La interoperabilidad en salud suele parecer un asunto técnico, pero en realidad nace de una experiencia muy concreta. Un paciente puede pasar por una guardia, un consultorio, un laboratorio, una farmacia, un centro de imágenes y una internación. Cada punto del recorrido genera datos, pero esos datos no siempre pueden circular, interpretarse y reutilizarse sin fricciones.

A veces quedan encerrados en un sistema; otras veces viajan, pero pierden contexto; y muchas veces llegan en un formato que otro sistema no logra entender.

HL7, abreviatura de Health Level Seven, puede entenderse como una familia de estándares y, al mismo tiempo, como el ecosistema institucional que los desarrolla. Su propósito es establecer reglas comunes para que los sistemas de información sanitaria intercambien datos clínicos y administrativos.

En términos simples, HL7 intenta que distintos sistemas puedan hablar sobre pacientes, prestaciones, resultados, diagnósticos, medicamentos o episodios asistenciales sin tener que inventar un idioma nuevo en cada integración.

FHIR, sigla de Fast Healthcare Interoperability Resources, es uno de los desarrollos más relevantes de HL7. Su rasgo distintivo es organizar la información sanitaria en recursos: piezas relativamente modulares y reutilizables, como Patient, Observation, Medication, Condition, Procedure o Encounter.

Estos recursos pueden intercambiarse mediante tecnologías web y APIs, lo que acerca la interoperabilidad sanitaria a la forma en que se construyen muchas aplicaciones digitales contemporáneas.

Esta arquitectura por recursos ayuda a entender por qué FHIR no es simplemente un formato de archivo. Es una manera de modelar información clínica para que pueda ser consultada, transmitida, validada y combinada por distintos sistemas. Sin embargo, intercambiar datos no equivale necesariamente a comprenderlos.

Para que la interoperabilidad sea real, los datos también necesitan significado compartido, terminologías, perfiles de implementación, reglas de seguridad, trazabilidad y acuerdos organizacionales sobre quién puede usar qué información, para qué finalidad y bajo qué condiciones.

Por eso, la diferencia con formatos más antiguos no es solo técnica. FHIR intenta hacer que el intercambio sea más granular, reutilizable y cercano a las necesidades actuales de historia clínica electrónica, investigación clínica, salud pública, analítica, inteligencia artificial y continuidad de cuidados.

Una revisión reciente lo describe como un estándar líder para enfrentar barreras persistentes de interoperabilidad, intercambio fragmentado y armonización inconsistente de datos biomédicos [1].

Sin embargo, la evidencia también muestra que FHIR no debe entenderse como una solución automática.

Una revisión sistemática sobre implementaciones, aplicaciones, desafíos y oportunidades encontró que el estándar se utiliza en múltiples escenarios, pero que persisten dificultades vinculadas con adopción, seguridad, variabilidad de implementaciones, integración con sistemas existentes y disposición de los actores a compartir información [2].

Dicho de otro modo: FHIR facilita el idioma común, pero no garantiza que las organizaciones quieran, puedan o sepan conversar.

Uno de los campos donde el potencial parece más claro es la investigación en salud. FHIR puede ayudar a reutilizar datos clínicos existentes, conectar historias clínicas electrónicas con procesos de investigación y reducir parte del trabajo manual de extracción y transformación de datos.

Una revisión sobre FHIR para investigación señala precisamente que la interoperabilidad es cada vez más importante para usar fuentes de datos existentes de manera eficiente, aunque el uso de FHIR en investigación todavía es menos frecuente que en otros dominios de tecnología sanitaria [3].

La conexión entre FHIR y modelos de datos de investigación aparece con claridad en OMOP-on-FHIR. Allí, el objetivo no es solo mover datos, sino armonizarlos para que puedan incorporarse al modelo común OMOP CDM. La propuesta aprovecha paquetes FHIR para intercambio clínico en tiempo real y luego los transforma mediante procesos ETL, buscando mantener consistencia semántica entre fuentes diversas [5].

Este punto es clave: interoperar no es simplemente enviar un archivo; es preservar significado, trazabilidad y utilidad analítica.

También hay experiencias que muestran el valor de FHIR para salud pública. El piloto MedMorph, orientado a vigilancia de hepatitis C e investigación, probó una arquitectura de referencia para intercambio automatizado de datos entre autoridad sanitaria, organización de investigación, sitios clínicos y proveedores de EHR [6].

El interés de este caso es organizacional: FHIR permite estructurar el intercambio, pero la solución requiere coordinar instituciones, flujos de trabajo, responsabilidades y reglas de uso.

En el plano asistencial, FHIR aparece como una herramienta para continuidad de cuidados y trayectorias clínicas. Una ontología formal basada en HL7-FHIR y ContSys busca mejorar la interoperabilidad de datos en escenarios de atención integrada, especialmente cuando la atención se desplaza hacia el hogar o combina servicios sanitarios y sociales [9].

Este tipo de trabajos recuerda que la interoperabilidad no es solo un problema de sistemas: es una condición para coordinar servicios, profesionales y decisiones a lo largo del recorrido del paciente.

