyo estadístico y conocimiento contextual; una tabla pequeña no basta para afirmar causalidad, pero una señal repetida tampoco debe descartarse porque el promedio siga siendo favorable.

La revisión necesita periodicidad y una persona responsable. Los sistemas cambian cuando se actualiza un modelo, se sustituye un sensor, varía la población o el personal adapta su práctica. El rendimiento previo no garantiza el futuro. Conviene documentar versiones, conservar trazabilidad, permitir auditoría independiente y ofrecer mecanismos de recurso. Si aparece un daño desproporcionado, la organización debe poder limitar, corregir o retirar la herramienta mientras mantiene la continuidad asistencial.

La privacidad y la equidad no son objetivos opuestos. La evaluación de diferencias puede requerir datos sensibles, pero debe aplicar minimización, finalidad clara, seguridad, retención limitada y acceso controlado. A veces resultará preferible un análisis protegido por una unidad independiente o el uso de técnicas que reduzcan el riesgo de identificación. La ausencia de salvaguardias no se corrige reuniendo más información. La confianza depende de que el uso esté explicado y sujeto a responsabilidades verificables.

Del hallazgo a una reparación concreta#

Cuando una brecha aparece, publicar la diferencia es solo el comienzo. La organización debe investigar su mecanismo, escuchar a quienes soportan la consecuencia y asignar recursos. La reparación puede exigir accesibilidad, traducción, cambios de horario, actualización de equipos, formación, refuerzo humano o rediseño de criterios. También puede requerir contactar a personas afectadas, explicar el fallo y ofrecer una revisión profesional. La respuesta debe ser proporcional y evitar que cada paciente tenga que demostrar por separado un problema sistémico ya conocido.

La transparencia madura evita dos extremos: presentar la tecnología como neutral o desacreditarla por cualquier limitación. Toda intervención tiene un contexto de validez. Un informe útil explica finalidad, población, datos, rendimiento por grupos, incertidumbres, supervisión y vía de reclamación. La comunicación debe diferenciar una herramienta de apoyo de una decisión clínica. Ningún contenido general sustituye la evaluación de un profesional sanitario; ante una preocupación personal, corresponde acudir al equipo asistencial, y ante una emergencia, a los servicios urgentes locales.

Una medicina precisa que no deja de escuchar pregunta siempre quién falta en la cifra. Observa tanto el resultado medio como su reparto, considera los datos ausentes y trata cada excepción como posible información sobre el sistema. Esa disciplina no promete eliminar toda desigualdad mediante tecnología. Sí permite detectar antes las brechas, discutirlas con honestidad y actuar con responsabilidad. El éxito no consiste en que todas las personas reciban el mismo proceso, sino en que ninguna diferencia evitable determine quién obtiene cuidado seguro, comprensible y digno.