sábado, noviembre 21, 2026

El Hospital Carrillo de San Luis vivió su primera evaluación externa de calidad junto a ITAES

 Tras dos años de preparación, el hospital público transitó la etapa final del proceso para la acreditación, según estándares reconocidos internacionalmente. Sus protagonistas cuentan los desafíos de llegar a esta instancia por primera vez.

Del 2 al 5 de noviembre de 2026, un equipo del Instituto Técnico para la Acreditación de Establecimientos de Salud (ITAES) recorrió el Hospital Central “Dr. Ramón Carrillo” (HCRC) de San Luis. El objetivo fue comprobar si la institución cumple con los estándares del Manual para atención de agudos; y así, verificar si el equipo de salud incorporó las actitudes, hábitos y valores necesarios para sostenerlos.

El proceso incluyó múltiples áreas y servicios del HCRC. “Durante 4 días, un equipo de expertos evaluó cada rincón de nuestra institución: desde la infraestructura y los procesos asistenciales, hasta la seguridad del paciente, la gestión de calidad y el trabajo diario de todo nuestro personal”, describió el Director General del hospital, Dr. Adolfo Sánchez de León.

Siendo un hospital de alta complejidad, revisar la tarea sin dejar de sostenerla exigió que cada servicio tuvo que: apropiarse de sus procesos, mirarlos de cerca, registrarlos y cambiarlos si era necesario. El mayor desafío no estuvo en la propia revisión documental, sino en la cultura organizacional. En ese camino, la comunicación interna fue quizás lo más difícil: pues las áreas cuentan con su propia dinámica, sus tiempos y formas. Las autoridades del hospital remarcaron que ese diálogo, por sí mismo, se convirtió en uno de los aprendizajes más valiosos: comprender que el proceso de un servicio “empieza o termina” en el de otro.

La evaluación fue el cierre de un recorrido de dos años. El seguimiento se apoya en un sistema de gestión de la calidad que abarca distintas herramientas: auditorías internas, recorridos de la Dirección por las áreas, gestión de reclamos, de eventos y de no conformidades, y especialmente de la medición de la experiencia del paciente. El hospital tiene implementados protocolos para las seis metas internacionales para la seguridad del paciente, agregando una séptima meta (la prevención de úlceras por presión).

“Detrás de este momento hay mucho más: hay equipos que se animaron a revisar lo que hacían, a aprender”, señaló la Farm. Carolina García, jefa del Departamento de Gestión de Calidad y Procesos en Salud, quien lideró la preparación. El Dr. Adolfo Sánchez de León destacó además que se trata de un proceso voluntario que “demuestra el compromiso absoluto con la excelencia, la transparencia y el cuidado de cada paciente que cruza nuestras puertas”.

Mientras aguardan por el informe final por parte del ITAES, la mirada del Hospital Carrillo ya está puesta en seguir aprendiendo y mejorando. “Las recomendaciones que lleguen no serán un cierre, sino el punto de partida de un nuevo ciclo de trabajo. Porque cualquier resultado será, ante todo, el reflejo de un equipo comprometido por brindar una atención más segura”, concluyeron. Según los integrantes del establecimiento la calidad “no se hace de a uno, sino que nace del trabajo compartido” entre quienes, desde distintos lugares, cuidan a los mismos pacientes.

Fuente: Consenso Salud

viernes, noviembre 06, 2026

Microrobots a partir de células humanas para eliminar células cancerosas

 


Un estudio de laboratorio publicado en Science Advances combina células modificadas genéticamente con partículas magnéticas para llevar un compuesto antitumoral hasta el tumor y liberarlo durante varios día

Un equipo del Instituto Max Planck de Sistemas Inteligentes, en Alemania, y de la Universidad de Koç, en Turquía, desarrolló una especie de microrrobot hecho con células humanas vivas que puede dirigirse con campos magnéticos hacia un tumor y liberar ahí una molécula que destruye células cancerosas. En experimentos de laboratorio, los microrrobots eliminaron varios tipos de células de cáncer y dejaron prácticamente intactas las células sanas. El trabajo, publicado en Science Advances, se encuentra en una etapa temprana de investigación realizada en cultivos celulares y sin pruebas en animales ni en personas.

La idea surge de una limitación de los microrrobots médicos actuales. Estos dispositivos, del tamaño de una célula, pueden guiarse hasta una zona del cuerpo con imanes, ultrasonido o luz, pero una vez ahí no distinguen entre tejido enfermo y sano. Por otro lado, las terapias celulares, que usan células vivas como tratamiento, tienen mayor capacidad para actuar de forma biológica, pero tampoco son completamente selectivas y su alcance en tumores sólidos es limitado. Los investigadores buscaron que fueran capaces de dirigir físicamente el tratamiento y la selectividad biológica.

Para lograrlo, modificaron genéticamente células humanas de riñón de uso común en laboratorio para que produzcan una molécula llamada TRAIL. Esta proteína activa en las células cancerosas un mecanismo de muerte celular programada, porque estas suelen tener en su superficie más receptores que reconocen la molécula, mientras que las células sanas tienen pocos y resisten su efecto. Posteriormente, adhirieron a la superficie de cada célula partículas diminutas con una cara cubierta de un material magnético, de modo que un campo magnético giratorio las hace rodar y avanzar por una superficie, algo así como una pequeña rueda controlada a distancia. Las partículas se quedaron pegadas al exterior de las células, sin entrar en ellas, y cerca de 87% de las células producidas cumplió ambas condiciones, estar modificadas y llevar partículas.

En las pruebas, el líquido en el que crecieron estas células, rico en TRAIL, redujo la supervivencia de células de cáncer de colon, cerebro, riñón y ovario, aunque con diferencias, ya que las de ovario fueron las menos sensibles. En células sanas de piel y de tejido graso no hubo reducción. Al probar los microrrobots en contacto indirecto con células de cáncer de riñón, estas cayeron a 14% de supervivencia, mientras que las células sanas se mantuvieron en 91%.

En este sentido, los microrrobots también demostraron ser controlables. Con un campo magnético de intensidad moderada alcanzaron una velocidad promedio de 107 micrómetros por segundo, es decir, poco más de una décima de milímetro por segundo, y pudieron seguir trayectorias definidas en canales microscópicos. Mantuvieron su movimiento al menos tres horas y siguieron produciendo TRAIL después de ser movidos con el campo magnético durante dos días seguidos. En un modelo en tres dimensiones de tumor de riñón, el equipo logró guiar a los microrrobots hasta rodear la masa celular, y el tratamiento redujo de forma significativa su viabilidad. Los autores señalan que, en cultivo, la producción de TRAIL se sostuvo varios días antes de disminuir.

Como una forma de acercarse a un uso clínico, los investigadores probaron también células de piel humana, que se pueden obtener con biopsias poco invasivas, y lograron que produjeran TRAIL en cantidades suficientes para destruir células cancerosas. En esas versiones incorporaron además un interruptor que activa la producción solo cuando se administra el antibiótico doxiciclina, para reducir el riesgo de que la molécula actúe en momentos o lugares no deseados.

El equipo reconoce que quedan varias preguntas por resolver antes de cualquier aplicación en pacientes. Falta comprobar el comportamiento de los microrrobots en animales, empezando por inyecciones directas en el tumor y avanzando después a vías como las arterias que lo irrigan, además de evaluar su seguridad a largo plazo, qué ocurre con las partículas magnéticas en el organismo y cómo lograr campos magnéticos que funcionen en tejidos profundos sin efectos no deseados. También señalan que algunos tumores son parcial o totalmente resistentes a TRAIL y podrían requerir combinar el tratamiento con otros fármacos. Los autores explican que el sistema es modular, por lo que tanto el tipo de célula como el gen que produce el efecto terapéutico podrían cambiarse para otras enfermedades.

Fuente: Consenso Salud


jueves, noviembre 05, 2026

Revista Adecra-Cedim

 


¡Ya salió la última edición de la

Revista Adecra+Cedim,

de Gestión en Salud!

¡Leé la revista completa acá!

Tel (54-11) 4374-2526
Montevideo 451 - 10 º Piso - CABA
www.adecra.org.ar

miércoles, noviembre 04, 2026

Las seis W de la IA en salud

En periodismo hay seis preguntas clave que toda noticia debe responder para ofrecer una explicación completa de un hecho. Se trata de las cinco W que provienen de palabras interrogativas en inglés: What, Where, Why, Who, When y una que comienza con H, pero que contiene W: How. En este Insight buscamos responder qué impacto tiene la Inteligencia Artificial (IA) en el ámbito de la salud de la Argentina y la región, dónde, por qué, quién o quiénes están involucrados en este proceso, cuándo y cómo se produce y producirá.

