La inteligencia artificial no ha sustituido a los radiólogos: el juicio clínico sigue siendo decisivo
La predicción de que el aprendizaje profundo dejaría sin trabajo a los radiólogos en pocos años no se ha cumplido. Casi una década después de aquellas advertencias, los servicios de Radiología afrontan más pruebas, mayor complejidad y una demanda creciente de profesionales.
La inteligencia artificial ya está integrada en numerosos equipos y sistemas de imagen médica, pero su función principal es ayudar a detectar, medir y clasificar hallazgos. La decisión clínica continúa en manos del especialista, que debe interpretar los resultados junto con los síntomas, los antecedentes y las consecuencias de cada posible diagnóstico.
“La IA identifica imágenes; los radiólogos toman decisiones médicas bajo incertidumbre”, resume Ángel Morales, coordinador de la comisión de Inteligencia Artificial de la Sociedad Española de Radiología Médica y radiólogo del Hospital Universitario Donostia. A su juicio, esa diferencia explica por qué la sustitución anunciada no se ha producido.
Más pruebas y más necesidad de especialistas
José Luis del Cura Rodríguez, jefe del servicio de Radiología de la OSI Donostialdea y expresidente de la Sociedad Española de Radiología Médica, constata que la actividad de los servicios ha aumentado de forma notable. También lo ha hecho el número de radiólogos, aunque no al mismo ritmo que la demanda de exploraciones e informes.
La mejora de la tecnología médica ha contribuido a esta situación. Las herramientas de IA permiten analizar imágenes con rapidez, mejorar su calidad y detectar determinadas anomalías. Pero esa capacidad no siempre reduce el trabajo: en muchos casos genera nuevas sospechas, exige pruebas adicionales o facilita que se soliciten más exploraciones.
“La IA está dando más trabajo del que quita”, señala Álvaro Palazón, radiólogo del Hospital General de Alicante y vocal de Inteligencia Artificial de la Sociedad Española de Radiología Vascular e Intervencionista. El especialista advierte de que algunos hallazgos detectados por una máquina pueden ser falsos positivos, es decir, señales que parecen indicar una enfermedad pero que finalmente no se confirman.
En una radiografía de tórax, por ejemplo, una estructura anatómica normal puede llamar la atención del sistema y generar la sospecha de un tumor. El resultado puede ser un aumento de las pruebas realizadas al paciente, con más costes, ansiedad y exposición a procedimientos innecesarios.
Reconocer patrones no equivale a ejercer la medicina
Los sistemas de aprendizaje profundo son especialmente eficaces en tareas concretas. Se entrenan con grandes colecciones de imágenes para reconocer patrones asociados a fracturas, nódulos, hemorragias u otras alteraciones. Su rendimiento puede ser muy elevado cuando trabajan en condiciones similares a las de los datos con los que fueron entrenados.
Sin embargo, la práctica clínica exige mucho más que identificar una forma o una densidad en una imagen. El radiólogo debe decidir qué hallazgo es relevante, si requiere atención urgente, qué diagnóstico es más probable y qué información debe comunicarse al resto del equipo médico.
“La radiología no es ver imágenes”, explica Morales. También implica integrar síntomas, riesgos, antecedentes y posibles tratamientos. Ese proceso requiere valorar incertidumbres y asumir la responsabilidad de una decisión, elementos que todavía no pueden delegarse por completo en un algoritmo.
En radiología de tórax y musculoesquelética en los servicios de Urgencias, algunas herramientas alcanzan un nivel parecido al de un médico no especializado o al de un radiólogo con poca experiencia. Su utilización puede mejorar el diagnóstico cuando faltan profesionales, aunque siguen por debajo de un especialista experto en un área concreta.
Una ayuda para hacer al radiólogo más clínico
La evolución de la especialidad apunta a una transformación del trabajo, no a su desaparición. José Vilar Samper, radiólogo jubilado y antiguo jefe de servicio del Hospital Peset de València, ha vivido el paso de una actividad centrada en la técnica a otra con mayor orientación clínica.
En su opinión, la IA puede superar al profesional en algunas tareas de detección y caracterización. Eso permitiría que el radiólogo dedicase más tiempo a integrar la información, explicar los resultados y participar en las decisiones del equipo asistencial.
Para Luis Martí Bonmatí, director del Área Clínica de Imagen Médica de La Fe y catedrático de Radiología de la Universitat de València, la IA puede convertirse en “el compañero ideal” para mejorar la fiabilidad y la precisión. La clave está en utilizarla como apoyo y no como sustituto del criterio médico.
Los límites: errores, falta de contexto y exceso de confianza
Entre las principales limitaciones de estas tecnologías figuran la falta de robustez, la dificultad para explicar por qué han llegado a una conclusión y su integración incompleta en los circuitos hospitalarios. Un modelo puede funcionar muy bien en un estudio controlado y rendir peor cuando cambia el equipo, la población o el tipo de paciente.
También existe el riesgo de deskilling, término que describe la pérdida progresiva de habilidades por depender demasiado de una herramienta automática. Amelia Jiménez Sánchez, investigadora postdoctoral en Inteligencia Artificial en la Medicina de la Universitat de Barcelona, alerta de que una confianza excesiva puede llevar a aceptar resultados incorrectos sin una revisión crítica.
El problema no es únicamente que la máquina se equivoque. También puede omitir señales relevantes, reproducir sesgos presentes en los datos de entrenamiento o emitir respuestas aparentemente seguras sin aportar una explicación comprensible.
Formación y supervisión humana
La normativa europea clasifica como sistemas de alto riesgo las aplicaciones de IA destinadas al diagnóstico médico. Esto obliga a establecer medidas de supervisión humana, controles de seguridad y evaluaciones rigurosas. En la práctica, la herramienta no debe tomar decisiones clínicas autónomas ni desplazar la responsabilidad del profesional.
El futuro exige, por tanto, formar a los radiólogos no solo en anatomía, diagnóstico por imagen y metodología clínica. También deberán conocer cómo se entrenan los modelos, cuáles son sus límites, cómo interpretar sus alertas y cómo incorporarlos de forma segura al flujo de trabajo.
Antes de utilizar un sistema en hospitales, los expertos reclaman probarlo en poblaciones diversas y en condiciones reales. Solo así será posible comprobar que sus resultados son precisos, equitativos y generalizables.
La conclusión del sector es clara: la IA cambiará la Radiología, pero no la hará innecesaria. El escenario más probable no es el de máquinas en lugar de médicos, sino el de profesionales capaces de utilizar algoritmos para trabajar con más información, más precisión y una visión clínica todavía más amplia.
