La IA no reemplazará a los radiólogos, pero transformará drásticamente su trabajo
AI won’t replace radiologists, but it will dramatically change their jobs
En 2016, Geoffrey Hinton, el laureado «padrino de la IA», predijo que los radiólogos serían reemplazados por computadoras en cinco años. Sin embargo, la realidad ha demostrado ser diferente. Aunque la cantidad de radiólogos sigue creciendo, con un aumento previsto del 26% en las próximas tres décadas, la inteligencia artificial (IA) ha emergido como un colaborador esencial en el campo de la radiología.
Para 2026, aproximadamente tres cuartas partes de los 1,400 dispositivos médicos habilitados por IA aprobados por la FDA estaban destinados a la radiología. Estos dispositivos no solo mejoran la eficiencia de los médicos al redactar informes o resaltar imágenes urgentes, sino que también tienen el potencial de superar el rendimiento humano al identificar anomalías que podrían pasar desapercibidas para el ojo humano.
La precisión es crucial, ya que se estima que las tasas de error humano en imágenes diagnósticas oscilan entre el 3% y el 5%, lo que se traduce en unos 40 millones de errores anuales a nivel mundial. La cuestión clave no es si los humanos o la IA son mejores estadísticamente, sino cómo combinar la precisión técnica de la IA con la experiencia humana para mejorar la precisión en beneficio de los pacientes.
El diseño de un sistema colaborativo eficaz no es sencillo. Aunque la IA puede ser más confiable al interpretar ciertas imágenes, sigue cometiendo errores que los humanos no cometerían. Esto coloca a los radiólogos en el papel de evaluar cada decisión de la IA y detectar las raras ocasiones en que el algoritmo falla.
Los sistemas de análisis de imágenes por IA en radiología, basados en redes neuronales, pueden identificar subtipos de tumores y delinear los límites de las lesiones con alta precisión. Sin embargo, estos sistemas «caja negra» no revelan cómo llegan a sus decisiones, lo que complica el trabajo de los radiólogos al decidir si deben vetar una decisión de la IA.
Un ejemplo teórico es una herramienta de IA que detecta el 95% de los nódulos pulmonares en una tomografía, mientras que los radiólogos detectan el 90%. Aunque algunos podrían argumentar que la IA es superior, los radiólogos pueden detectar ese 5% que la máquina pasa por alto, demostrando que la inteligencia humana y la de la máquina son diferentes.
Con el objetivo de crear un equipo ideal de IA/humano, los radiólogos están aprendiendo a colaborar con la IA para maximizar sus beneficios. Esto requiere abordar sesgos inconscientes que pueden hacer que un médico confíe demasiado en la IA o la descarte inapropiadamente. Para trabajar de manera óptima con estos sistemas, los radiólogos deben apreciar la fiabilidad general de la IA.
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →