La digitalización del sistema de salud enfrenta un desafío central: cómo aprovechar el enorme valor de los datos clínicos sin comprometer la confidencialidad de los pacientes. En ese cruce entre innovación y ética aparece una solución cada vez más relevante: los datos sintéticos. Generados por algoritmos capaces de replicar patrones clínicos reales sin exponer identidades, estos conjuntos de información están transformando la investigación médica, el desarrollo de nuevos tratamientos y la aplicación de inteligencia artificial en salud, tanto a nivel global como en América Latina.
Los datos sintéticos son conjuntos de información generados por algoritmos capaces de replicar las propiedades estadísticas de datos clínicos reales, pero sin exponer identidades ni historiales personales. No son bases maquilladas, son datos nuevos que reproducen patrones clínicos verosímiles.
Como explica Diego Pereyra, Healthcare Global Director en Softtek: "Esta tecnología abre un nuevo horizonte para la investigación en salud: acelera los ensayos clínicos, el desarrollo de nuevos medicamentos y permite que los hospitales construyan redes de datos confiables, con muestras representativas a escala regional o incluso global."
Esa combinación permite algo que antes era casi imposible: simular escenarios médicos complejos, entrenar algoritmos de soporte al diagnóstico o validar terapias digitales sin recurrir a bases clínicas reales. También habilita trabajar con enfermedades raras o combinaciones muy poco frecuentes, donde la falta de volumen suele frenar la investigación.
Un impulso para Argentina y la región
En América Latina, donde la fragmentación de los sistemas de salud y la escasez de repositorios clínicos robustos siguen siendo desafíos, los datos sintéticos se vuelven un acelerador. En Argentina, en particular, la tecnología empezó a ganar lugar tanto en ámbitos académicos como en iniciativas públicas ligadas a la digitalización sanitaria.
Durante el último año, encuentros como el Datatón 2025 del Ministerio de Salud pusieron el tema sobre la mesa: interoperabilidad, investigación segura y nuevas formas de entrenar algoritmos sin comprometer la privacidad. Universidades y hospitales locales también experimentaron con simulaciones de enfermedades poco frecuentes y validación de modelos de diagnóstico.
"Existen compañías especializadas en la generación de datos sintéticos que permiten preservar la privacidad sin sacrificar la calidad ni el valor clínico de la información. Estas soluciones cumplen con los marcos regulatorios más exigentes, como GDPR en Europa (Europrivacy) y HIPAA a nivel internacional", destaca Pereyra, y agrega, "En nuestro país, los datos sintéticos pueden democratizar la innovación médica, permitiendo que hospitales y startups investiguen y desarrollen soluciones de IA sin depender de repositorios internacionales ni vulnerar la confidencialidad de los pacientes".
Beneficios concretos para hospitales y pacientes
-Modelos clínicos más robustos: generan bases más equilibradas, reducen sesgos y mejoran la precisión diagnóstica.
-Colaboración segura: hospitales, universidades y empresas pueden intercambiar conocimiento sin compartir datos sensibles.
-Acceso democratizado: en regiones con repositorios escasos o fragmentados, funcionan como un igualador tecnológico.
-Innovación sin fricciones: permiten validar algoritmos, acelerar soluciones y mejorar la atención sin poner en riesgo la privacidad.
Los datos sintéticos no vienen a reemplazar la información clínica real, sino a complementarla. "Son un puente que acelera la investigación y hace más segura la innovación médica, especialmente en países donde el acceso a grandes volúmenes de datos es limitado", afirma Pereyra.
Desafíos y próximos pasos
"Los datos sintéticos habilitan una nueva unidad de negocio, basada en la monetización responsable de datos confiables, siempre bajo esquemas de colaboración segura, impulsando decisiones mejor informadas, investigación más ágil e innovación sostenible en el sistema de salud", concluye el experto.
Aunque el potencial es enorme, los especialistas remarcan que los modelos generativos deben ser evaluados con cuidado. La clave será asegurar que los datos sintéticos mantengan valor clínico y no introduzcan distorsiones. Transparencia, validación médica y estándares claros serán fundamentales para construir confianza entre profesionales, instituciones y pacientes.