Por qué la atención médica de talla única está fracasando en India — y cómo la IA puede solucionarlo

En India, la atención sanitaria a menudo comienza en una sala de espera llena de personas de todos los ámbitos: profesionales urbanos, agricultores de aldeas cercanas, pacientes ancianos acompañados por sus familias. Todos tienen dietas, estilos de vida, tensiones y prácticas culturales diferentes, sin embargo la mayoría recibe la misma línea de tratamiento “estándar”. 

Para Sushmita Sundar, estratega en salud y defensora de la innovación impulsada por AI, esta imagen pone de manifiesto la urgente necesidad de cambio. La medicina personalizada, sostiene, debe ir más allá de descifrar genes para reflejar verdaderamente la realidad india—donde el comportamiento, el entorno y los factores socioeconómicos a menudo moldean los resultados más que la genética por sí sola. En una entrevista, explica por qué un modelo “talla única” ya no funciona y cómo AI puede ayudar a India a construir un sistema de salud más equitativo, consciente del contexto y centrado en las personas. Lea más para profundizar en sus ideas.

“Cuando hablamos de Medicina personalizada impulsada por IA en India, lo veo como algo mucho más que simplemente descifrar genes. Para mí, significa entregar el tratamiento adecuado a la persona adecuada en el momento adecuado, basándose en sus características únicas. Pero en India, estas características están determinadas por mucho más que la genética: están influenciadas por el comportamiento, el entorno, la cultura y las realidades socioeconómicas.” - Dr. Sundar. 

Medicina personalizada en el contexto indio

En su esencia, la personalización en la atención sanitaria consiste en comprender a la persona detrás del paciente. En India, lograr esto requiere un enfoque multidimensional que vaya más allá de la genómica.

Datos genómicos: Para condiciones como el cáncer, las enfermedades raras o la farmacogenómica, los conocimientos genéticos son invaluables. Sin embargo, el acceso a las pruebas genéticas sigue siendo limitado, particularmente fuera de las ciudades metropolitanas, lo que restringe su aplicación generalizada.

Comportamientos locales y patrones de estilo de vida: Los factores de estilo de vida desempeñan un papel igualmente crítico. Los hábitos alimentarios—ya sean vegetarianos, no vegetarianos o con alta ingesta de carbohidratos—las exposiciones ambientales como la calidad del aire y del agua, las diferencias de estrés entre la vida urbana y rural, e incluso algo tan básico como completar un curso de antibióticos influyen significativamente en los resultados de salud. Para enfermedades crónicas como la diabetes o la hipertensión, los datos de comportamiento con frecuencia resultan más influyentes que los datos genéticos.

Determinantes socioeconómicos y culturales: La personalización en India también debe reflejar la diversidad del país en idioma, alfabetización en salud y asequibilidad. Por ejemplo, una aplicación para la diabetes puede necesitar ofrecer remedios caseros junto con el tratamiento estándar u ofrecer teleconsultas en idiomas regionales para garantizar la adherencia.

Biomarcadores digitales y datos clínicos: Mientras que los hospitales de nivel 1 pueden contar con registros electrónicos de salud (EHRs), los modelos de atención sanitaria impulsados por AI en otras regiones a menudo dependen de wearables, datos informados por pacientes mediante aplicaciones móviles o información recopilada por programas de salud pública.

Surge la pregunta: ¿la personalización se trata de genes o de comportamiento? En India, es ambas cosas. Sin embargo, la inclinación actual es hacia los determinantes conductuales, ambientales y socioeconómicos, con la genómica comenzando lentamente a influir en la atención en condiciones selectas. En última instancia, AI en la atención sanitaria india debe ser consciente del contexto, sensible a los recursos y diversa en cuanto a la población.

Por qué el modelo “talla única” falla en India

En la mayoría de los hospitales públicos, el tratamiento continúa siguiendo un enfoque “talla única para la mayoría”. Pero en un país tan complejo como India, este modelo no solo está anticuado—puede ser perjudicial.



• Resultados deficientes: Las poblaciones responden de manera diferente al mismo fármaco o dosis. Por ejemplo, los asiáticos del sur son más propensos a la resistencia a la insulina con índices de masa corporal más bajos, sin embargo muchos protocolos de tratamiento aún se basan en los puntos de corte de IMC occidentales.
• Recursos desperdiciados: Los métodos de tratamiento uniformes suelen dar lugar a enfoques de ensayo y error, lo que provoca visitas repetidas al hospital, estancias prolongadas y mayores costos tanto para los pacientes como para el sistema de salud.
• Diagnósticos perdidos: Los criterios de evaluación estándar con frecuencia pasan por alto a grupos en riesgo. Los modelos cardiovasculares occidentales, por ejemplo, subestiman los riesgos para pacientes indios más jóvenes, especialmente las mujeres.
• Desigualdades en salud: Las comunidades rurales y tribales enfrentan desventajas agravadas: falta de acceso a atención de calidad y protocolos que no reflejan sus determinantes únicos, como la nutrición o la exposición a enfermedades infecciosas.
• Oportunidades de prevención perdidas: La personalización impulsada por AI tiene el potencial de identificar riesgos de prediabetes, prehipertensión o cánceres genéticos más temprano. Los modelos uniformes no pueden ofrecer este nivel de previsión.
• Ineficacia de fármacos y efectos secundarios: La farmacogenómica muestra que algunas subpoblaciones indias metabolizan los fármacos de manera diferente. Sin personalización, aumentan los riesgos de fracaso del tratamiento o efectos adversos.

Si India continúa dependiendo de enfoques genéricos y ciegos a la población, las consecuencias serán claras: aumento de las tasas de enfermedad, escalada de los costos de atención sanitaria, ampliación de las disparidades en salud y pérdida de oportunidades para la atención preventiva.

El camino a seguir

Para India, la medicina personalizada no es un lujo—es una necesidad. Con una enorme carga de enfermedad y recursos sanitarios limitados, el país no puede permitirse las ineficiencias de la atención uniforme.

El futuro de la atención sanitaria en India no replicará el modelo occidental centrado en genómica. En su lugar, evolucionará hacia un enfoque híbrido—donde AI conecte los conocimientos genéticos con la comprensión del comportamiento, el entorno y la cultura. Este modelo integrado representa la verdadera oportunidad: construir un sistema de salud tecnológicamente avanzado pero profundamente centrado en el ser humano.

India tiene una oportunidad única para liderar esta transformación. Al desarrollar un modelo de personalización consciente del contexto, asequible y equitativo, el país puede convertirse en un ejemplo para el mundo—uno que refleje tanto sus desafíos como su potencial.