En una entrevista con la OSI Donostialdea, José Luis del Cura Rodríguez, jefe del servicio de Radiología y ex‑presidente de la SERAM, señaló que la demanda de estudios de imagen ha crecido de forma sostenida en los últimos años y, con ella, la plantilla de radiólogos. “Los números demuestran que la IA no ha desplazado a la especialidad, al contrario, ha generado más trabajo porque permite atender un mayor volumen de pacientes con mejor calidad”, afirmó el profesional.

La profecía que no se cumplió

En 2016, Geoffrey Hinton, considerado el padrino de la inteligencia artificial, anunció que en cinco años los algoritmos de aprendizaje profundo superarían a los radiólogos. La frase quedó grabada como una advertencia de futuro apocalíptico para la medicina. Sin embargo, la experiencia de los hospitales españoles y argentinos muestra una realidad distinta: la IA se ha convertido en un recurso complementario, no en sustituto.

IA como compañero de trabajo

Luis Martí Bonmatí, director del Área Clínica de Imagen Médica de La Fe, describe la IA como el “compañero ideal” que aumenta la fiabilidad de los informes. Los algoritmos detectan patrones visuales en tomografías y resonancias, pero la interpretación final sigue dependiendo del juicio clínico del radiólogo, que integra síntomas, antecedentes y riesgos del paciente.

Ángel Morales, coordinador de la comisión de IA de la SERAM, recuerda que la normativa europea clasifica estos sistemas como de alto riesgo y exige la supervisión de un profesional certificado. En urgencias, la IA ayuda a médicos sin especialidad a identificar rápidamente hallazgos en tórax o articulaciones, aunque los falsos positivos siguen obligando a confirmaciones adicionales.

Riesgos y límites de la automatización

Amelia Jiménez Sánchez, investigadora de la Universidad de Barcelona, advierte sobre el fenómeno del “deskilling”, donde la confianza excesiva en los algoritmos podría erosionar habilidades críticas de los radiólogos. Además, los sesgos en los datos de entrenamiento pueden afectar la precisión de la IA en poblaciones locales, lo que requiere validaciones específicas antes de su despliegue masivo.

Un estudio publicado en Nature Medicine señala que la formación médica basada exclusivamente en IA podría dejar a los futuros profesionales sin la capacidad de cuestionar resultados automatizados. Por eso, Álvaro Palazón, radiólogo del Hospital General de Alicante, propone incorporar en la curricula académica módulos de gestión de flujos asistidos por IA.

Perspectivas y desafíos futuros

La comunidad radiológica comparte una visión clara: la inteligencia artificial transformará la especialidad, pero siempre bajo la guía humana. “El futuro no es IA en lugar de radiólogos, sino radiólogos que lideran la IA”, resume José Vilar Samper, radiólogo jubilado que ha visto la transición de una labor meramente técnica a una más clínica.

En la práctica, la normativa europea exige supervisión continua y auditorías de desempeño para los sistemas de IA de diagnóstico. Algunas comunidades autónomas impulsan su uso en cribados de cáncer de mama y próstata, mientras que otras prefieren validar clínicamente las herramientas antes de su adopción generalizada.

En definitiva, la inteligencia artificial se ha consolidado como una potente herramienta de apoyo que potencia la precisión y la eficiencia de los radiólogos, pero la responsabilidad última de decidir y contextualizar el diagnóstico sigue siendo humana.