Dos MCP para los datos globales de salud de la OMS

Publicando en código abierto gho-mcp y ghed-mcp antes de la Asamblea Mundial de la Salud, para que cualquier asistente de IA pueda consultar las principales bases de datos de la OMS como lo haría un investigador

La septuagésima novena Asamblea Mundial de la Salud inicia la próxima semana en Ginebra. Participan 194 Estados miembros. Una agenda conocida: fortalecimiento de los sistemas de salud, cobertura universal y el financiamiento que hace posible ambas cosas. Y, como siempre, una sala llena de conversaciones que dependen de un pequeño conjunto de bases de datos de la OMS para sustentar su trabajo.

He estado pensando en esas bases de datos desde hace tiempo.

La mayoría de los análisis comparativos de sistemas de salud que realizo para clientes, para los Decilion Reports y para algún artículo ocasional en este boletín utilizan al menos una de ellas. El Global Health Observatory (GHO) proporciona indicadores que van desde la esperanza de vida hasta la cobertura de servicios de cobertura universal de salud (UHC) y la densidad de especialistas. La Global Health Expenditure Database (GHED) me ofrece la dimensión financiera: gasto corriente en salud, carga de gasto de bolsillo, prioridad gubernamental y la jerarquía contable SHA 2011.¹ En conjunto, son la base para hacer comparaciones de sistemas de salud a gran escala.

---

Son bienes públicos extraordinarios. Los equipos que las mantienen han pasado años construyendo una infraestructura que la mayoría damos por sentada.

---

Pero el camino entre una pregunta y una respuesta rara vez es tan corto como debería ser. Los indicadores del GHO tienen códigos crípticos: WHOSIS_000001 corresponde a la esperanza de vida al nacer; MDG_0000000026 a la mortalidad materna. El archivo GHED contiene más de 4.000 variables que deben filtrarse hasta llegar al centenar adecuado para cada consulta. Cada comparación entre países implica un proceso repetitivo. Cada construcción de panel consume una hora que preferiría dedicar a pensar y no a manipular datos.

La fricción no es culpa de la OMS. La OMS publica los datos de forma abierta y completa. La fricción está en la integración con la forma en que la mayoría trabajamos hoy: cada vez más acompañados por asistentes de IA.

Por eso construí dos pequeños servidores MCP²: gho-mcp para el GHO y ghed-mcp para el GHED, que convierten esa integración en una configuración única.

Qué cambia una vez instalados

Lenguaje natural de entrada, datos reales de salida.

• “Construye un perfil comparativo de sistemas de salud para Perú.”
• “Compara la carga de gasto de bolsillo en los países de América Latina y el Caribe desde el año 2000.”
• “¿Cuál es el gradiente de prioridad gubernamental según el grupo de ingresos del Banco Mundial?”

Detrás de escena, el asistente llama la herramienta correcta con el código de indicador adecuado, la desagregación correcta y el rango de años apropiado. Sabe qué variables son aditivas y cuáles no, un detalle pequeño pero importante para GHED, donde no se pueden sumar porcentajes o valores PPP de la forma en que uno podría querer hacerlo. Exporta archivos CSV cuando se solicita. También advierte sobre años mixtos cuando los datos son desiguales dentro del panel comparativo.

Lo que desaparece es el problema de “Claude cree saber la respuesta”, que persigue a cualquier flujo de investigación asistido por IA. El modelo ya no está adivinando: está consultando. La base de datos es la fuente de verdad.

Un pequeño detalle sobre América Latina y el Caribe

Ambos servidores incluyen un grupo curado llamado “LAC”, compuesto por 33 Estados soberanos de América Latina y el Caribe, siguiendo la convención de la OPS. La región LAC del Banco Mundial incluye 42 economías, entre ellas territorios como Aruba, Islas Caimán, Curazao y Puerto Rico, que en la mayoría de análisis comparativos regionales se tratan por separado. Ambas definiciones están disponibles — LAC y LAC_TERRITORIES — pero la versión de 33 Estados es la predeterminada, porque es la más defendible desde el punto de vista analítico para construir argumentos regionales.

Una decisión pequeña. Del tipo de decisiones pequeñas que se acumulan a lo largo de cientos de informes comparativos.

Instalación

Ambos proyectos tienen licencia MIT y están disponibles en GitHub:

• Ver gho-mcp en GitHub
• Ver ghed-mcp en GitHub

La instalación es sencilla si ya tienes Python 3.11: clonar el repositorio, crear un entorno virtual, ejecutar pip install -e . y registrar el servidor en tu cliente MCP (Claude Code, Claude Desktop, Codex, Cursor, Cline). Los archivos README contienen los comandos exactos para cada cliente.

También escribí más sobre el enfoque de diseño en el sitio de Decilion, en inglés, español y portugués: Leer el artículo completo en Decilion.

Si los pruebas y te resultan útiles, abrir un issue en cualquiera de los repositorios es la retroalimentación más valiosa. Si un grupo curado necesita incluir otro miembro, si la firma de una herramienta no se siente adecuada o si existe una pregunta comparativa que ninguno de los servidores logra responder limpiamente, házmelo saber.

La Asamblea Mundial de la Salud comienza la próxima semana. Para entonces, espero que algunos investigadores, funcionarios de ministerios y periodistas estén observando la misma evidencia que se discute en la sala, pero aplicada a sus propias preguntas y en sus propios idiomas.

Ese es el objetivo.