El uso de IA en salud dejó de ser una noticia, algo del momento, para convertirse en un escenario complejo con distintas aristas para su análisis. Para comprender el fenómeno, este informe fue construido con la ayuda de partners y referentes del ecosistema de salud, quienes ayudaron a trazar un abordaje posible del hecho estudiado. Reproduce, además, resultados de análisis de consultoras que dan una idea del “estado del arte” de la IA en la salud en América Latina y el mundo.

Cuenta con la colaboración de Pablo Gigi, CEO de Macena, que invita a reflexionar acerca de los entornos en los que debe actuar la IA para que sea eficiente y eficaz; Martín Kozak, Country Manager de InterSystems Chile y Colombia, que asegura que “sin interoperabilidad no hay IA clínica”; Sergio Montenegro, CEO de Integrando Salud, que plantea si una historia clínica puede pensar; Rafael Ortega, Merlin Product Manager de Kunan, que desafía a evaluar las métricas que permitan llegar a pacientes con mejor atención; Martín Malvicini, Business Development Manager de Hikvision, que muestra un escenario con uso de IA para interpretar lo que sucede en el entorno físico donde se desarrolla la atención; y Marcelo Di Chena, CEO de Mastersoft, que destaca la importancia de la IA aplicada a la documentación sanitaria para alcanzar una nueva cultura de calidad.

Asimismo, el informe incluye el caso de la Universidad Peruana Unión (UPeU) que utiliza las pantallas interactivas Huawei IdeaHub integradas con software de anatomía 3D, para estudiar el cuerpo humano sin depender del uso de cadáveres. Con modelos digitales por capas, permiten anotación en tiempo real y trabajo colaborativo en el laboratorio.

Para completar el alcance de este informe, invitamos a referentes fundamentales como la abogada bioeticista María Isabel Íñigo Petralanda a compartir su visión sobre la regulación sobre IA en salud. Para Íñigo Petralanda, el verdadero desafío de la salud digital y de la IA en salud es pasar del software autorizado al sistema integrado. También contamos con el valioso aporte de Alejandro López Osornio, Senior Implementation Specialist en SNOMED International; quien explica por qué “la IA en salud necesita estándares más que nunca”; y de Sergio Herrera, jefe de Tecnología Médica en Galeno Argentina, profesor de Bioinformática / Investigación en Radiología de UMAI; y líder de implementación PACS / RIS / LAS e Interoperabilidad HL7, IA; quien plantea un escenario de colaboración entre el profesional y el algoritmo sin perder aquello que caracteriza al acto médico.

Por último, agradecer a quienes participaron del primer Diagnóstico Madurez Institucional para la Implementación de IA en Salud realizado por Salud en Línea. Con su colaboración, logramos avanzar en la confección de un índice que, en este primer corte para su publicación, arrojó que 76,2% de las organizaciones de salud- principalmente de Argentina- se encuentra entre los niveles 0 y 2 (no iniciado, exploratorio o en desarrollo), mientras que solo 23,8% alcanza niveles 3–4 (gestionado u optimizado).

Descargar gratis el Insight aquí

 

Fuente:  Salud en Línea

martes, noviembre 03, 2026

PRIMs: Cuando el paciente reporta el incidente. Lo que los pacientes ven y nuestros sistemas no

 


Las organizaciones de salud miden su seguridad con herramientas diseñadas desde adentro: reportes voluntarios del personal, revisión de historias clínicas, quejas formales.

Todas comparten un supuesto frágil: que lo importante es lo que el equipo ve, registra o está dispuesto a contar. Hay sin embargo un actor que estuvo presente en cada evento y al que casi nunca le preguntamos - el paciente -.

Los PRIMs (Patient-Reported Incident Measures) son instrumentos que permiten a pacientes y cuidadores reportar incidentes de seguridad vividos durante su atención, completando la tríada con los PROMs (resultados) y los PREMs (experiencia).

La evidencia es consistente: entre uno de cada diez y uno de cada seis pacientes identifica incidentes que, en su mayoría, no figuran en la historia clínica ni en los reportes del personal.

Pero los pacientes no cuentan lo que ven si nadie se los pregunta.

Esta revisión recorre el origen del concepto en la OCDE, la evidencia disponible, los instrumentos validados, los límites del enfoque —incluido el único ensayo aleatorizado que no demostró mejoras—, y las implicancias médico-legales y aseguradoras de incorporarlos en el marco de la Ley 27.797.

