Transformar los Sistemas Mundiales de Información Zoosanitaria: Hacia una Notificación Fiable Asistida por Inteligencia Artificial

Tras casi dos décadas trabajando con WAHIS y dirigiendo su desarrollo desde 2015, he visto la evolución de la plataforma, junto con los cambios en el panorama de las enfermedades, las crecientes expectativas y el aumento del volumen de datos. Aunque la OMSA aún no ha implementado la IA en WAHIS, está explorando las condiciones para su uso responsable. 

WAHIS acumula más de 20 años de datos oficiales y verificados sobre sanidad animal a nivel mundial, proporcionados por las autoridades veterinarias nacionales. Esta continuidad garantiza una visión longitudinal y estructurada de la notificación de enfermedades, convirtiéndola en un recurso valioso del que no disponen muchas iniciativas de IA. Mientras que los conjuntos de datos fragmentados o incompletos pueden generar predicciones sesgadas o resultados poco fiables, por su parte, WAHIS ofrece una base relativamente sólida para el desarrollo de herramientas basadas en la precisión, la transparencia y las prácticas de notificación estructuradas que cumplen los Servicios Veterinarios nacionales. La IA podría complementar, y no sustituir, los sistemas existentes, facilitando la detección de anomalías, clasificando la verificación de datos y, en última instancia, fortaleciendo la fiabilidad y la eficacia de la notificación global [3]. 

Algunos de los procesos clave de WAHIS, como la verificación de la coherencia durante el análisis de los informes, siguen siendo parcialmente manuales, lo que implica revisar nuevos informes con el fin de garantizar que se ajusten a los patrones históricos y no contengan discrepancias, como cambios repentinos en las especies afectadas, el número de casos o la distribución geográfica. Por ejemplo, durante el período de mayor actividad de la influenza aviar de 2024-2025, los informes de brotes enviados a través de WAHIS prácticamente se duplicaron. Los picos estacionales de influenza aviar de alta patogenicidad pusieron a prueba la capacidad de la OMSA, revelando las limitaciones de la verificación exclusivamente humana para cumplir el objetivo de publicar informes validados dentro de las 24 horas posteriores al envío [4]. 

El punto fuerte de la IA reside en su capacidad para gestionar tareas estructuradas y repetitivas con rapidez y precisión [5]. En el caso de WAHIS, la IA podría ayudar a verificar los informes más rápidamente, detectar incoherencias y ayudar a los países a cumplir con las normas sobre notificación [6]. Como jefa de proyectos de WAHIS, veo un gran potencial en el desarrollo de estas oportunidades. Por supuesto, si bien es cierto que WAHIS tiene una base sólida, cualquier mejora habilitada por IA debe tener una gobernanza fiable, datos de alta calidad y la experiencia adecuada para garantizar que la innovación sea efectiva y responsable. 

Consideraciones antes de implementar la IA en WAHIS

1. Calidad de los Datos: La Base

WAHIS dispone de más de dos décadas de datos verificados proporcionados por autoridades veterinarias de todo el mundo, un recurso excepcional tanto en los sistemas de salud pública como en los de sanidad animal. Al fin y al cabo, la calidad de la IA es el reflejo de la calidad de los datos que utiliza. La precisión, la oportunidad y el detalle contextual, que cubren tanto datos cuantitativos como medidas de control, son esenciales para una toma de decisiones informada.  

2. Explicabilidad y Confianza

Puede suceder que la IA genere frecuentemente resultados difíciles de interpretar. En un sistema como WAHIS, en el que los datos influyen en las respuestas de salud pública y las decisiones políticas, la falta de transparencia es inaceptable. Los flujos de trabajo asistidos por IA deben ser explicables: los usuarios deben comprender las razones que motivan que se señale un informe (ya sea por falta de datos, incoherencias o patrones inusuales), no simplemente que se señala. La transparencia es un factor crucial para generar confianza y garantizar que la responsabilidad recaiga en los humanos, no en las máquinas [7]. 

3. Sesgo y Equidad

El sesgo no es un riesgo teórico. En el caso de que los modelos de IA se entrenen con conjuntos de datos que subrepresenten ciertas regiones geográficas o especies animales, podrían pasar por alto patrones importantes o reforzar puntos ciegos existentes. Esto podría tener graves consecuencias en una plataforma mundial como WAHIS. Las herramientas de IA deben ser sometidas a una auditoría continua para garantizar su equidad en todas las regiones geográficas y especies animales con el fin de garantizar que la innovación beneficie por igual a todos los Miembros de la OMSA, no solo a aquellos que disponen de sistemas de vigilancia y notificación de la sanidad animal avanzados [8]. 

