Gobernanza de datos

La transformación digital en salud suele prometer más datos, mejores decisiones y servicios más inteligentes. Pero esa promesa tiene una condición previa: los datos deben poder usarse de manera segura, confiable, trazable y legítima.

Sin esa condición, una organización puede tener historias clínicas electrónicas, data lakes, tableros, inteligencia artificial o repositorios de investigación, y aun así no saber quién responde por la calidad de los datos, quién autoriza el acceso, para qué se usan o qué riesgos se están asumiendo.

La gobernanza de datos es el conjunto de reglas, roles, procesos y controles que permite responder esas preguntas. No se reduce a privacidad ni a ciberseguridad, aunque las incluye. Tampoco es solo una política escrita. En la práctica, implica definir responsabilidades sobre captura, calidad, custodia, acceso, intercambio, reutilización, auditoría, trazabilidad y eliminación de datos.

La evidencia revisada muestra que la gobernanza se vuelve crítica cuando los datos clínicos se usan para investigación, evaluación de tecnologías, gestión poblacional, mejora de calidad, inteligencia artificial o evidencia de mundo real. El punto común es simple: no alcanza con tener datos disponibles; hace falta saber bajo qué reglas pueden convertirse en información útil.

Qué muestra la evidencia

Un estudio de caso en una organización académica de salud describe la gobernanza como un factor crítico para compartir y acceder a datos de mundo real. El trabajo muestra que se necesitan procesos formales para solicitudes externas, mejora continua, seguimiento de madurez y acuerdos claros sobre acceso y uso [1].

La confianza de los pacientes también aparece como un componente central. La posibilidad de anonimizar y agrupar datos de historias clínicas abre oportunidades para investigación, pero genera preocupaciones sobre seguridad, usos inapropiados y pérdida de control. Un estudio cualitativo sobre consentimiento dinámico muestra que los enfoques convencionales pueden ser insuficientes si no incorporan transparencia, retroalimentación y participación activa de los pacientes [2].

En repositorios de investigación, la gobernanza ya no es una capa posterior: forma parte de la arquitectura. Un marco escalable e interoperable para repositorios de datos de salud propone integrar principios FAIR, seguridad, calidad, accesibilidad e interoperabilidad desde el diseño [3]. Esto también aplica a data lakes: acumular datos es relativamente fácil; volverlos confiables, encontrables y usables es bastante más difícil.

Gobernar el uso, no solo proteger el acceso

La gobernanza suele asociarse con protección, pero su función no es bloquear el uso de datos. Su valor es permitir usos legítimos, trazables y proporcionales. Si bloquea todo, impide aprender; si habilita todo, expone derechos, reputación institucional y confianza pública.

Los sistemas de información rutinarios muestran esta tensión. Un estudio en Trinidad y Tobago analiza el uso de datos habituales del sistema de salud como bien público y señala desafíos conocidos: calidad de datos, capacidad institucional, uso efectivo de la información, retroalimentación a quienes producen los datos y fortalecimiento del sistema de información [4].

La idea de bien público es potente, pero exige reglas. Una organización necesita definir qué datos pueden usarse, para qué fines, con qué nivel de agregación, quién puede acceder, cómo se audita el uso y qué mecanismos existen para corregir errores o daños.

Calidad, trazabilidad y responsabilidad

La calidad de datos es un pilar de la gobernanza. Los modelos analíticos más sofisticados pueden apoyarse en datos incompletos, inconsistentes o poco confiables si la calidad no recibe suficiente atención [9]. En salud, esto no es un problema menor: un dato mal capturado puede afectar investigación, planificación, indicadores, decisiones clínicas o modelos predictivos.

Por eso la gobernanza debe ocuparse de cómo se capturan los datos, qué controles se aplican, cómo se documentan las transformaciones y qué usos son apropiados para cada conjunto de datos. No todos los datos sirven para todo. Un registro pensado para facturar puede no ser suficiente para evaluar calidad clínica; una nota narrativa puede requerir curación antes de alimentar un modelo; una base poblacional puede necesitar reglas estrictas de anonimización y acceso.

La trazabilidad también importa. Una organización debería poder reconstruir de dónde vino un dato, quién lo modificó, qué reglas se aplicaron, quién lo consultó y en qué decisión fue usado. Sin esa trazabilidad, la confianza queda apoyada en costumbre más que en control institucional.

Inteligencia artificial y soberanía digital

La inteligencia artificial vuelve más visible la necesidad de gobierno de datos. Una revisión sobre federated learning en salud muestra que esta metodología puede reducir algunos problemas de intercambio porque permite analizar datos distribuidos sin concentrarlos en un único repositorio. Pero no elimina las preocupaciones sobre ética, privacidad, daño potencial, uso malicioso y responsabilidad sobre los modelos resultantes [6].

Algo similar aparece en la adopción de inteligencia artificial desde la mirada de profesionales de information governance en el Reino Unido. El estudio señala preocupaciones sobre privacidad, integridad ética y cumplimiento regulatorio, y destaca el rol de estos perfiles para asegurar un uso responsable de la IA en salud [7]. La enseñanza es clara: la IA no reduce la necesidad de gobernanza; la aumenta.

