Sin gobernanza de datos robusta, los sistemas de salud no pueden construir una atención centrada en el paciente: los datos clínicos dispersos, sin ownership claro ni calidad verificada, producen decisiones médicas deficientes y exponen a las instituciones a riesgos regulatorios crecientes. El sector salud en América Latina opera con esa deuda técnica acumulada, y el margen para ignorarla se estrecha.
La gobernanza de datos en salud no es un proyecto de TI. Es el conjunto de políticas, roles, procesos y estándares que determinan quién puede acceder a qué datos clínicos, cómo se definen, con qué calidad se capturan y cómo se integran entre sistemas —historias clínicas electrónicas (HCE), laboratorio, farmacia, facturación— para que el médico que atiende al paciente tenga información completa, confiable y oportuna. Sin esa estructura, la atención centrada en el paciente es un objetivo declarado, no operativo.
Por qué los datos clínicos fallan sin un marco de gobierno
El problema más frecuente en hospitales y redes de atención de la región es la fragmentación: cada sistema genera su propio registro, con sus propias definiciones de campo, sin un modelo de datos unificado ni un data steward —responsable de dominio de datos— que arbitre las discrepancias. Un mismo paciente puede tener tres identificadores distintos en tres sistemas, ninguno de los cuales dialoga con los otros. El resultado clínico es medicación duplicada, alergias no registradas o resultados de laboratorio que nunca llegan al médico tratante. El resultado institucional es incapacidad de analizar poblaciones, de cumplir con reportes regulatorios o de alimentar modelos de inteligencia artificial con datos confiables.
El DAMA-DMBOK, referencia estándar en la industria, identifica la calidad del dato como una de las once áreas de conocimiento de la gobernanza. En salud, esa área adquiere carácter crítico: un dato de presión arterial con timestamp incorrecto o una dosis registrada con unidad de medida ambigua no es un error de reporting —es un riesgo clínico directo. Las instituciones que implementan marcos de calidad de datos con reglas de validación en el punto de captura reducen esa categoría de error de forma medible.
Roles críticos: CDO, data steward y el médico como productor de datos
La gobernanza de datos clínicos requiere una estructura de roles que la mayoría de los hospitales latinoamericanos todavía no ha formalizado. El Chief Data Officer (CDO) —o su equivalente funcional— es responsable de la estrategia de datos de la institución. Los data stewards de dominio clínico son los profesionales, frecuentemente médicos o enfermeras con perfil analítico, que definen y custodian los estándares de cada conjunto de datos: qué es un diagnóstico principal, cómo se codifica con CIE-10, cuándo un campo es obligatorio. Sin ese rol, las reglas de negocio quedan implícitas en la cabeza de cada operador y se vuelven ingoberables a escala.
El marco Non-Invasive Data Governance de Bob Seiner ofrece una perspectiva útil para el sector salud: en lugar de imponer capas burocráticas, formaliza las responsabilidades que los profesionales ya ejercen informalmente. Un médico que corrige un diagnóstico ya está haciendo stewardship; la gobernanza lo hace visible, trazable y replicable. Esa lógica es especialmente relevante en hospitales públicos de la región, donde los recursos para estructuras formales son limitados.
Cuándo aplica la gobernanza de datos en salud — y cuándo no es suficiente
La gobernanza de datos clínicos aplica en cualquier institución que centralice registros de pacientes, opere con múltiples sistemas integrados o deba reportar indicadores de calidad asistencial a autoridades regulatorias. En Argentina, los hospitales que reportan al Ministerio de Salud de la Nación bajo el sistema SNVS 2.0 (enfermedades de notificación obligatoria) ya operan en un esquema que exige calidad y completitud del dato; ese requerimiento es, en la práctica, gobernanza de datos aplicada al dominio epidemiológico. En Brasil, la Lei Geral de Proteção de Dados (LGPD) clasifica los datos de salud como datos sensibles y exige tratamiento diferenciado, lo que obliga a las instituciones a mapear sus flujos de datos clínicos con un nivel de detalle que sólo es posible con un programa de gobernanza activo.
La gobernanza de datos, sin embargo, no reemplaza la seguridad de la información ni la ciberseguridad clínica. Un hospital puede tener políticas de acceso bien definidas y aun así ser vulnerable a un ataque si no cuenta con controles técnicos complementarios. Tampoco resuelve por sí sola la interoperabilidad: sin estándares como HL7 FHIR implementados correctamente, la gobernanza documenta silos sin eliminarlos.
El marco regulatorio en LATAM presiona hacia la acción
Más allá de Brasil, otros países de la región están generando presión normativa sobre el manejo de datos clínicos. En Colombia, la Resolución 866 de 2021 del Ministerio de Salud establece lineamientos para la interoperabilidad de datos de salud, lo que implica implícitamente requisitos de calidad y estandarización. En México, la NOM-004-SSA3-2012 regula el expediente clínico electrónico y define qué datos son obligatorios y cómo deben estructurarse —una base normativa para un programa de calidad de datos clínicos. En Chile, la Ley 21.541 de 2023 sobre protección de datos, que moderniza la legislación y clasifica los datos de salud como sensibles, añade otra capa de exigencia para las instituciones del sector.
Para los equipos de datos que trabajan en organizaciones de salud en la región, el punto de partida operativo es concreto: realizar un inventario de los dominios de datos clínicos críticos (paciente, diagnóstico, medicación, resultado de examen), asignar un data steward responsable por dominio, definir las reglas de calidad mínimas para cada campo, y establecer un dashboard de métricas de completitud y consistencia visible para la dirección médica y el área de TI. Sin ese inventario, cualquier iniciativa de analítica clínica o de inteligencia artificial aplicada a salud construye sobre una base que no conoce su propia fragilidad.
Para profundizar en los marcos de referencia, el DAMA-DMBOK 2.0 (disponible en español) y la guía de implementación de HL7 FHIR para América Latina, publicada por la OPS, son los puntos de partida técnicos más sólidos para equipos que inician o maduran un programa de gobernanza de datos en salud.