4. IA y Multilateralismo

WAHIS representa un esfuerzo global colectivo. Los países confían en que la plataforma reflejará sus datos de forma justa, protegerá sus aportaciones y brindará apoyo a los sistemas nacionales. La IA debería consolidar esta confianza y colaboración, no alterarlas [9]. Si la IA se diseña de forma inclusiva y transparente, podría mejorar la coherencia, reducir la carga de trabajo manual y fomentar una interacción más equitativa con WAHIS [10]. Sin embargo, su éxito depende de una confianza mantenida, una comunicación clara y una gobernanza inclusiva y responsable [11].

Implementar Pruebas Piloto de IA en WAHIS: El Siguiente Paso Práctico

A medida que la OMSA continúa explorando el potencial de la IA, un siguiente paso lógico es lanzar proyectos piloto dentro del entorno de WAHIS, que proporcionarían una forma segura y estructurada de probar el valor de la IA para respaldar los flujos de trabajo principales. La OMSA ya ha sentado bases importantes mediante la implementación de iniciativas de transformación digital más amplias, incluyendo una infraestructura segura y escalable alojada en Microsoft Azure, que se utiliza tanto en WAHIS como en el sistema de información del Proceso de Prestaciones de los Servicios Veterinarios (PVS) [12]. En este entorno, es posible hacer pruebas con herramientas de IA de forma segura, transparente y conforme con los modelos de gobernanza existentes. 

Si se aprueban los proyectos piloto, podrían evaluar la capacidad de la IA para mejorar funciones clave de WAHIS, como la verificación de informes, la detección de anomalías y el apoyo a Miembros y no miembros de la OMSA en el cumplimiento de las normas sobre notificación [6]. No reemplazarían los procesos existentes, sino que servirían para analizar la manera en que la IA puede complementar el trabajo de los expertos humanos de la OMSA en la verificación de los informes presentados, gestionando las verificaciones rutinarias e identificando señales precoces [9]. 

1. Objetivos del Diseño de los Proyectos Piloto

Los proyectos piloto se diseñarán para: 

• Probar el rendimiento de la IA en condiciones reales de WAHIS, incluyendo diversos formatos de informes, envíos de datos incompletos o retrasados y la necesidad de comprobar la coherencia de los registros históricos. 

• Comparar los resultados de la IA con los procesos manuales o semimanuales existentes. 

• Evaluar la resiliencia ante la falta de datos reales (por ejemplo, evaluar si las herramientas de IA aún pueden generar recomendaciones útiles o seguras cuando la información falta, se retrasa o es incoherente). 

• Recopilar las observaciones continuas de los usuarios de los informes de WAHIS (delegados de la OMSA y puntos focales nacionales), el personal técnico de la OMSA y expertos externos. 

La participación del personal técnico y las autoridades veterinarias desde el comienzo ayudará a garantizar que las herramientas de IA traten las necesidades reales y mejoren a través de un proceso de perfeccionamiento iterativo. Implementar un enfoque con participación humana es esencial para construir sistemas eficaces y fiables [13]. 

2. Qué Tratan de Aclarar los Proyectos Piloto

Antes de considerar su despliegue más amplio, estos proyectos piloto exploratorios ayudarían a la OMSA a responder preguntas clave: 

• ¿Las herramientas de IA pueden tener un funcionamiento coherente en condiciones de informes dinámicos e imperfectos? 

• ¿Cuál es el nivel de precisión aceptable cuando están en juego decisiones relativas a la salud pública y la sanidad animal? 

• ¿Cómo se pueden garantizar la transparencia y la trazabilidad en recomendaciones automatizadas? 

• ¿Cómo responderán los Miembros de la OMSA a los resultados de sistemas que ellos no controlan directamente? 

Estos proyectos piloto evaluarían el papel de la IA en la mejora de la validación de informes, la detección de anomalías y el apoyo a Miembros y no miembros de la OMSA, actuando siempre como un complemento, y no como un sustituto, de los flujos de trabajo actuales. Serían el puente entre el sistema actual y un futuro de vigilancia responsable asistida por IA. 

