La IA no va a reemplazar a los radiólogos, pero sí está cambiando radicalmente su forma de trabajar
Hace una década se predijo que los algoritmos sustituirían a los médicos que interpretan radiografías y escáneres. La realidad ha resultado más compleja.
Los sistemas de inteligencia artificial ayudan a los radiólogos (médicos especializados en interpretar radiografías, escáneres y resonancias) a detectar anomalías más rápido, pero no los sustituyen. Los algoritmos carecen del contexto clínico, el criterio médico y la capacidad de manejar casos atípicos que aportan los especialistas humanos, por lo que funcionan mejor como asistentes que como reemplazos.
En 2016, Geoffrey Hinton —uno de los padres del aprendizaje profundo (deep learning, la técnica que permite a las máquinas aprender patrones complejos a partir de grandes cantidades de datos)— afirmó en una conferencia que ya no tenía sentido formar nuevos radiólogos. Según él, los algoritmos pronto serían capaces de interpretar imágenes médicas mejor que cualquier humano. La predicción causó conmoción en el sector sanitario y alimentó el temor de que la inteligencia artificial acabaría por automatizar por completo especialidades médicas enteras.
Casi diez años después, según informó Wired en Español, esa revolución no ha llegado como se esperaba. Los radiólogos siguen siendo imprescindibles: no ha disminuido la demanda de estos especialistas ni se han cerrado programas de formación. Lo que sí ha cambiado es cómo trabajan. Los sistemas de IA se han convertido en asistentes que detectan automáticamente posibles tumores, fracturas o anomalías en radiografías, tomografías (escáneres que generan imágenes en tres dimensiones del interior del cuerpo) y resonancias magnéticas, marcándolas para que el médico las revise con prioridad.
Esta colaboración entre humano y máquina ha demostrado ser más útil que la sustitución completa. Los algoritmos son excelentes identificando patrones visuales repetitivos, pero carecen del contexto clínico que aporta un radiólogo: el historial del paciente, síntomas reportados, resultados de análisis previos o incluso la intuición profesional ante casos atípicos. Además, los modelos de IA entrenados con miles de imágenes a veces fallan de forma impredecible ante variaciones que un ojo humano reconoce sin esfuerzo, como diferencias en el equipamiento o en la posición del paciente durante el escáner.
El cambio más visible está en la carga de trabajo. Herramientas de IA permiten a los radiólogos procesar más casos en menos tiempo, priorizando automáticamente aquellos que requieren atención urgente. Esto ha liberado tiempo para tareas que las máquinas no pueden hacer: hablar con pacientes, discutir diagnósticos complejos con otros especialistas o investigar. En lugar de desaparecer, la profesión se está redefiniendo: menos tiempo mirando imágenes rutinarias, más tiempo tomando decisiones difíciles que requieren criterio médico.
La experiencia de la radiología anticipa lo que podría ocurrir en otros campos donde se esperaba que la IA sustituyera por completo a expertos humanos. La tecnología resulta más efectiva como complemento que como reemplazo, especialmente en áreas que requieren juicio, contexto y responsabilidad. La pregunta ya no es si las máquinas nos sustituirán, sino cómo rediseñar el trabajo para aprovechar lo mejor de ambas partes.
