Los costes ocultos de los procesos diagnósticos fragmentados
Por qué la calidad de los datos se está convirtiendo en la base de la infraestructura clínica
Una medición aparece en una pantalla. Otra llega en forma de PDF, pendiente de incorporarse al sistema. Un ECG permanece almacenado en otra plataforma, accesible únicamente a través de un inicio de sesión diferente. Toda la información existe, pero rara vez se encuentra reunida en un único lugar. Antes de tomar una decisión clínica, alguien tiene que recopilar todas esas piezas. Una y otra vez.
El problema rara vez está en los dispositivos. Hoy son más rápidos, más inteligentes y más precisos que nunca. El verdadero desafío se encuentra entre ellos: flujos de trabajo desconectados, datos fragmentados y el tiempo necesario para transformar las mediciones en información clínica realmente útil.
Este reto adquiere aún más relevancia a medida que la inteligencia artificial se incorpora a la consulta clínica. Según la AMA Physician Survey 2026, el 81% de los médicos estadounidenses utiliza ya la IA en su consulta diaria, frente al 38% registrado en 2023. Sin embargo, a pesar de esta rápida adopción, muchos procesos diagnósticos siguen estando fragmentados, lo que dificulta aprovechar todo el potencial que ofrece la inteligencia artificial.
Este fue uno de los mensajes centrales de la ponencia Rethinking Diagnostic Pathways in Modern Healthcare, presentada por Sven Jungmann durante la MESI Conference 2026. Médico de formación y posteriormente emprendedor en el ámbito de la salud digital, Jungmann dirige actualmente aiomics, una empresa especializada en aplicar inteligencia artificial y sistemas basados en datos para mejorar la toma de decisiones en el ámbito sanitario.
Gracias a su experiencia en la intersección entre medicina, tecnología y organización de los procesos asistenciales, Jungmann ofrece una perspectiva única sobre por qué el sistema sanitario sigue teniendo dificultades para convertir mediciones diagnósticas de alta calidad en decisiones clínicas realmente conectadas.
Su mensaje fue claro:
El futuro de la atención sanitaria no dependerá del número de herramientas que incorporemos, sino de nuestra capacidad para conectarlas de forma inteligente.
«¿Cómo iba a rediseñar mi flujo de trabajo si todavía ni siquiera existía?»
Como recordó Jungmann al inicio de su intervención, «un necio con una herramienta sigue siendo un necio». El mensaje era sencillo: la tecnología, por sí sola, no resuelve sistemas mal diseñados. Sin flujos de trabajo adecuados, datos conectados y una lógica clínica sólida, incluso las herramientas diagnósticas más avanzadas pueden añadir complejidad en lugar de reducirla.
Escucha a Sven Jungmann
La conferencia magistral solo abordó una parte de la conversación.
En esta entrevista exclusiva, grabada durante la MESI Conference 2026, Sven Jungmann profundiza en los desafíos de los diagnósticos fragmentados, la calidad de los datos, la inteligencia artificial y el futuro de una atención sanitaria conectada.
Los costes ocultos de los procesos diagnósticos fragmentados
Mejores dispositivos, los mismos procesos de siempre
Durante años, la innovación sanitaria se ha centrado en perfeccionar cada dispositivo diagnóstico de forma individual. Sistemas de ECG más avanzados, espirometrías más rápidas, dispositivos ponibles cada vez más inteligentes y tecnologías de imagen de mayor precisión han contribuido a crear un entorno clínico con más datos y mayor capacidad diagnóstica.
Sin embargo, mientras las herramientas evolucionaban, los procesos que las rodean apenas cambiaban.
Y es precisamente ahí donde comienza la verdadera complejidad: no en la medición en sí, sino en todo lo que ocurre después.
En muchos entornos sanitarios, el diagnóstico sigue realizándose de forma fragmentada. Un dispositivo genera un resultado, otro almacena los datos en un sistema distinto y los profesionales sanitarios deben alternar constantemente entre diferentes aplicaciones, transferir información manualmente y reconstruir la historia clínica del paciente a partir de sistemas que no se comunican entre sí.
Cada paso, considerado de manera aislada, puede parecer asumible. Sin embargo, en conjunto generan un flujo de trabajo mucho más complejo de lo necesario.
