Sin gobernanza de datos robusta no hay atención centrada en el paciente: esa es la conclusión que expertos del sector salud repiten con creciente urgencia. El problema no es la falta de datos clínicos sino la incapacidad de las organizaciones sanitarias para gestionarlos con calidad, trazabilidad y control de acceso suficientes para tomar decisiones confiables.
Los sistemas de salud generan volúmenes extraordinarios de datos — historiales clínicos, imágenes diagnósticas, registros de prescripción, resultados de laboratorio — que en muchas instituciones permanecen fragmentados en silos departamentales sin un marco de gobernanza que los integre. Cuando no existe un modelo claro de ownership del dato, los equipos clínicos trabajan con información inconsistente, duplicada o desactualizada. El resultado es directo: decisiones de tratamiento basadas en registros incompletos, errores en la identificación del paciente y pérdida de continuidad asistencial entre servicios.
Qué significa gobernanza de datos en un entorno hospitalario
En el contexto sanitario, gobernanza de datos implica definir quién es responsable de cada tipo de dato clínico — el data steward del registro del paciente, el custodio del sistema de historia clínica electrónica (HCE) —, bajo qué estándar de calidad debe mantenerse ese dato, y qué reglas de acceso aplican según el rol del profesional de salud. El marco DAMA-DMBOK es aplicable directamente: las capacidades de data quality, metadata management y data security son las tres palancas más críticas en el sector. Sin ellas, iniciativas de analítica clínica o de inteligencia artificial aplicada al diagnóstico se construyen sobre cimientos inestables.
Un punto que los expertos destacan es la necesidad de un master data management (MDM) del paciente: un identificador unívoco que permita consolidar todos los registros dispersos de una misma persona a través de distintos sistemas — admisión, laboratorio, farmacia, consultas externas. La ausencia de MDM en hospitales es una de las causas más documentadas de eventos adversos evitables. En el modelo DCAM del EDM Council, la capacidad de gestión de datos maestros corresponde al nivel intermedio de madurez; muchas instituciones sanitarias de la región no han alcanzado siquiera ese umbral.
Cuándo aplica / cuándo NO
Un programa de gobernanza de datos clínicos aplica cuando la organización opera con múltiples sistemas fuente que deben interoperar — HCE, PACS de imágenes, LIS de laboratorio, sistemas de facturación —, cuando exige reportes regulatorios ante autoridades sanitarias, o cuando planea incorporar analítica predictiva o modelos de IA en el flujo asistencial. No sustituye, en cambio, a los controles de ciberseguridad ni a los sistemas de gestión de calidad ISO 9001/15189 aplicados a procesos de laboratorio; esos son complementarios, no equivalentes. Tampoco resulta pertinente en organizaciones de atención ambulatoria pequeñas con un único sistema integrado y sin necesidad de interoperabilidad externa, donde bastan políticas internas de acceso y calidad de registro.
El cuadro regulatorio en América Latina exige más que buenas intenciones
En la región, los datos de salud son categorizados como datos sensibles en todos los marcos de protección de datos personales vigentes: la Ley 25.326 en Argentina, la Lei Geral de Proteção de Dados (LGPD) en Brasil, la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) en México, y la Ley 1581 en Colombia. En todos los casos, el tratamiento de datos clínicos exige consentimiento explícito, medidas de seguridad reforzadas y, en el caso de Brasil, notificación a la Autoridade Nacional de Proteção de Dados (ANPD) ante incidentes de seguridad. Argentina, por su parte, está en proceso de reforma legislativa — el proyecto de nueva Ley de Protección de Datos Personales que actualiza la 25.326 mantiene la categoría especial para datos de salud con estándares más exigentes que los actuales.
Lo que cambia con un programa de gobernanza formal es la capacidad de demostrar cumplimiento ante estas exigencias. Una institución con data lineage documentado puede responder con precisión qué sistemas procesaron un determinado registro clínico, en qué momento y con qué autorizaciones. Una institución sin ese nivel de trazabilidad no puede, en la práctica, cumplir con las obligaciones de transparencia que imponen estas normas, aunque técnicamente tenga los datos almacenados.
Tres capacidades que un CDO de salud debe priorizar en este ciclo
Si la dirección de datos de una organización sanitaria busca dónde anclar un programa de gobernanza con impacto clínico y regulatorio inmediato, el orden de prioridad surge de las brechas más comunes en el sector:
- MDM del paciente: definir un golden record con identificador único y reglas de deduplicación antes de cualquier proyecto de analítica o IA clínica.
- Clasificación de datos sensibles: mapear qué conjuntos de datos caen bajo la categoría de datos de salud según la normativa local y qué controles de acceso diferenciado aplican a cada uno.
- Data stewardship clínico: asignar roles de data steward por dominio — registro del paciente, datos de medicación, datos de diagnóstico — con responsabilidades de calidad formalizadas, no como tarea adicional sino como función reconocida en el organigrama.
El marco de referencia más accionable para hospitales de mediana complejidad es el Non-Invasive Data Governance de Bob Seiner, que permite asignar responsabilidades de stewardship sin rediseñar la estructura organizacional existente — ventaja significativa en entornos hospitalarios donde la resistencia al cambio estructural es alta y los recursos de gestión son limitados.
Los marcos regulatorios de salud en LATAM ya exigen trazabilidad y seguridad diferenciada para datos clínicos; las instituciones que lleguen a esa exigencia sin gobernanza formal no estarán incumpliendo por falta de voluntad, sino por falta de infraestructura de gestión del dato — y esa distinción no interesa a ninguna autoridad de control.
