Todo plan de plantilla en salud da por hecha esta capa, y casi ninguno la financia, porque todo el mundo asume que ya la cubrió la formación de otro.
Para el personal clínico, normalmente sí. Para la creciente población de ingenieros, analistas y personal de producto que ahora trabaja dentro de la sanidad, normalmente no, y ahí está el problema.
Quiénes lo necesitan y nunca lo aprendieron
La sanidad se está reconstruyendo en torno a los datos y los dispositivos, lo que ha traído al sector a mucha gente que no se formó en él.
Ingenieros de software que construyen sistemas clínicos. Científicos de datos que trabajan con historiales de pacientes. Ingenieros de dispositivos que diseñan cosas que entran o se colocan en un cuerpo. Product managers que toman decisiones sobre el flujo de trabajo clínico. Personal de calidad y regulatorio procedente de otras industrias.
El Future of Jobs Report 2025 del World Economic Forum encontró que el 92 % de los empleadores en servicios médicos y sanitarios dice que las habilidades de IA y big data ganan importancia para su plantilla. Satisfacer esa demanda significa contratar a personas de fuera de la sanidad, y esas personas llegan sin la base que el sector da por hecha en silencio.
Un científico de datos que no sabe qué aspecto tiene un rango fisiológico normal no puede distinguir un artefacto del modelo de un hallazgo clínico. El modelo tampoco se lo va a decir.
Qué abarca esta dirección
El alcance: cómo está construido el cuerpo y cómo funcionan juntos sus sistemas.
Para un programa de plantilla, el contenido útil no es memorizar estructuras. Son cuatro cosas.
Los sistemas y su comportamiento normal. Cardiovascular, respiratorio, renal, neurológico, endocrino y el resto, incluido qué aspecto tiene lo normal y cuán amplio es ese rango.
Cómo interactúan los sistemas. Casi nada en el cuerpo está aislado. La función renal afecta a la eliminación de fármacos, que afecta al ritmo cardíaco. Quien piensa en sistemas aislados se pierde las interacciones, y en las interacciones es donde se hace daño a los pacientes.
La variación. Lo normal difiere según edad, sexo, tamaño corporal, embarazo, forma física y comorbilidad. Un sistema diseñado en torno a una única idea de normalidad rendirá mal para buena parte de la población, y es un problema recurrente y documentado en dispositivos médicos y algoritmos clínicos.
Qué significan las mediciones. Qué mide realmente un signo vital, cómo se obtiene, qué lo hace poco fiable. Cualquiera que trabaje con datos clínicos está trabajando con estas cifras.
Cuatro fallos que se remontan a esta capa
El resultado implausible que nadie detectó. Un análisis o un modelo produce un resultado estadísticamente limpio y fisiológicamente imposible. El personal clínico lo detecta al instante. Un equipo sin esa formación lo publica.
El dispositivo diseñado para un solo cuerpo. Dispositivos y algoritmos validados en una población estrecha y desplegados en una amplia. Ha pasado repetidamente con tecnologías de medición donde el tono de piel, el tamaño corporal o la edad afectan a la precisión, y es un problema de fisiología y variación antes que un problema ético.
La alarma que nadie puede atender. Sistemas de monitorización diseñados por personas que no entienden qué desviaciones importan generan alertas que el personal clínico aprende a ignorar. La fatiga por alarmas es un problema de seguridad del paciente reconocido, y a menudo está integrado en el propio diseño.
El campo de datos mal leído. Los datos clínicos están llenos de valores que significan algo específico. Tratarlos como números genéricos produce conclusiones incorrectas con aparente seguridad, y quien las produce no tiene forma de saberlo.
Dónde encaja esto en el dominio
Anatomía y fisiología humana es la primera de las diez direcciones del dominio de medicina y tecnología sanitaria de Astra Trainer, que continúa con fisiopatología, farmacología, salud pública y epidemiología, investigación clínica, informática de la salud, dispositivos médicos, IA médica e imagen, medicina de precisión, y sistemas y regulación sanitaria.
Va primera porque todo lo demás la da por hecha. Para los socios que traen ingenieros y analistas a la sanidad, esta suele ser la primera dirección que se combina, y con frecuencia se empareja con direcciones del dominio de IA, datos y computación para quienes van en el sentido contrario. Las lecciones duran cinco minutos, así que el personal clínico y técnico construye esta capa sin dejar el puesto. Puedes ver las diez direcciones aquí.
Los puestos, uno a uno
Personal sanitario auxiliar y de apoyo. Auxiliares de enfermería, técnicos, asistentes terapéuticos. Poblaciones grandes donde esto es el conocimiento central y la formación suele ser escasa.
Ingenieros de dispositivos médicos. Diseñar algo que interactúa con un cuerpo exige saber cómo se comporta el cuerpo.
Analistas de datos clínicos y científicos de datos de salud. Trabajan a diario con datos fisiológicos.
Personal de informática clínica. Construye y configura los sistemas que usan los clínicos.
