Los datos de salud son la categoría más sensible que gestiona cualquier organización, y los marcos genéricos de gobernanza de datos rara vez alcanzan para protegerlos y aprovecharlos al mismo tiempo. La gobernanza de datos clínicos requiere controles específicos sobre calidad, acceso, linaje y consentimiento que van más allá de las políticas corporativas estándar.
Cuando un hospital o una aseguradora habla de “dato de paciente”, está hablando de información que puede determinar un diagnóstico, condicionar una cobertura o alimentar un modelo predictivo de riesgo. Ese dato no es equivalente a un registro de cliente en un CRM: tiene ciclos de vida que duran décadas, múltiples custodios simultáneos —médico tratante, institución, laboratorio, pagador— y restricciones de uso que emanan tanto de la ética clínica como del derecho. Sin una arquitectura de gobernanza diseñada para esa complejidad, el dato clínico se vuelve un pasivo antes que un activo.
Por qué el dato clínico rompe los modelos de gobernanza convencionales
Un framework como DAMA-DMBOK define las disciplinas de gobernanza —calidad, seguridad, arquitectura, metadatos— de forma transversal a industrias. Pero en salud esas disciplinas se cargan con requisitos adicionales que no aparecen en ningún otro sector: el consentimiento informado como condición de tratamiento de datos, la obligación de conservar ciertos registros por plazos fijados por norma (en muchos países, entre cinco y diez años como mínimo), y la necesidad de auditar no solo quién accedió al dato sino con qué propósito clínico lo hizo. El concepto de data stewardship —la asignación de responsabilidad sobre un dominio de datos a una persona o rol específico— adquiere en salud una dimensión ética que va más allá del cumplimiento técnico.
A esto se suma la fragmentación. Un sistema de salud típico de mediana escala opera con al menos tres o cuatro sistemas de origen —historia clínica electrónica, laboratorio, imágenes, facturación— que rara vez comparten identificadores únicos de paciente, formatos de fecha o catálogos de códigos diagnósticos. Sin data lineage claro que trace el recorrido de cada registro desde su origen hasta su uso en un dashboard o un modelo, cualquier decisión clínica basada en datos acumula un riesgo silencioso de inconsistencia.
Los tres controles que ningún programa de salud debería omitir
Los programas de gobernanza de datos más maduros en el sector identifican al menos tres controles que funcionan como base mínima operativa:
- Clasificación de datos con etiquetas de sensibilidad clínica: no todos los datos de un expediente tienen el mismo nivel de exposición. Diagnósticos de salud mental, información genética o datos de adicciones requieren controles de acceso más restrictivos que, por ejemplo, la fecha de una consulta de rutina. Un catálogo de datos sin clasificación granular impide aplicar controles diferenciados.
- Gobierno del consentimiento como dato estructurado: el consentimiento del paciente no puede vivir solo como un PDF escaneado en el expediente. Para ser gobernable, debe estar registrado como metadato vinculado al dato que autoriza, con fecha, alcance y posibilidad de revocación trazable.
- Data quality checks en punto de captura: los errores de calidad en salud —un peso en libras donde se esperan kilogramos, una fecha de nacimiento con año incorrecto— tienen consecuencias clínicas directas. Las reglas de calidad deben ejecutarse en el momento de ingreso del dato, no como limpieza posterior.
El marco regulatorio en América Latina: obligaciones que ya están vigentes
En Brasil, la Lei Geral de Proteção de Dados (LGPD) clasifica los datos de salud como datos sensibles y exige base legal específica para su tratamiento —consentimiento explícito o necesidad de tutela de la salud—, con obligaciones reforzadas de seguridad. La Autoridade Nacional de Proteção de Dados (ANPD) ha señalado al sector salud como prioritario en su agenda de fiscalización. En Argentina, la Ley 25.326 de Protección de los Datos Personales establece que los archivos de datos médicos solo pueden ser recolectados con finalidad directamente vinculada al tratamiento del paciente, y su acceso está restringido al personal sanitario bajo secreto profesional. La Agencia de Acceso a la Información Pública (AAIP) tiene competencia para sancionar el uso indebido de esos registros. En México, la LFPDPPP y su reglamento incluyen a los datos de salud en la categoría de datos sensibles, con requisitos de aviso de privacidad reforzado y consentimiento expreso. Ninguno de estos marcos es opcional: son el piso desde el que debe construirse cualquier programa de gobernanza en la región.
La convergencia entre regulación de protección de datos y estándares de interoperabilidad clínica —como HL7 FHIR, que define cómo se intercambian registros entre sistemas— está presionando a los equipos de datos de salud a integrar capacidades de gobernanza que antes eran independientes. Un CDO de una red hospitalaria hoy necesita hablar tanto de ISO/IEC 27001 como de FHIR R4 y de los requisitos de la ANPD o la AAIP en la misma reunión.
Cuándo aplica este tipo de gobernanza especializada y cuándo no
La gobernanza de datos clínicos aplica a cualquier organización que trate datos de salud como parte de su operación principal: hospitales, clínicas, laboratorios, aseguradoras de salud, empresas de telemedicina y proveedores de tecnología que procesen esos datos por cuenta de instituciones médicas. No aplica —o aplica de forma marginal— a empresas que solo recopilan datos de bienestar general sin correlato clínico, como aplicaciones de fitness que no integran diagnósticos ni prescripciones. La distinción importa porque define si las obligaciones de las leyes de datos sensibles rigen plenamente o solo de forma parcial.
Para los equipos que gestionan datos de salud en la región, el punto de partida concreto es auditar el catálogo de datos existente contra las categorías de sensibilidad definidas por la regulación local, identificar qué datos carecen de data steward asignado y qué consentimientos no tienen registro estructurado. Esas tres brechas son las que más frecuentemente generan exposición regulatoria y degradan la calidad de los datos disponibles para la toma de decisiones clínicas.
El marco regulatorio latinoamericano ya establece obligaciones concretas sobre datos de salud; la pregunta para cada organización no es si debe cumplirlas, sino si su programa de gobernanza actual tiene la granularidad necesaria para hacerlo de forma demostrable ante una autoridad de control.