Aprovechar la Oportunidad de Disponer de una IA Responsable

Los desafíos mundiales en materia de sanidad animal se intensifican cada vez más: más datos, más brotes, urgencias cada vez más apremiantes. Aunque WAHIS se lanzó en 2005, se basa en un siglo de cooperación fiable entre la OMSA y las autoridades nacionales a través de la notificación de enfermedades [14]. Gracias a su sólida base de datos verificados, WAHIS se encuentra en una posición privilegiada para liderar una nueva fase de innovación. La IA no es un atajo, es una herramienta; de hecho, si se utiliza con prudencia, puede ayudar a la OMSA a abordar los retos emergentes, siempre que su desarrollo se lleve a cabo con pilotos, guiado por expertos. Como jefa de proyectos de WAHIS, identifico esta oportunidad excepcional que tiene la OMSA para definir el futuro de la vigilancia de las enfermedades animales asistida por IA. 

Traducido del original en inglés. 

Imagen principal: ©KTM_2016

DOI: https://doi.org/10.20506/woah.3639

Referencias

[1] Organización Mundial de Sanidad Animal (OMSA). Sistema Mundial de Información Zoosanitaria (WAHIS). París (Francia): OMSA; 2025. Disponible en: https://wahis.woah.org (consultado el 10 de junio de 2025).

[2] Organización Mundial de Sanidad Animal (OMSA). Miembros. París (Francia): OMSA; 2025. Disponible en: https://www.woah.org/es/quienes-somos/miembros (consultado el 6 de agosto de 2025).

[3] The data backbone: building robust AI ecosystems for modern pet care [Internet]. The Digital PawPrint; 2025. Disponible en: https://pawprint.digital/p/data-backbone-building-ai-ecosystems (consultado el 10 de junio de 2025).

[4] Organización Mundial de Sanidad Animal (OMSA). Influenza aviar. París (Francia): OMSA; 2025. Disponible en: https://www.woah.org/es/enfermedad/influenza-aviar (consultado el 16 de julio de 2025).

[5] VetCT. Artificial intelligence in veterinary medicine. Cambridge (Reino Unido): VetCT; 2025. 63 págs. Disponible en: https://5345458.fs1.hubspotusercontent-na1.net/hubfs/5345458/AI%20White%20Paper_Final_Web_Foreword.pdf (consultado el 25 de junio de 2025).

[6] Organización Mundial de Sanidad Animal (OMSA). Códigos y Manuales. París (Francia): OMSA; 2025. Disponible en: https://www.woah.org/es/que-hacemos/normas/codigos-y-manuales (consultado el 16 de julio de 2025).

[7] Comisión Europea. Directrices éticas para una IA fiable. Bruselas (Bélgica): Comisión Europea; 2019. 55 págs. Disponible en: https://digital-strategy.ec.europa.eu/es/library/ethics-guidelines-trustworthy-ai (consultado el 24 de junio de 2025).

[8] Mehrabi N, Morstatter F, Saxena N, Lerman K, Galstyan A. A survey on bias and fairness in machine learning. ACM Comput. Surv. 2021;54(6):1-35. https://doi.org/10.1145/3457607

[9] Lin S-Y, Beltrán‐Alcrudo D, Awada L, Hamilton‐West C, Lavarello Schettini A, Cáceres P, et al. Analysing WAHIS animal health immediate notifications to understand global reporting trends and measure early warning capacities (2005–2021). Transbound. Emerg. Dis. 2023;2023(1):6666672. https://doi.org/10.1155/2023/6666672

[10] Gowthami D, Aakash K, Arsath AM, Kumar VS. Smart animal health monitoring system using IoT. Int. Res. J. Educ. Technol. 2023;05(05):247-59. Disponible en: https://www.irjweb.com/Smart%20Animal%20Health%20Monitoring.pdf (consultado el 10 de junio de 2025).

[11] Hammond A. El Equilibrio entre la Innovación en Materia de IA y una Gobernanza Responsable. París (Francia): Organización Mundial de Sanidad Animal; 2025. https://doi.org/10.20506/woah.3634

[12] Lasley JN, Alessandrini B, Raza Mirza W, Abdelsattar H. Lenguaje Inteligente: Modelos de Lenguaje Avanzado para Fortalecer los Servicios Veterinarios. París (Francia): Organización Mundial de Sanidad Animal; 2025. https://doi.org/10.20506/woah.3642

[13] Sun JJ. Toward collaborative artificial intelligence development for animal well-being. J. Am. Vet. Med. Assoc. 2025;263(4):528-35. https://doi.org/10.2460/javma.24.10.0650

[14] Organización Mundial de Sanidad Animal (OMSA). La OMSA cumple 100 años: un siglo mejorando la sanidad y el bienestar animal [en inglés]. París (Francia): OMSA; 2025. Disponible en: https://www.woah.org/en/woah-turns-100-a-century-of-improving-animal-health-and-welfare (consultado el 6 de agosto de 2025).