En América Latina, la discusión también se conecta con soberanía digital. Un comentario sobre Brasil plantea que, a medida que los sistemas de salud dependen de infraestructuras de nube operadas por grandes corporaciones tecnológicas, la administración de datos sensibles deja de ser un asunto solo técnico y se vuelve un problema ético, político y geopolítico [5]. Gobernar datos también implica decidir bajo qué condiciones una sociedad permite almacenar, procesar y explotar información sanitaria.

Participación y legitimidad

La gobernanza no se sostiene solo con comités internos. La participación pública puede darle forma concreta a la confianza. Una evaluación cualitativa sobre un comité de data trust muestra la importancia de involucrar pacientes y comunidad en decisiones sobre acceso a datos administrativos y hospitalarios para investigación y mejora de servicios [8].

Esto no significa trasladar cada decisión técnica a una consulta abierta. Significa construir mecanismos de deliberación, revisión y rendición de cuentas cuando los datos sensibles se usan para fines que exceden la atención individual. La legitimidad no se declara: se trabaja.

Qué debería preguntarse un gestor

Para un gestor, la pregunta no debería ser solamente si la organización tiene datos. La pregunta más importante es si sabe gobernarlos. Eso implica identificar dueños y custodios, definir criterios de calidad, establecer permisos, registrar usos, auditar accesos, documentar transformaciones, comunicar riesgos y generar mecanismos de revisión.

También implica ordenar responsabilidades. ¿Quién decide si una base puede usarse para investigación? ¿Quién evalúa riesgos de reidentificación? ¿Quién valida la calidad de un dato clínico? ¿Quién autoriza el acceso de un proveedor tecnológico? ¿Quién responde si un tablero, un algoritmo o un informe se apoya en datos incorrectos?

La gobernanza de datos es menos visible que una aplicación o un tablero, pero probablemente sea una de las condiciones más importantes para que la transformación digital en salud no quede en una promesa. Sin reglas, los datos no se convierten automáticamente en valor; pueden convertirse en ruido, riesgo o desconfianza.

Síntesis

La gobernanza de datos en salud es la infraestructura institucional que permite usar información sensible con propósito, calidad y legitimidad. Su valor no está en frenar el uso de datos, sino en hacerlo posible bajo reglas confiables.

En un sistema de salud cada vez más digital, gobernar datos es gobernar una parte central de la atención, la investigación, la gestión y la confianza pública.

Referencias

1. Davis HA; Kerkman D; Hoberg AA; Countryman M; Beaver W; Bybee K; Blum JM; Knosp BM. Establishing data governance for sharing and access to real-world data: a case study. Milbank Quarterly. 2025. doi:10.1111/1468-0009.12189
2. Spencer K; Sanders C; Whitley EA; Lund D; Kaye J; Dixon WG. Patient Perspectives on Sharing Anonymized Personal Health Data Using a Digital System for Dynamic Consent and Research Feedback: A Qualitative Study. Journal of Medical Internet Research. 2016. doi:10.2196/jmir.5011
3. Santos RS; Moreno RA; Rebelo MS; Pires FA; Krieger JE; Gutierrez MA. Architectural Framework for Developing a Healthcare Research Data Repository: A Scalable and Interoperable Approach. Studies in Health Technology and Informatics. 2025. doi:10.3233/SHTI251129
4. Ivey MA; Samlal K; Moore A; Simeon DT. Using data from routine health information systems as a public good in Trinidad and Tobago. Revista Panamericana de Salud Pública. 2024. doi:10.26633/RPSP.2024.87
5. Abuchaim RR; de Araujo DB. Health Data Belongs to Citizens, Not Corporations: Brazil’s Path to Digital Sovereignty. Digital Society. 2026. doi:10.1007/s44206-026-00264-4
6. Eden R; Chukwudi I; Bain C; Barbieri S; Callaway L; de Jersey S; George Y; Gorse AD; Lawley M; Marendy P; McPhail SM; Nguyen A; Samadbeik M; Sullivan C. A scoping review of the governance of federated learning in healthcare. NPJ Digital Medicine. 2025. doi:10.1038/s41746-025-01836-3
7. Olawade DB; Weerasinghe K; Teke J; Msiska M; Boussios S; Hatzidimitriadou E. Evaluating AI adoption in healthcare: Insights from the information governance professionals in the United Kingdom. International Journal of Medical Informatics. 2025. doi:10.1016/j.ijmedinf.2025.105909
8. Iqbal S; Moniz S; Bennin F; Alarcon Garavito G; de Koning R; Yu R; Vindrola-Padros C. Exploring the implementation of a data trust committee: a qualitative evaluation of processes and practices. Research Involvement and Engagement. 2025. doi:10.1186/s40900-025-00693-4
9. Sukumar SR; Ramachandran N; Ferrell R. Quality of Big Data in health care. International Journal of Health Care Quality Assurance. 2015. doi:10.1108/IJHCQA-07-2014-0080
10. Sahama T; Simpson L; Lane B. Security and Privacy in eHealth: Is it possible? 2013 IEEE 15th International Conference on e-Health Networking, Applications and Services. doi:10.1109/HealthCom.2013.6720676