Capacidad hospitalaria e IA en urgencias de Puerto Rico: datos disponibles, validación pendiente

El 10 de diciembre de 2025, el Departamento de Salud de Puerto Rico publicó un comunicado con un inventario de la infraestructura hospitalaria de la isla: 66 hospitales y aproximadamente 9.288 camas. La agencia añadió que existen 135 salas de emergencia en Centros de Diagnóstico y Tratamiento (CDT) y centros de salud primaria, y que monitorea la capacidad hospitalaria todos los días.

Esas cifras son una fotografía de lo que la agencia reportó en ese momento. No dicen cuántas camas están libres hoy ni qué nivel de ocupación tienen las salas de emergencia. Es una distinción importante, porque la disponibilidad de camas, la coordinación entre hospitales y la rapidez con que se atiende a un paciente son los factores que determinan cómo funcionan las urgencias.

A ese seguimiento se suma el Plan Operacional de Emergencias 2025-2026, que documenta mecanismos para intercambiar información sobre la disponibilidad de camas y las condiciones de los hospitales, con el fin de coordinar la respuesta durante emergencias. Es una herramienta operativa. Según el análisis, no demuestra que se use inteligencia artificial (IA) para asignar prioridades clínicas.

Ese es el punto central: la información pública consultada no permite confirmar que la IA se utilice hoy para clasificar pacientes, el llamado triage, en las salas de emergencia de la isla. Lo que existe es una posibilidad. En teoría, la IA podría estudiarse como apoyo para analizar datos clínicos, identificar señales de riesgo y ayudar a detectar a quienes necesitan evaluación prioritaria. Que sirva en la práctica depende de la precisión de los sistemas, de la calidad de los datos y de su desempeño en escenarios clínicos concretos.

El análisis también separa dos asuntos que suelen mezclarse. El triage fija la prioridad de atención según la condición clínica del paciente; la gestión hospitalaria coordina los recursos disponibles, como las camas. Pueden relacionarse, pero requieren herramientas y criterios de evaluación distintos. Por eso, tener datos sobre camas no basta para concluir que la IA mejoraría la atención. Habría que demostrar beneficios medibles sin aumentar los errores de clasificación ni retrasar a los pacientes graves.

Uno de los problemas ligados a la capacidad es el boarding: pacientes que necesitan hospitalización y permanecen en urgencias mientras esperan una cama. En un artículo publicado en marzo de 2026 en la revista médica Galenus, Nannette M. Lugo Amador, especialista en medicina de emergencia vinculada a la Escuela de Medicina de la Universidad de Puerto Rico, abordó el hacinamiento en las salas de emergencia. Señaló que faltan datos públicos sobre la frecuencia y la duración del boarding en la isla.

Esa carencia tiene una consecuencia práctica. Sin indicadores públicos es difícil dimensionar el fenómeno y establecer una línea de base con la cual comparar si una intervención tecnológica produce mejoras.

Lo que viene, según el planteamiento, son dos tareas previas a cualquier adopción de IA: reunir datos locales sobre boarding y realizar estudios que midan su precisión y sus efectos en los pacientes más graves.