En 2016, se pronosticó que los radiólogos —los médicos encargados de interpretar radiografías, ecografías y otras imágenes para facilitar diagnósticos médicos— serían reemplazados por computadoras en un plazo de cinco años. Sin embargo, el sector ha demostrado que esa afirmación fue prematura, evocando la famosa frase de Mark Twain: “Las noticias sobre mi muerte fueron una exageración”.
En realidad, la demanda de radiólogos está en aumento, y se prevé que el número de profesionales crezca un 26% o más en los próximos 30 años. No obstante, la observación de que los médicos humanos ahora cuentan con un colega basado en silicio que puede igualar o incluso superar su rendimiento es acertada. La radiología se ha convertido en el campo médico más destacado en cuanto a la implementación de inteligencia artificial (IA), sirviendo como modelo para la adopción de sistemas de toma de decisiones en todo el sector sanitario y posiblemente en otros ámbitos.
El impacto de la IA en la radiología
A principios de 2026, aproximadamente tres cuartas partes de los 1400 dispositivos médicos con IA aprobados por la Administración de Alimentos y Medicamentos de Estados Unidos (FDA) estaban destinados a la radiología. Algunos de estos dispositivos mejoran la eficiencia de los médicos al ayudar en la redacción de informes o al alertar sobre imágenes que requieren atención inmediata. Sin embargo, existen otras herramientas de IA que tienen el potencial de identificar anomalías que podrían pasar desapercibidas para el ojo humano, o de interpretar imágenes con una precisión comparable o superior a la de radiólogos calificados. Un análisis de 43 ensayos clínicos reveló que las colonoscopias asistidas por IA detectan más pólipos que las convencionales.
Mejorar la precisión es crucial, dado que se estima que las tasas de error humano en el diagnóstico por imagen oscilan entre el 3% y el 5%, lo que se traduce en aproximadamente 40 millones de errores anuales a nivel mundial. Sin embargo, la solución no radica simplemente en sustituir a los humanos por máquinas. Diez años después de la predicción inicial, la cuestión clave es cómo combinar la precisión técnica de la IA con la experiencia y flexibilidad de los humanos para mejorar la atención al paciente.
Colaboración entre humanos y máquinas
Diseñar un sistema colaborativo que integre la IA y la experiencia humana no es una tarea sencilla. Aunque la IA puede ser más confiable que un radiólogo experto en la interpretación de ciertas imágenes, también puede cometer errores que un humano no haría. Esto coloca a los radiólogos en la posición de evaluar cada decisión de la IA, la mayoría de las cuales serán correctas, e identificar los casos raros en los que el algoritmo se haya equivocado.
“Esto requiere un cambio radical de mentalidad”, señala un experto en el campo. Los médicos han estado acostumbrados a ignorar las recomendaciones de las computadoras, pero esta situación es diferente. Las alertas de los historiales médicos electrónicos, activadas por algoritmos, han estado advirtiendo sobre interacciones farmacológicas peligrosas durante décadas, y los médicos suelen ignorar esas advertencias aproximadamente la mitad de las veces. “Recibiré un consejo de la computadora y tendré que evaluarlo en el contexto de toda la información que tengo sobre ese paciente para tomar la mejor decisión”, explica un radiólogo.
Desafíos de la IA en radiología
Los sistemas de análisis de imágenes basados en IA en radiología suelen utilizar redes neuronales que pueden identificar subtipos de tumores y delinear contornos de lesiones con gran precisión. A diferencia de los algoritmos basados en reglas, que ofrecen respuestas rápidas que los médicos pueden interpretar fácilmente, las redes neuronales son consideradas