LIDIA — la IA Predictiva de Costa Rica Detecta Diabetes No Diagnosticada en Registros de una Clínica Pública

La Caja Costarricense de Seguro Social (CCSS), la agencia pública que gestiona el sistema de salud universal de Costa Rica, ha estado probando desde 2023 LIDIA, un programa interno de modelos de IA predictiva construido sobre EDUS, su Expediente Digital Único de Salud a nivel nacional. LIDIA cubre actualmente cuatro áreas de enfermedades: diabetes tipo 2, salud pulmonar, síndrome coronario agudo y cáncer de mama.
En su módulo de diabetes, el algoritmo de LIDIA cruza el historial clínico y los factores de riesgo en más de un millón de registros de EDUS para identificar a pacientes con probabilidad de tener o desarrollar diabetes tipo 2 antes de un diagnóstico formal. Un proyecto piloto en la clínica Clorito Picado aplicó la herramienta a la población de pacientes de la clínica; entre el grupo que el algoritmo marcó como de alto riesgo, el trabajo clínico de campo encontró que 130 pacientes ya tenían diabetes que aún no había sido diagnosticada formalmente. El director de la clínica, el Dr. Carlos Solano Salas, afirmó que, de haberse aplicado antes la herramienta, la enfermedad podría haberse prevenido o detectado antes en algunos de esos casos.
El Observatorio de IA de Costa Rica, una entidad independiente, clasifica a LIDIA como "adopción verificada/piloto" desde agosto de 2026. Tras el proyecto piloto de diabetes, la CCSS ha declarado su intención de extender el mismo enfoque predictivo a sus otros tres módulos — enfermedad pulmonar, síndrome coronario agudo y cáncer de mama — y ha combinado el despliegue con formación del personal en los departamentos médico, de TI y administrativo; una herramienta relacionada de apoyo a la decisión clínica, AIDA, fue anunciada para integrarse con EDUS en noviembre de 2025. No se ha publicado ningún valor revisado por pares de precisión, sensibilidad o tasa de falsos positivos para el modelo de diabetes, y ni la CCSS ni el Observatorio de IA han divulgado una auditoría de sesgos, por lo que las cifras de precisión que circulan en parte de la cobertura secundaria no han sido verificadas de forma independiente frente a una metodología publicada.