La inteligencia artificial no sustituye a los radiólogos: aumenta la demanda y redefine su trabajo
La inteligencia artificial ya está integrada en numerosos sistemas de imagen médica, pero su avance no ha reducido la necesidad de radiólogos. Al contrario, el aumento de las pruebas, la mayor complejidad de los diagnósticos y el envejecimiento de la población han elevado la demanda de estos especialistas.
La previsión de Geoffrey Hinton, uno de los pioneros del aprendizaje profundo y premio Nobel de Física en 2024, no se ha cumplido. En 2016 llegó a afirmar que los radiólogos estaban al borde de la desaparición y que las máquinas serían mejores que ellos en pocos años. Casi una década después, los profesionales defienden que la tecnología ha transformado la especialidad, pero no ha automatizado su núcleo: el juicio clínico.
La radiología es mucho más que reconocer patrones
El aprendizaje profundo es una técnica de inteligencia artificial que emplea redes neuronales entrenadas con grandes cantidades de datos para identificar patrones. En radiología, estos sistemas pueden detectar lesiones, medir estructuras, comparar imágenes o señalar hallazgos que podrían pasar desapercibidos.
Sin embargo, interpretar una imagen no equivale a tomar una decisión médica. El radiólogo debe relacionar los resultados con los síntomas, los antecedentes, los factores de riesgo y las posibles consecuencias de cada tratamiento. También determina qué hallazgo es relevante, cuál requiere atención urgente y cuál puede controlarse con el tiempo.
La diferencia es esencial. Una herramienta puede identificar una anomalía, pero no siempre puede valorar su importancia clínica en el contexto concreto del paciente ni asumir la responsabilidad de recomendar una actuación.
Ángel Morales, coordinador de la comisión de inteligencia artificial de la Sociedad Española de Radiología Médica, resume esta limitación señalando que la radiología consiste en integrar información y decidir qué importa. Ese juicio clínico, sostiene, no es automatizable.
Más pruebas y más informes radiológicos
José Luis del Cura Rodríguez, jefe del servicio de Radiología de la OSI Donostialdea y expresidente de la Sociedad Española de Radiología Médica, asegura que la actividad de los servicios ha crecido de forma notable. También lo ha hecho el número de radiólogos, aunque todavía existe déficit de profesionales en distintas áreas.
La IA ha contribuido a mejorar la calidad de las exploraciones y puede ayudar a priorizar casos o detectar determinados hallazgos. Pero esa mejora tiene un efecto paradójico: facilita hacer más pruebas y genera, por tanto, una mayor necesidad de informes radiológicos.
Para Luis Martí Bonmatí, director del Área Clínica de Imagen Médica de La Fe y catedrático de Radiología, la IA funciona como un compañero que puede aumentar la fiabilidad y la precisión. Su papel no es reemplazar al especialista, sino reforzar sus capacidades y permitirle dedicar más tiempo a los casos complejos.
Útil en tareas concretas, insuficiente como radiólogo autónomo
Álvaro Palazón, radiólogo del Hospital General de Alicante y vocal de inteligencia artificial de la Sociedad Española de Radiología Vascular e Intervencionista, explica que el rendimiento de estas herramientas varía mucho según la tarea.
En radiología de tórax y en determinadas imágenes musculoesqueléticas de urgencias, algunos sistemas alcanzan un nivel parecido al de un radiólogo generalista o un médico de urgencias. Aun así, suelen quedar por debajo de un especialista experto en ese campo. En hospitales con falta de radiólogos, estas herramientas pueden mejorar la valoración inicial de las imágenes.
Uno de sus puntos fuertes es el valor predictivo negativo: cuando el sistema indica que una persona probablemente está sana, suele acertar en un porcentaje elevado de casos. La situación cambia cuando detecta posibles anomalías. Los falsos positivos pueden provocar nuevas pruebas, consultas y procedimientos innecesarios.
Un ejemplo habitual aparece en las radiografías de tórax, donde determinadas estructuras normales, como el pezón, pueden ser interpretadas como una posible lesión. Así, la IA puede acabar generando más trabajo del que ahorra si sus avisos no se revisan dentro del contexto clínico adecuado.
La regulación exige supervisión humana
La normativa europea considera de alto riesgo la inteligencia artificial utilizada para el diagnóstico médico. Estos sistemas deben contar con una supervisión humana efectiva y no pueden tomar decisiones clínicas autónomas que sustituyan al profesional responsable.
La regulación responde a una limitación técnica y a una exigencia de seguridad. Los modelos de IA pueden funcionar muy bien en una tarea aislada, pero fallar cuando cambian los equipos, las poblaciones, los protocolos o la calidad de las imágenes. Además, a menudo resulta difícil explicar por qué han llegado a una conclusión concreta.
Ángel Morales apunta también a la falta de robustez, entendida como la capacidad de mantener un rendimiento fiable en situaciones distintas de aquellas con las que se entrenó el sistema. El paso del laboratorio al entorno real de un servicio de radiología sigue siendo más complicado de lo que inicialmente se esperaba.
El riesgo de perder habilidades por confiar demasiado
La incorporación de IA plantea otro desafío: el llamado deskilling, la pérdida progresiva de conocimientos y destrezas por delegar parte del trabajo en una herramienta automática.
Amelia Jiménez Sánchez, investigadora postdoctoral en inteligencia artificial aplicada a la medicina, advierte de que una confianza excesiva puede llevar a aceptar resultados incorrectos sin una revisión crítica. El problema no es solo que la máquina se equivoque, sino que el profesional deje de estar preparado para detectar sus errores.
Por ese motivo, la formación de los futuros radiólogos deberá combinar la enseñanza clásica con el aprendizaje de los flujos de trabajo basados en IA. Los especialistas tendrán que saber cuándo utilizar estas herramientas, cómo interpretar sus probabilidades y en qué situaciones deben ignorar sus recomendaciones.
La evolución de la profesión apunta así a un radiólogo más clínico e integral. La IA puede superar a las personas en algunas tareas de detección y caracterización, pero la responsabilidad final seguirá dependiendo de profesionales capaces de interpretar los resultados, hablar con otros médicos y decidir pensando en el paciente.