Los usos específicos muestran la amplitud del campo. La integración masiva de metadatos DICOM en HL7-FHIR apunta a hacer utilizables datos de imágenes para investigación médica, cerrando la brecha entre disponibilidad rutinaria de imágenes y su aprovechamiento secundario [7].

En enfermería, un conjunto de herramientas basado en FHIR busca facilitar el análisis de datos estandarizados para gestión e investigación, un área donde la falta de conjuntos de datos comparables limita decisiones y aprendizaje [8].

La principal barrera aparece cuando FHIR debe convivir con sistemas legados. Muchos sistemas sanitarios fueron construidos antes de estos estándares o responden a modelos de datos locales, difíciles de estandarizar.

Un trabajo sobre una fachada FHIR para sistemas basados en modelo entidad-atributo-valor muestra una salida pragmática: no reemplazar todo el sistema, sino construir una capa que permita exponer datos mediante FHIR y conectar infraestructuras antiguas con marcos modernos [4].

Esta es una enseñanza importante para la gestión: la interoperabilidad suele avanzar por capas, adaptaciones y puentes, no por sustituciones completas de una vez.

La aparición de modelos de lenguaje agrega otra dimensión. Algunos estudios exploran consultas sobre data lakes clínicos sin exponer directamente datos sensibles, apoyándose en FHIR y terminologías clínicas para reducir barreras técnicas . La promesa es clara: que usuarios no expertos puedan formular preguntas sobre datos complejos.

Pero el riesgo también lo es: si la capa semántica es débil, si los recursos están mal mapeados o si las reglas de acceso son ambiguas, la facilidad de consulta puede amplificar errores.

Para una organización de salud, entonces, la pregunta no debería ser solamente si conviene adoptar FHIR. La pregunta más útil es para qué flujo de trabajo, con qué datos, entre qué sistemas, bajo qué reglas y con qué responsabilidades. FHIR puede facilitar portales de pacientes, vigilancia epidemiológica, investigación, auditoría, continuidad asistencial, analítica o integración con aplicaciones externas.

Pero su valor depende de que el estándar se inserte en una arquitectura gobernada y en procesos reales de atención y gestión.

En síntesis, HL7/FHIR no es simplemente un formato moderno para mover datos. Es una infraestructura semántica y operativa para que la información sanitaria pueda circular con significado. Su aporte más fuerte es reducir la fragmentación y hacer posible que distintos sistemas trabajen sobre recursos comunes.

Su límite más importante es que ningún estándar reemplaza la gobernanza, la calidad de datos, la seguridad, la coordinación institucional ni la decisión organizacional de usar la información para mejorar la atención.

Referencias

1. Hornback A; Marteau B; Tan SQY; Kim K; Patil O; Traynelis J; Zhu Y; Giuste F; Wang MD (2026). FHIR in Focus: Enabling Biomedical Data Harmonization for Intelligent Healthcare Systems. IEEE Reviews in Biomedical Engineering. doi: 10.1109/RBME.2025.3632213

2. Ayaz M; Pasha MF; Alzahrani MY; Budiarto R; Stiawan D (2021). The Fast Health Interoperability Resources (FHIR) Standard: Systematic Literature Review of Implementations, Applications, Challenges and Opportunities. JMIR Medical Informatics. doi: 10.2196/21929

3. Vorisek CN; Lehne M; Klopfenstein SAI; Mayer PJ; Bartschke A; Haese T; Thun S (2022). Fast Healthcare Interoperability Resources (FHIR) for Interoperability in Health Research: Systematic Review. JMIR Medical Informatics. doi: 10.2196/35724

4. Jafarpour M; Jouned A; Tassatti LS; Katsch F; Duftschmid G (2025). Bridging the Legacy Interoperability Gap: A Flexible Approach to Implementing a FHIR Facade for EAV-Based Health Information Systems. Studies in Health Technology and Informatics. doi: 10.3233/SHTI250743

5. Jayathissa P; Rohatsch L; Sauermann S; Hussein R (2025). OMOP-on-FHIR: Integrating the Clinical Data Through FHIR Bundle to OMOP CDM. Studies in Health Technology and Informatics. doi: 10.3233/SHTI250432

6. Michaels M; Botts NE; Hassell S; Mardon R; Pan ECR; Flanigan M; Chehab C; Liu S; Bocour A; Alexander M; Aponte A; Thompson ND (2025). Initial Real-World Pilot of the MedMorph Reference Architecture: Hepatitis C Surveillance and Research. Public Health Reports. doi: 10.1177/00333549231193508

7. Iancu A; Bauer J; May MS; Prokosch HU; Doerfler A; Uder M; Kapsner LA (2024). Large-Scale Integration of DICOM Metadata into HL7-FHIR for Medical Research. Rofo. doi: 10.1055/a-2521-4250

8. Netzband S; Frei J; Weber F; Ignatenko Y; Grieger M; Gottschalk F; Auer F; Mueller D; Brunner JO; Kramer F (2025). Introducing a FHIR-Based Toolset for Analyzing Nursing-Related Data. Studies in Health Technology and Informatics. doi: 10.3233/SHTI250719

9. Das S; Hussey P (2023). HL7-FHIR-Based ContSys Formal Ontology for Enabling Continuity of Care Data Interoperability. Journal of Personalized Medicine. doi: 10.3390/jpm13071024