Así es como suele manifestarse la fragmentación diagnóstica en la práctica: mediciones, datos del paciente e informes clínicos distribuidos entre distintos dispositivos y plataformas, sin una continuidad real entre ellos.
En el centro de este problema se encuentra la interoperabilidad, o, más exactamente, su ausencia. Sin interoperabilidad, los datos pierden contexto. Y cuando el contexto desaparece, la toma de decisiones clínicas se vuelve más lenta y menos eficiente.
El coste de la fragmentación suele pasar desapercibido
El impacto de esta fragmentación rara vez resulta evidente, porque se distribuye a lo largo de toda la jornada clínica.
Son esos minutos adicionales dedicados a iniciar sesión en otra plataforma, el informe impreso que espera ser digitalizado, la transcripción manual de resultados a la historia clínica electrónica o la llamada de seguimiento para comprobar si una prueba se ha incorporado correctamente al sistema.
Ninguna de estas tareas parece especialmente importante por sí sola. Sin embargo, acumuladas a lo largo del tiempo representan horas de capacidad clínica perdida.
Gran parte del trabajo de Jungmann en salud digital gira en torno a una idea fundamental: innovar no siempre significa aprender algo nuevo. En muchas ocasiones implica desaprender procesos y hábitos que ya no responden a las necesidades de la medicina actual.
Como él mismo afirma:
«A veces innovar consiste en eliminar fricciones, no en añadir nuevas funcionalidades.»
Esta reflexión resulta especialmente relevante en el ámbito del diagnóstico, donde muchos procesos siguen respondiendo a modelos heredados de una época en la que la asistencia sanitaria era mucho menos conectada y los datos circulaban con mucha más lentitud.
El problema no son los datos. Es la calidad de los datos.
Hoy el desafío ya no consiste en recopilar más datos. El sistema sanitario genera cantidades ingentes de información cada día. El verdadero reto es conseguir que esos datos sean útiles, accesibles y estén disponibles exactamente cuando se necesitan.
Como señaló Sven Jungmann, la inteligencia artificial ofrece un enorme potencial, pero solo cuando se apoya en unos cimientos sólidos. Aquí cobra especial importancia uno de los principios fundamentales de la salud digital: "Garbage in, garbage out". Si los datos de entrada son deficientes, las conclusiones también lo serán.
Durante su intervención, Jungmann hizo referencia a un estudio reciente publicado en JAMA Network Open, en el que se comparó el razonamiento diagnóstico de médicos y de GPT-4. Los médicos trabajando de forma independiente obtuvieron una puntuación del 73,7%, los médicos asistidos por GPT-4 alcanzaron el 76,3%, mientras que GPT-4 utilizado de forma autónoma logró un 92,0%.
«Cuando la información está dispersa por todas partes, inevitablemente te estás saltando un paso.»
Los resultados son llamativos, pero plantean una cuestión fundamental. Si la inteligencia artificial puede superar a los profesionales sanitarios en determinados escenarios, ¿qué ocurre cuando los datos con los que trabaja son incompletos, fragmentados o inconsistentes?
Por muy avanzado que sea un modelo de IA, una plataforma de analítica o un sistema de apoyo a la decisión clínica, la calidad de sus resultados siempre dependerá de la calidad de la información que recibe.
Si los datos diagnósticos están incompletos, contienen inconsistencias, se introducen manualmente o permanecen repartidos entre distintos sistemas que no se comunican entre sí, las conclusiones obtenidas heredarán inevitablemente esas mismas limitaciones.
Ya no se trata únicamente de un desafío tecnológico.
Se está convirtiendo en uno de los principales retos clínicos de la asistencia sanitaria moderna.
La calidad de los datos se está convirtiendo en infraestructura clínica
A medida que la atención sanitaria avanza hacia la analítica predictiva, la automatización y la toma de decisiones apoyada por inteligencia artificial, disponer de datos diagnósticos estructurados y estandarizados deja de ser una ventaja para convertirse en una necesidad.
Sin esa base, existe el riesgo de construir sistemas cada vez más sofisticados sobre unos cimientos poco sólidos.
Por ello, la calidad de los datos ya no puede considerarse únicamente una cuestión administrativa o informática. Se está convirtiendo en un elemento esencial de la propia infraestructura clínica.