Asuntos médicos, ventas técnicas y soporte de campo. Hablan con clínicos, lo que exige entender de qué están hablando.
Personal regulatorio y de calidad en medtech. Evaluar el riesgo exige entender la consecuencia fisiológica.
Contexto estructural: la US Bureau of Labor Statistics proyecta que el empleo de enfermeras de práctica avanzada, matronas y enfermeras anestesistas crecerá en torno a un 35 % entre 2024 y 2034, y el informe de 2025 del World Economic Forum identifica al personal de enfermería como el único rol sanitario entre los diez empleos de mayor crecimiento a nivel mundial hasta 2030. Las poblaciones de apoyo y técnicas alrededor de esos puestos crecen con ellos.
A quién se puede formar para esto
Ingenieros y desarrolladores de software que entran en healthtech. El grupo más grande y peor atendido. Necesitan una alfabetización fisiológica funcional, no una formación clínica, y esa distinción es lo que hace viable la formación.
Analistas de datos que pasan a datos de salud. El mismo vacío, la misma solución.
Personal de calidad y regulatorio de otras industrias. Aeroespacial, automoción, alimentación. Los marcos se transfieren; la consecuencia clínica no, y una evaluación de riesgos sin ella es procedimental, no real.
Personal sanitario de apoyo. A menudo trabaja en entornos clínicos con una base formal limitada, y una base estructurada lo hace considerablemente más eficaz, además de ser una vía hacia una cualificación mayor.
Personas que vuelven al sector, donde la ciencia ha avanzado desde que se formaron.
Esto no es formación clínica y no habilita para ejercer. La medicina, la enfermería, la farmacia y las profesiones sanitarias afines están reguladas, con vías definidas de formación y colegiación. El aprendizaje estructurado genera comprensión que hace más eficaces a las personas en puestos técnicos, analíticos y de apoyo, y ayuda a los profesionales colegiados a mantener su conocimiento. No habilita a nadie para evaluar, diagnosticar, tratar o asesorar a un paciente, y nada de esta dirección debe usarse para decidir el cuidado de una persona concreta.
Dónde está la línea de la colegiación
Merece la pena ser precisos, porque este dominio atrae una confusión que otros dominios no.
Hay tres cosas distintas que se confunden entre sí.
Entender la fisiología es conocimiento. Se le puede enseñar a cualquiera, y hace mejores en su trabajo a ingenieros, analistas y personal de apoyo.
La competencia clínica es la capacidad de aplicar ese conocimiento a un paciente concreto. Exige práctica clínica supervisada durante años y se evalúa dentro de un marco profesional.
La colegiación es la autorización legal para ejercer, otorgada por un regulador según unos requisitos definidos.
Un programa de plantilla opera enteramente en la primera categoría. Apoya a quienes trabajan hacia la segunda y nunca toca la tercera.
Ser claros con esto no es una postura defensiva. Es lo que hace útil al programa, porque una organización sanitaria necesita saber exactamente qué está y qué no está autorizada a hacer una persona formada.
Qué llevarte de todo esto
El sector da por hecha esta capa, y falta en la mayoría de las personas que el sector está contratando ahora.
El modo de fallo es una persona técnicamente competente que no puede distinguir un resultado clínicamente implausible de uno real, y ninguna herramienta se lo señala.
La variación es la parte que más se salta y la que más daño causa, porque los sistemas validados en poblaciones estrechas se despliegan en poblaciones amplias.
Ingenieros, analistas de datos y personal regulatorio de otras industrias son las canteras de formación con las que nadie cuenta, y necesitan alfabetización funcional, no una formación clínica.
Y comprensión, competencia y colegiación son tres cosas distintas. Un programa construye la primera, apoya la segunda y nunca reclama la tercera.
¿Por qué necesitan fisiología los ingenieros y analistas?
Porque ahora construyen sistemas que actúan sobre datos clínicos e interactúan con pacientes. Sin esa base no pueden saber si un resultado es fisiológicamente plausible, y nada más en el proceso se lo va a decir.
¿Cuál es el fallo más común?
Sistemas validados en poblaciones estrechas y desplegados de forma amplia. Lo normal varía según edad, sexo, tamaño corporal, embarazo, forma física y comorbilidad, y los diseños construidos en torno a una única idea de normalidad rinden mal para grupos grandes.
¿Quién debería formarse en esto?
Ingenieros y desarrolladores que entran en healthtech, analistas de datos que pasan a datos de salud, personal de calidad y regulatorio de otras industrias, y personal sanitario de apoyo que trabaja sin mucha base formal.
¿Esto habilita a alguien clínicamente?
No. Entender la fisiología es conocimiento, la competencia clínica es práctica aplicada y supervisada durante años, y la colegiación es la autorización legal de un regulador. La formación opera solo en el primer terreno.
¿Dónde encaja esto dentro del dominio?
Es la primera de las diez direcciones del dominio de medicina y tecnología sanitaria de Astra Trainer. Puedes verlas aquí.