Porque preguntarle al paciente no crea el incidente: revela lo que ya percibe —y a veces anticipa el reclamo—.

LEER ARTÍCULO COMPLETO

 

Fuente:  NOBLE CIa. de Seguro

lunes, noviembre 02, 2026

Conectar los datos, probar la tecnología y comunicar la evidencia.

Tres noticias recientes muestran por qué la transformación digital de la salud necesita estas tres condiciones.

Costa Rica puso en vigencia un reglamento que establece el marco para el intercambio seguro, estandarizado y progresivo de datos de salud entre prestadores públicos, privados y mixtos. La norma adopta una arquitectura federada: cada institución mantiene la custodia de sus datos y el país comparte mecanismos de identificación, autenticación, localización y auditoría, sin crear un gran repositorio clínico centralizado.

Es un avance importante, aunque todavía faltan las especificaciones técnicas y la incorporación de las instituciones será voluntaria.

Brasil aporta la segunda noticia.

Su sandbox regulatorio evaluó una plataforma basada en modelos de lenguaje para apoyar decisiones médicas. Las pruebas encontraron alucinaciones, referencias inexistentes, enlaces rotos y dificultades para comunicar fuentes, incertidumbre y límites de uso.

La evaluación no demuestra que toda IA aplicada a la medicina sea insegura. Demuestra algo más útil: las afirmaciones de un proveedor deben comprobarse mediante pruebas independientes. Incluso incorporar referencias bibliográficas no garantiza que una respuesta esté respaldada por evidencia. Hay que verificar que la fuente exista y que realmente sostenga lo afirmado.

La tercera noticia permite hablar de cómo comunicamos estos avances.

Encontré este titular: “Crean un modelo de IA que promete detectar el rechazo cardíaco tras un trasplante”.

La investigación es real e interesante: combina electrocardiogramas con dos biomarcadores sanguíneos para intentar reducir falsas alarmas y biopsias innecesarias. Pero la validación multimodal incluyó solamente 38 pacientes y apenas dos casos de rechazo. Fue un estudio retrospectivo, de un único centro y todavía sin validación prospectiva externa. No se demostró que la IA pueda reemplazar las biopsias ni que mejore los resultados clínicos. Se identificó una hipótesis prometedora que ahora deberá evaluarse en un estudio multicéntrico. Claramente el título produce más impacto que precisión...

La tecnología puede ser prometedora sin estar lista para transformar la práctica. La confianza en la salud digital no se construye con promesas; se construye con reglas, pruebas y evidencia.

Reglamento de interoperabilidad de Costa Rica:

https://lnkd.in/eRRCqdza

Sandbox regulatorio de Brasil:

https://lnkd.in/e5Tn-mnV

Investigación sobre rechazo cardíaco:

https://lnkd.in/ewWn-hmG

 

Fuente:  

Hernan Navas

viernes, octubre 30, 2026

La inteligencia artificial dejó de ser una promesa y pasó a formar parte de la agenda de trabajo

La inteligencia artificial generativa dejó de ser una conversación sobre posibilidades futuras para convertirse en una herramienta que ya empieza a intervenir en procesos concretos de atención.

Ese fue el eje de la conferencia “IA Generativa: ¿Cómo evolucionamos hasta este punto?”, a cargo del Ing. Jorge Pérez, Cofundador y Jefe de Producto en CERO, empresa chilena dedicada a la coordinación de la atención médica. La sesión fue moderada por el Dr. Ricardo Simes, ex Presidente y Miembro de la Comisión Directiva de ACAMI y Presidente del Hospital Sirio-Libanés.

El Ing. Pérez fue académico de la Universidad de Chile durante más de diez años. Por su investigación en datos e inteligencia artificial recibió en 2012 el premio Ramón Salas-Edwards del Instituto de Ingenieros de Chile y en 2009 se convirtió en el primer chileno en obtener una PhD Fellowship de los laboratorios de investigación de Microsoft en Redmond, Estados Unidos.

El lenguaje, una clave para entender la inteligencia artificial

La introducción del Dr. Simes propuso una forma sencilla de acercarse a una tecnología que suele presentarse como compleja. Recordó que la inteligencia artificial es un desarrollo derivado de la inteligencia humana y subrayó el lugar central del lenguaje para comprender cómo funcionan los modelos generativos. “El lenguaje es a la inteligencia lo que el combustible sería a un motor”, resumió, al señalar que el lenguaje permite a estos sistemas procesar y producir respuestas.

