CUANDO LOS EQUIPOS “NO FUNCIONAN”

El problema del diagnóstico en el Perú no radica en la ausencia de tecnología, sino en la carencia de una infraestructura de flujos que conecte el equipamiento con el juicio clínico.

julio 24, 2026

En el debate de la salud pública peruana suele asumirse una premisa intuitiva pero errónea: para modernizar el sistema de salud basta con comprar equipos de vanguardia. La narrativa dominante sugiere que la falta de diagnóstico oportuno es únicamente una consecuencia directa de la escasez de presupuesto para adquirir tecnología. Sin embargo, la evidencia clínica y administrativa en el Perú revela una realidad más amarga: la adquisición desarticulada de tecnología no soluciona las fallas estructurales; a menudo, solo las profundiza.

1. La ilusión del equipamiento sin soporte institucional

En el sistema de salud, el tiempo no es un indicador neutro. Cada día que un diagnóstico se retrasa, la enfermedad avanza en silencio, erosionando pronósticos, complicando tratamientos futuros y encareciendo de forma exponencial las intervenciones del Estado. Frente a esto, la respuesta institucional predominante ha sido la compra de equipamiento masivo o de alta tecnología, omitiendo la arquitectura operativa necesaria para sostenerlo.

Los datos oficiales reflejan la severidad de esta contradicción:

Inoperatividad en el nivel básico y especializado: En febrero de 2026, la Contraloría General de la República reveló que el Hospital del Niño mantenía 102 equipos biomédicos inoperativos simultáneamente (1). No se trata de una cifra aislada, sino de ecógrafos, monitores y unidades de diagnóstico paralizadas por falta de mantenimiento, repuestos o gestión operativa.
Inversiones desalineadas de la necesidad real: Investigaciones periodísticas y reportes de fiscalización documentaron que el Ministerio de Salud destinó aproximadamente S/ 70 millones a la adquisición de robots quirúrgicos sin evaluación técnica previa ni un plan de integración de flujos (2).

Se realizan inversiones millonarias en alta complejidad mientras el sistema colapsa en lo elemental. El verdadero nudo del diagnóstico en el Perú no es un dilema de gasto financiero, sino una falla de arquitectura institucional y flujo de información.

2. El diagnóstico desplazado: El costo de una máquina detenida

Cuando un equipo biomédico queda fuera de servicio en un hospital público, el paciente no deja de enfermar. El diagnóstico simplemente se desplaza: a otra institución, a otra región o al sector privado, trasladando el costo económico y temporal al ciudadano. Se genera así un cuello de botella donde el conocimiento del especialista queda bloqueado por la inoperatividad técnica.

Síntoma estructural: Comprar la máquina más avanzada del mercado es inútil si el flujo asistencial no está diseñado para que el dato clínico viaje, el mantenimiento sea preventivo y el juicio médico se optimice en tiempo real.

La siguiente tabla sintetiza la brecha entre el modelo tradicional centrado en la adquisición de activos físicos y un modelo centrado en la arquitectura de procesos:

Enfoque Tradicional (Gasto en Activos)	Enfoque Arquitectónico (Flujos e IA)
Prioriza la compra de hardware de última generación (robots, tomógrafos).	Prioriza la continuidad operativa y la conectividad del dato médico.
Asume que la máquina resuelve autónomamente la brecha de atención.	Integra la máquina en una red de soporte asistencial con IA y telemedicina.
Mantenimiento reactivo; alta tasa de equipos inoperativos.	Monitoreo continuo, auditoría técnica y gestión activa del rendimiento.
Concentración del juicio experto en grandes centros urbanos.	Descentralización del conocimiento mediante triaje algorítmico y red remota.

3. La Inteligencia Artificial como palanca de rediseño, no como “solución mágica”

Frente a las fallas de infraestructura, la inteligencia artificial suele presentarse bajo dos caricaturas: una solución mágica que automatizará la medicina o una amenaza que reemplazará a los profesionales. Ninguna corresponde a la realidad de la evidencia científica.

En el campo del radiodiagnóstico, algoritmos de aprendizaje profundo (Deep Learning) han demostrado la capacidad de procesar tomografías y radiografías con una precisión diagnóstica equiparable a estándares internacionales (3). Sin embargo, el valor central de la IA en un sistema fracturado no radica en sustituir al médico, sino en rediseñar la gestión de su tiempo y optimizar los flujos de atención:

Triaje automatizado y priorización de cargas: La IA actúa como un filtro de alta velocidad que clasifica volúmenes masivos de estudios, alertando sobre hallazgos críticos para que el especialista evalúe en primer lugar los casos urgentes o ambiguos.
Optimización del capital humano: Al automatizar la tarea mecánica de revisión preliminar en imágenes normales, la tecnología permite que el escaso tiempo de los radiólogos y patólogos se concentre donde la complejidad clínica exige criterio humano directo.
Red de soporte descentralizada: Apoyada en la telemedicina, la IA transforma un equipo remoto en un nodo activo de diagnóstico, permitiendo que una tomografía tomada fuera de la capital cuente con un soporte algorítmico validado de forma inmediata.

4. Formación y gobernanza: Sostener la tecnología en el tiempo

Insertar herramientas algorítmicas en el flujo hospitalario sin una estrategia de formación activa genera un riesgo severo. La literatura sobre seguridad del paciente advierte que la confianza ciega en la tecnología induce a errores por omisión, mientras que el rechazo por desconfianza anula sus beneficios.

Una implementación estructural exige que el profesional médico sea capacitado para auditar el algoritmo: comprender sus métricas de sensibilidad y especificidad, reconocer sus límites y vigilar los sesgos de origen. La supervisión humana activa no es una trampa burocrática, sino la salvaguarda ética fundamental.

Asimismo, la adopción de estas tecnologías exige marcos de gobernanza e interoperabilidad que aseguren la privacidad de los datos y la validación clínica continua. Sin una arquitectura institucional que respalde la tecnología, la inteligencia artificial corre el riesgo de convertirse en lo mismo que criticamos: un software costoso e infrautilizado en un servidor olvidado.

Conclusión: El dilema de fondo

El debate de fondo en la salud pública peruana no es si la tecnología es intrínsecamente beneficiosa o perjudicial. La verdadera interrogante es si nuestro sistema posee la arquitectura institucional diseñada para que el conocimiento circule, la infraestructura se mantenga operativa y la innovación actúe como un motor de eficiencia.

La inteligencia artificial no constituye un fin en sí misma ni una varita mágica. Sin embargo, cuando el problema central es la deficiencia organizativa y la mala gestión de la infraestructura, la IA representa una poderosa palanca de rediseño. Al final del día, cuando tecnología de vanguardia convive con ecógrafos inoperativos y listas de espera interminables, el diagnóstico es evidente: la falla no está en la máquina, sino en el sistema que la rodea.

Referencias