Al mismo tiempo, la rápida incorporación de la inteligencia artificial plantea nuevos retos en materia de gobernanza. Jungmann destacó que el 40% de los profesionales sanitarios ya se ha encontrado con herramientas de IA no autorizadas dentro de sus propias organizaciones, una muestra de la velocidad con la que la tecnología está evolucionando frente a la capacidad de adaptación de los sistemas sanitarios.
Cuando los datos son fiables, estructurados y están correctamente conectados, cambia la forma en que se presta la asistencia sanitaria. Los profesionales pueden tomar decisiones con mayor rapidez, mejora la continuidad asistencial y resulta mucho más sencillo comparar la evolución clínica de un paciente a lo largo del tiempo.
Además, se fortalece la colaboración entre los distintos equipos, ya que todos trabajan sobre la misma información clínica, actualizada y compartida.
En el ámbito de la medicina preventiva, este aspecto adquiere un valor todavía mayor. Contar con datos de calidad permite identificar antes los factores de riesgo e intervenir de forma precoz, antes de que la enfermedad progrese.
No todos los costes se miden en tiempo
Pero no todas las consecuencias de la fragmentación se traducen en minutos perdidos. Algunas se miden en algo mucho más valioso: la atención.
«Tendemos a pensar que el tiempo es nuestro recurso más escaso, cuando en realidad lo es nuestra capacidad de atención.»
Sven Jungmann, MESI Conference 2026
Cada flujo de trabajo desconectado exige un esfuerzo adicional por parte de los profesionales sanitarios. Deben recordar dónde se encuentra almacenada la información, comprobar si los datos se han incorporado correctamente al sistema, identificar cuál es la versión más reciente y decidir si pueden confiar en la información que tienen delante.
Cada una de estas tareas parece insignificante por separado. Sin embargo, juntas generan una carga cognitiva constante que, con el paso del tiempo, termina convirtiéndose en fatiga mental.
En unos sistemas sanitarios sometidos a una presión creciente, esta realidad resulta más importante que nunca.
El agotamiento profesional no se debe únicamente a la carga asistencial. También está relacionado con la complejidad de los procesos, las ineficiencias del día a día y el esfuerzo continuo que supone trabajar con sistemas que deberían facilitar el trabajo, pero que con frecuencia terminan complicándolo.
La tecnología debería reducir esa carga, no aumentarla.
El futuro del diagnóstico es la conectividad
Por eso ha llegado el momento de replantear nuestra forma de entender el diagnóstico.
El objetivo no debería ser incorporar cada vez más herramientas a la consulta clínica, sino construir ecosistemas diagnósticos conectados, donde cada medición contribuya a formar una visión única, completa y coherente del paciente.
El diagnóstico no debería concebirse como una sucesión de pruebas aisladas, sino como parte de una infraestructura clínica integrada, diseñada para facilitar decisiones más rápidas, obtener información clínica de mayor valor y favorecer una colaboración más eficaz entre los distintos profesionales.
Ese fue, en esencia, el cambio de perspectiva que Sven Jungmann propuso a los asistentes de la conferencia.
La cuestión ya no es si los sistemas sanitarios son capaces de generar más datos. La respuesta es evidente: sí.
La verdadera pregunta es si serán capaces de convertir toda esa información en una única fuente fiable de conocimiento clínico, y si los sistemas que la gestionan estarán preparados para transformarla en decisiones que aporten un beneficio real para los pacientes.
Porque los costes ocultos de la fragmentación diagnóstica rara vez se encuentran en los dispositivos.
Se esconden en el tiempo perdido entre unos sistemas y otros, en las decisiones que llegan demasiado tarde, en la sobrecarga administrativa y en las oportunidades perdidas para intervenir antes.
Y, en la atención sanitaria actual, esos suelen ser precisamente los costes más importantes.
Sobre Sven Jungmann
La trayectoria de Sven Jungmann se sitúa en la intersección entre la medicina, la inteligencia artificial y los sistemas digitales de salud. A través de su trabajo en aiomics y de su participación en el ecosistema internacional de innovación sanitaria, continúa impulsando una nueva forma de entender los datos, los flujos de trabajo clínicos y la toma de decisiones en la práctica asistencial.
Su intervención en la MESI Conference 2026 reflejó una realidad cada vez más evidente: en un futuro impulsado por la inteligencia artificial, el verdadero potencial del diagnóstico dependerá menos de las herramientas individuales y mucho más de la capacidad de los sistemas para conectar datos, profesionales y procesos de manera inteligente.