La ley de los cuidados inversos en la era de la IA: disparidades geográficas en el acceso a la tecnología sanitaria.
Más de 50 años después de que Hart propusiera la ley de cuidados inversos, la inteligencia artificial (IA) en la atención médica corre el riesgo de repetir el mismo patrón: quienes más podrían beneficiarse tienen menos acceso. Utilizando datos públicos de EE. UU., demostramos que las zonas rurales enfrentan mayores problemas de salud, pero cuentan con menos recursos sanitarios y menor capacidad para implementar soluciones de IA. Es muy probable que estas disparidades se extiendan más allá de Estados Unidos. Las tasas de mortalidad ajustadas por edad, la prevalencia de enfermedades crónicas y los desafíos socioeconómicos aumentan con la ruralidad, mientras que la fuerza laboral y la infraestructura sanitaria disminuyen. Este desajuste crea contextos donde la IA podría ser más beneficiosa. Sin embargo, la capacidad de implementación de la IA disminuye desde las áreas metropolitanas a las rurales en indicadores clave, como la infraestructura de interoperabilidad, la adopción de la IA y la preparación para modelos de lenguaje a gran escala. Además, los sistemas clínicos de IA entrenados predominantemente en poblaciones urbanas generan inquietudes sobre el cambio en la distribución y la transferibilidad cuando se aplican a poblaciones rurales. Sin una intervención deliberada, la IA corre el riesgo de amplificar, en lugar de abordar, las disparidades existentes. Abordar este desajuste requiere políticas, investigación y esfuerzos regulatorios coordinados que tengan en cuenta explícitamente la geografía y la equidad. Las políticas deben respaldar la infraestructura básica en sistemas desatendidos, la investigación debe evaluar la IA comparándola con las alternativas de atención actuales en lugar de con estándares ideales, y la regulación debe abordar las disparidades en el acceso y la difusión para garantizar que los beneficios de la IA lleguen a las áreas con mayor necesidad clínica.
Financiamiento: The SCAN Foundation [número de subvención G24-28] y por el Instituto Nacional de Salud de las Minorías y Disparidades de Salud de los Institutos Nacionales de Salud [número de subvención K08MD016445])
Accedé al artículo completo: Yeon-Mi Hwang , et al. The Inverse Care Law in the Age of AI — Geographic Disparities in Health Care Technology Access. NEJM AI 2026;3(4) DOI: 10.1056/AIp2600103