La conversación sobre ética de IA en salud tiene un sesgo geográfico difícil de ignorar. Una meta-revisión de Corrêa et al. (2023) que analiza 200 documentos de gobernanza de IA de todo el mundo lo confirma con datos precisos. Europa Occidental y Estados Unidos concentran más del 60% de los documentos — el Reino Unido aporta el 12%, Alemania el 10%, Estados Unidos el 29%. América Latina, África y Oceanía juntas no alcanzan el 4.5% de la muestra. El 77% del total proviene de apenas 13 países, y América Latina aparece representada casi exclusivamente por Brasil, con 3 documentos de 200. El patrón no es una anomalía de muestra — se replica en cada meta-análisis previo que los autores citan, con muestras más pequeñas y criterios distintos, y el resultado apunta siempre a la misma región del planeta.
Ya en 2021, Murphy et al. detectaban la misma tendencia en la literatura específica sobre ética de IA en salud. Solo el 5.8% de los artículos revisados tenía autoría principal desde países de ingresos bajos y medios. Cinco años después, el desequilibrio persiste con cifras prácticamente idénticas.
La subrepresentación geográfica no es solo un problema de quién firma los artículos. Es un problema de qué preguntas se hacen. La ética de la IA en salud se ha construido casi exclusivamente desde el diagnóstico clínico, la medicina de precisión y la robótica asistencial — aplicaciones pensadas para sistemas de salud consolidados, con infraestructura digital robusta y población con acceso sostenido al sistema. La salud pública y la vigilancia epidemiológica aparecen como nota al pie. Los países de ingresos bajos y medios, donde vive la mayor carga de enfermedad global, aparecen aún menos.
El problema práctico es doble. Los sistemas de IA que llegan a contextos de bajos recursos fueron diseñados, entrenados y validados en condiciones que esos contextos no tienen. Y los marcos éticos que deberían regularlos fueron escritos por personas que tampoco estaban pensando en ellos.
Irfan y Sirvent (2025) apuntan a la raíz del problema. Los debates actuales sobre ética de IA privilegian la voz de los expertos acreditados por encima de la de quienes están más expuestos al daño. Proponen lo contrario: una gobernanza co-liderada por las personas que viven la discriminación, las barreras de idioma o la exclusión del sistema de salud, porque son ellas quienes detectan los fallos que ningún benchmark de laboratorio anticipa. Ghimire (2025) lo lleva al terreno de la publicación científica. Cuando los investigadores más cercanos a un problema quedan fuera del proceso editorial, la investigación que se produce termina sirviendo a cualquiera menos a quienes la necesitan.
Para América Latina esto tiene una lectura específica. No solo estamos subrepresentados en la autoría, sino en los datos que entrenan los modelos, en los ensayos que los validan y en las instituciones que los regulan. Cuando un sistema de IA se despliega acá, llega con tres capas de desajuste simultáneas — los datos no nos representan, la validación no ocurrió aquí y la ética que lo acompaña fue escrita para otro mundo.
Hay excepciones. Rocha et al. (2025) documentan la iniciativa AI4PEP, una red en 16 países que busca fortalecer la salud pública con IA responsable liderada desde el Sur Global. Pero la pregunta incómoda es si esos esfuerzos van a influir en los sistemas que ya se están desplegando, o si simplemente van a documentar los daños que ocurrieron mientras la conversación pasaba en otro idioma.
La ética de la IA en salud no es universal por hablar de salud. Es situada, como cualquier otra forma de conocimiento, y hasta ahora ha estado situada en un lugar muy específico del mapa. Los números cambian un poco según la revisión, pero el patrón es el mismo. Y mientras no cambie, los sistemas seguirán diseñándose para un mundo que no existe en la mayor parte del planeta.
Referencias
Corrêa, N. K., Galvão, C., Santos, J. W., Del Pino, C., Pinto, E. P., Barbosa, C., Massmann, D., Mambrini, R., Galvão, L., Terem, E., & de Oliveira, N. (2023). Worldwide AI ethics: A review of 200 guidelines and recommendations for AI governance. Patterns, 4(10), 100857. https://doi.org/10.1016/j.patter.2023.100857
Murphy, K., Di Ruggiero, E., Upshur, R., Willison, D. J., Malhotra, N., Cai, J. C., Malhotra, N., Lui, V., & Gibson, J. (2021). Artificial intelligence for good health: a scoping review of the ethics literature. BMC Medical Ethics, 22(14). https://doi.org/10.1186/s12910-021-00577-8
Irfan, B., & Sirvent, R. (2025). Rethinking expertise in artificial intelligence ethics for global health. International Health. https://doi.org/10.1093/inthealth/ihaf114
Ghimire, A. (2025). Rewriting the byline: toward epistemic justice in global health authorship. Frontiers in Public Health. https://doi.org/10.3389/fpubh.2025.1621979
Rocha, U., et al. (2025). Democratising artificial intelligence for pandemic preparedness and global governance in Latin American and Caribbean countries. Microbial Biotechnology. https://doi.org/10.1111/1751-7915.70256