Genómica más IA: por qué la salud pública del futuro también se juega en Rancagua, no solo en San Francisco

Por Universidad de O'Higgins · 15 de julio de 2026.

Los días 22 y 23 de julio, la Universidad de O'Higgins, en Rancagua, acogerá AIGEN 2026, una conferencia que junta a investigadores, hospitales, sector público y estudiantes para hablar de inteligencia artificial y genómica aplicadas a la salud pública. La agenda es concreta: patología digital, análisis de imágenes médicas, biología computacional el primer día; genómica del cáncer, epilepsias severas y enfermedades inflamatorias el segundo. Entre los expositores destacan Lynnette Fernández-Cuesta, del equipo de genómica computacional del cáncer de la IARC-OMS, y académicos de la Universidad de Chile como Lilian Jara Sosa y Steffen Härtel. La inscripción es gratuita y el evento es presencial.

El dato relevante no es tanto la conferencia en sí —un formato habitual de divulgación académica— sino el proyecto que la sostiene: una iniciativa financiada por el Gobierno Regional de O'Higgins a través del Fondo de Innovación para la Competitividad, que busca dotar a la región de capacidad de supercomputación (HPC-UOH) conectada con el hospital regional, además de un banco digital de imagenología patológica. Es decir: no se trata solo de traer ponentes a hablar de IA, sino de construir infraestructura de cómputo y datos genómicos con anclaje territorial, algo que en Chile —y en gran parte de Latinoamérica— sigue concentrado casi en exclusiva en Santiago o en centros extranjeros.

Esto conecta con una tendencia que venimos señalando en distintos sectores: la potencia de cómputo y la capacidad de análisis genómico dejan de ser privilegio de unas pocas instituciones globales y empiezan a distribuirse hacia sistemas regionales de salud pública, aunque sea a pequeña escala. La patología digital —leer biopsias con apoyo de IA en vez de solo al microscopio— y la genómica aplicada al cáncer o a epilepsias complejas son, precisamente, dos de los frentes donde la combinación de datos masivos y modelos de IA ya está acortando tiempos de diagnóstico y abriendo la puerta a tratamientos más dirigidos. Que una universidad regional chilena intente montar su propio laboratorio de cómputo de alto rendimiento y su propio banco de imágenes patológicas, en vez de depender enteramente de infraestructura centralizada, es un ejemplo modesto pero ilustrativo de cómo la medicina de precisión empieza a descentralizarse.

Dicho esto, conviene no perder la perspectiva: se trata de un proyecto FIC regional, con financiamiento público acotado, en una fase de construcción de capacidades —formación de profesionales, primeras herramientas de análisis genómico, un evento de difusión— y no de un sistema ya operativo transformando el diagnóstico oncológico en Chile. El riesgo habitual de este tipo de iniciativas es que la financiación regional se agote antes de que la infraestructura madure, o que el talento formado termine migrando a centros con más recursos. La gobernanza de datos genómicos —quién los custodia, bajo qué consentimiento, con qué garantías frente a terceros— es otro punto que un evento de dos días no resuelve, aunque sí puede ponerlo sobre la mesa de tomadores de decisión que de otro modo no se cruzarían con estas preguntas.

Nuestra lectura de fondo es que este tipo de esfuerzos regionales, aunque pequeños, son piezas necesarias del camino hacia la tesis que sostenemos sobre IA y salud: la combinación de genómica y modelos de IA es una de las vías más creíbles para acercarnos a diagnósticos mucho más tempranos y precisos del cáncer y de enfermedades complejas, y eventualmente a tratamientos personalizados que hoy son inalcanzables para buena parte de la población mundial. Esa abundancia médica no llegará solo desde un puñado de laboratorios en Boston o Shenzhen: necesita que sistemas de salud pública de tamaño medio, como el de una región chilena, adquieran la capacidad de cómputo y el conocimiento técnico para aplicarla con datos propios. AIGEN 2026 no cambia la medicina por sí sola, pero es el tipo de infraestructura institucional silenciosa —formación, cómputo, bancos de datos, redes entre hospital y universidad— sobre la que después se construyen los avances que sí hacen ruido.