Investigación
Asegurar que la IA que entra al sistema de salud mexicano sea segura, efectiva y relevante
Antes de adoptarla, la IA clínica requiere validación rigurosa y transparente. El CIAS genera evidencia independiente sobre qué funciona, bajo qué condiciones, con qué riesgos y con qué impacto —para pacientes, profesionales e instituciones de México.
Nuestro enfoque
Investigamos qué funciona, bajo qué condiciones, con qué riesgos y con qué impacto
No desarrollamos IA por la IA: la evaluamos. Generamos evidencia rigurosa, independiente y reproducible para identificar qué soluciones de inteligencia artificial mejoran la salud de las personas y fortalecen el sistema —y cuáles no, o bajo qué condiciones dejan de hacerlo.
Trabajamos con datos y poblaciones mexicanas, en escenarios reales, para que las decisiones de adopción se apoyen en evidencia local y no sólo en métricas de laboratorio importadas de otros contextos.
Cómo evaluamos
La credibilidad de la IA clínica depende de cómo se evalúa. Por eso hacemos estudios en escenarios reales, con métodos abiertos y reproducibles, y bajo los criterios científicos, éticos y regulatorios de México.
- Estudios en escenarios reales —no sólo de laboratorio— con datos, flujos y equipos clínicos del sistema de salud mexicano.
- Diseños multicéntricos que prueban cómo se comporta una solución en distintas instituciones, regiones y poblaciones.
- Métodos abiertos y reproducibles: documentamos protocolos, métricas y criterios para que otros puedan replicar y auditar.
- Evaluación independiente de modelos, herramientas y casos de uso, con criterios científicos, éticos y regulatorios.
- Cumplimiento bajo jurisdicción mexicana: alineado a leyes, normas y mejores prácticas del país.
Las preguntas que nos hacemos
Aquí, hacemos las preguntas difíciles
¿Cómo sabemos si una IA realmente ayuda a los pacientes y al sistema de salud?
¿Qué forma tiene un razonamiento clínico correcto dentro de un modelo, y dónde se desvía?
¿En qué condiciones falla la IA, y para qué poblaciones funciona peor?
¿Cómo medimos seguridad, confiabilidad y utilidad en contextos mexicanos reales?
¿Qué evidencia se necesita antes de confiar una decisión clínica a un sistema de IA?
Qué evaluamos
Desempeño y seguridad clínica
Evaluamos si una solución de IA mejora resultados clínicos reales y si es segura para pacientes y profesionales.
Eficacia y efectividad operativa
Medimos si la IA cumple lo prometido en condiciones controladas y en la operación cotidiana de los servicios.
Investigación aplicada y traslacional
Estudiamos cómo pasar de la evidencia a la práctica, con datos y poblaciones mexicanas.
Evaluación independiente
Revisamos modelos, herramientas y casos de uso con criterios científicos, éticos y regulatorios, sin conflicto de interés.
Generación de estándares nacionales
Contribuimos a definir criterios, métricas y buenas prácticas para evaluar IA en salud bajo el contexto de México.
Impacto en el sistema de salud
Cuantificamos efectos en acceso, costos, equidad y sostenibilidad de los servicios donde se despliega la IA.
Publicación abierta
Lo que aprendemos, queda abierto
Publicamos métodos, resultados y —cuando es posible— datos y benchmarks abiertos para que otros puedan replicar, auditar y construir sobre lo que aprendemos. La evidencia independiente sólo sirve si es transparente.