La IA que ayuda en la atención sanitaria en África subsaharianaCEFR B2
5 feb 2026
Adaptado de Guest Contributor, Global Voices • CC BY 3.0
Foto de Dieuvain Musaghi, Unsplash
La adopción de herramientas de inteligencia artificial está ampliando la capacidad diagnóstica en contextos con pocos recursos del África subsahariana. El caso del condado de Siaya, Kenia, es representativo: en 2024 un agricultor de 28 años recibió un diagnóstico en noventa segundos tras fotografiarse un extendido de sangre con un teléfono y un microscopio portátil de USD 50; el algoritmo reportó “Plasmodium falciparum ++” con 98.5 por ciento de precisión. El piloto, impulsado por el Ministerio de Salud de Kenia y con apoyo técnico de Ubenytics, ya cubre más de 420 centros en ocho condados y, según un estudio preliminar publicado en The Lancet Digital Health en marzo de 2025, se observó una reducción en prescripciones inadecuadas y en complicaciones graves por malaria.
Proyectos paralelos muestran beneficios en otros ámbitos: Chestify AI (fundada en 2020) acelera la interpretación de radiografías de tórax, entregando informes en unas tres horas en 25 centros; estudios supervisados por la OMS sobre detección asistida de tuberculosis en radiografías hallaron una sensibilidad combinada alrededor de 94.7 por ciento. En Ruanda, algoritmos de enrutamiento para envíos por dron bajaron el tiempo medio de entrega de 42 minutos a 18 minutos en distritos de difícil acceso.
Los autores señalan que la brecha sanitaria sigue siendo grande y que escasean especialistas. También indican que los costos han bajado: entrenar un LLM para microscopía de malaria costó aproximadamente USD 180,000 en 2022, y para finales de 2025 el costo marginal por prueba en despliegues a gran escala es inferior a USD 0.30. La regulación y la residencia de datos avanzan: la Pharmacy and Poisons Board de Kenia y la National Agency for Food and Drug Administration and Control de Nigeria emitieron directrices en los últimos 18 meses.
Entre los riesgos están la alucinación del modelo, sesgos, comprensión contextual débil y retos de privacidad y seguridad. Con gobernanza cuidadosa y supervisión humana, se contempla que para 2030 un agente comunitario con un teléfono de USD 120 y un LLM sobre 5G podría dar respuestas en minutos en vez de requerir un viaje de 200 kilómetros (124 miles).
- Mejor acceso diagnóstico en zonas remotas
- Menos tratamientos inadecuados y complicaciones
- Necesidad de regulación y supervisión humana
- Riesgos de sesgo y privacidad por resolver
Palabras difíciles
- adopción — Aceptación y uso de nuevas tecnologías.
- diagnóstico — Identificación de una enfermedad o problema.diagnóstica
- algoritmo — Conjunto de reglas para resolver un problema.
- precisión — Grado de exactitud de un resultado.
- escasear — Existir en cantidad insuficiente o faltar.escasean
- marginal — Relativo al costo adicional por cada prueba.
- alucinación — Respuesta falsa o inventada por un modelo.
- residencia de datos — Política que regula dónde se almacenan los datos.
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o escuchas.
Preguntas de discusión
- Según el texto, ¿qué ventajas concretas aporta la IA al diagnóstico en zonas remotas?
- ¿Qué tipos de regulación o supervisión humana serían más importantes para reducir riesgos?
- De los riesgos mencionados (alucinación, sesgo, privacidad), ¿cuál te parece más urgente y por qué?
Artículos relacionados
IA para mejorar el acceso a la salud sexual en América Latina
Grupos e investigadores en América Latina usan inteligencia artificial para ofrecer información sobre salud sexual y reproductiva a jóvenes y comunidades marginadas. Proyectos en Perú y Argentina buscan reducir barreras y enfrentan retos como el sesgo de datos.
La atención plena ayuda a parejas a enfrentar el estrés
Un estudio de la Universidad de Georgia con más de 400 parejas con hijos muestra que la atención plena se asocia con mayor confianza, mejor calidad relacional y mejor coparentalidad. También se observaron diferencias según el género.