A partir de esa idea, el Ing. Pérez retomó los fundamentos de las redes neuronales y explicó cómo se entrenan mediante operaciones matemáticas y el ajuste de sus conexiones. Con ejemplos visuales —como una red que primero confunde un gato con un caballo y luego corrige su respuesta durante el entrenamiento— mostró que detrás de resultados que parecen inteligentes hay cálculos, patrones y procesos de aprendizaje sobre grandes cantidades de ejemplos.

De las palabras a los tokens: cómo se construyen las respuestas

El paso siguiente fue trasladar esa lógica al lenguaje. En lugar de identificar una imagen, un modelo generativo aprende a predecir qué fragmento de texto podría continuar una secuencia. El Ing. Pérez explicó que no siempre se trata de palabras completas: los modelos trabajan con unidades más pequeñas, conocidas como tokens, y van seleccionando entre distintas posibilidades a partir de probabilidades.

La conferencia mostró que las respuestas dependen de probabilidades y de parámetros como la “temperatura”: cuanto más diversa se solicita que sea una respuesta, menos previsible puede resultar. El Ing. Pérez explicó que las llamadas “alucinaciones” son continuaciones inadecuadas producidas por el modelo, no una forma de imaginación humana.

El ejemplo del emoji de un caballito de mar —que no existe— permitió ver cómo un sistema puede insistir en producir una respuesta plausible aun cuando parte de una premisa equivocada.

El Ing. Pérez también describió cómo algunos modelos incorporan etapas adicionales antes de responder: generan un desarrollo intermedio que simula razonamiento y luego producen una respuesta final a partir de ese proceso. La demostración incluyó ejemplos con lenguaje clínico para mostrar que el modo de formular una consulta y el procesamiento previo pueden influir en la respuesta que entrega el sistema.

De un chat a un agente capaz de utilizar herramientas

Uno de los principales giros de la exposición fue explicar la diferencia entre un modelo que solamente genera texto y un agente que puede participar en una tarea concreta. A través de un ejemplo sencillo —coordinar un control médico con un nefrólogo dentro de tres meses y enviar un aviso sobre el ayuno—, el Ing. Pérez mostró que el modelo puede organizar un plan en lenguaje, indicar qué herramientas necesita y producir instrucciones para que un sistema informático las ejecute.

En ese esquema, el modelo no realiza por sí solo todas las acciones: genera los tokens e instrucciones, mientras que el computador y las herramientas conectadas ejecutan los pasos correspondientes, como consultar una agenda, crear una cita o enviar un mensaje. Esa combinación entre modelos de lenguaje, herramientas e interoperabilidad abre una nueva dimensión de uso: pasar de responder preguntas a colaborar en la resolución de tareas.

Aplicaciones concretas para mejorar el acceso a la atención

La conferencia conectó esos conceptos con un caso de uso directamente relacionado con la organización de los servicios de salud: la coordinación de turnos médicos. El Ing. Pérez presentó una demostración de un agente que mantiene una conversación natural con una persona, identifica la especialidad requerida, ofrece alternativas de horario, confirma la cita y recuerda cuándo debe presentarse el paciente.

Según expuso, CERO coordina turnos médicos para alrededor de tres millones de pacientes al mes en 400 centros de salud de América Latina, mediante herramientas de comunicación fluida y natural. La experiencia presentada mostró cómo la tecnología puede ayudar a facilitar el acceso, reducir gestiones administrativas y aprovechar mejor la capacidad disponible en los centros asistenciales. El foco no estuvo solamente en la sofisticación del modelo, sino en la utilidad que puede alcanzar cuando se integra a un proceso real.

El ejemplo también permitió volver a una pregunta esencial para el sector: ¿cómo incorporar estas herramientas de manera que respondan a necesidades concretas de pacientes e instituciones? Comprender cómo se generan las respuestas, reconocer las limitaciones de los modelos y definir qué tareas pueden resolver son condiciones importantes para evaluar su aporte, sin confundir una interacción fluida con una garantía automática de exactitud.

“Las nuevas tecnologías nos permiten lograr alta eficiencia. Y lo importante es que ahora sí nos permiten adaptarnos a los pacientes.” — Ing. Jorge Pérez

El Dr. Ricardo Simes cerró la presentación planteando el desafío de integrar la IA a procesos sanitarios concretos: facilitar la coordinación, mejorar el acceso y aprovechar los recursos, conociendo siempre sus alcances y limitaciones.

 

Fuente:  ACAMI