¿Qué ocurre cuando una máquina mira una radiografía antes que un médico? La respuesta ya no pertenece a la ciencia ficción: puede encontrar una señal diminuta, pero todavía necesita a una persona que sepa si esa señal realmente importa para el paciente. Un artículo de Knowable en español revela que la inteligencia artificial ya cambió la radiología, aunque no como anticipó Geoffrey Hinton en 2016. El investigador predijo que los ordenadores sustituirían a los radiólogos en cinco años, pero la profesión siguió creciendo.
De hecho, las proyecciones indican que el número de especialistas podría aumentar un 26% o más en las próximas tres décadas. El hallazgo clave no es que la IA haya reemplazado al médico, sino que se convirtió en una pieza central de su trabajo cotidiano.
A comienzos de 2026, cerca de tres cuartas partes de los 1.400 dispositivos médicos con IA autorizados por la Administración de Alimentos y Medicamentos de Estados Unidos estaban destinados a la radiología. Estas herramientas pueden redactar borradores de informes, ordenar imágenes urgentes y detectar anomalías que el ojo humano no advierte.
La oportunidad es enorme en un campo donde los errores humanos de diagnóstico por imagen rondan entre el 3% y el 5%. Esa proporción equivale a unos 40 millones de errores al año en todo el mundo.
El engranaje entre la máquina y el médico
La mejor forma de entender este mecanismo es imaginar una casa con dos sistemas de seguridad. La IA funciona como un sensor que nunca duerme: revisa cada píxel de una tomografía, una resonancia o una mamografía sin cansarse ni distraerse. El radiólogo, en cambio, es quien tiene las llaves de la casa. Sabe quién vive allí, conoce la historia clínica del paciente y puede decidir si una alerta responde a un peligro real o al movimiento accidental de una cortina.
La máquina puede encender la luz de alarma; el médico debe decidir qué habitación revisar. Esa diferencia resulta decisiva porque las redes neuronales (programas que aprenden de muchos ejemplos) pueden acertar con gran precisión, pero suelen operar como sistemas de “caja negra”: dan una respuesta sin mostrar con claridad el camino que siguieron.
Por ejemplo, una IA podría detectar el 95% de los nódulos pulmonares en una tomografía de tórax, frente al 90% de un grupo de radiólogos. Sin embargo, el especialista puede identificar casos dentro del 5% que la máquina dejó pasar, gracias al contexto clínico y a formas de razonamiento que el algoritmo no reproduce.
La evidencia ya apunta en esa dirección. Un análisis de 43 ensayos clínicos encontró que las colonoscopias asistidas por IA detectan más pólipos que las convencionales. La precisión técnica, por lo tanto, puede abrir una puerta para diagnosticar antes.
El interruptor de la confianza
Pero aceptar cada sugerencia de una máquina también es un riesgo. El sesgo de automatización (confiar demasiado en un sistema) puede llevar a que un médico ignore una hemorragia cerebral porque la IA no la señaló.
También existe el problema contrario: rechazar una herramienta útil después de un error llamativo. Un estudio con mamografías mostró que incluso radiólogos experimentados redujeron su precisión cuando las predicciones incorrectas de la IA influyeron en sus decisiones.
Por eso, la clave no está en instalar más programas, sino en entrenar a quienes los usan. Más de una cuarta parte de los médicos consultados por la Asociación Médica Estadounidense en 2026 afirmó no haber recibido formación alguna sobre IA, y solo el 11% dijo haber recibido mucha.
Los sistemas deberían mostrar una estimación de confianza, en vez de limitarse a responder “sí” o “no”. Ese pequeño indicador actuaría como el tablero de un coche: no conduce por el profesional, pero le avisa cuándo debe frenar, mirar mejor y tomar el control.
La radiología parece adelantar una transformación que alcanzará a otras áreas de la salud. La IA no sustituirá directamente a los radiólogos: los radiólogos que sepan trabajar con esta nueva herramienta podrán proteger mejor aquello que ninguna máquina observa por sí sola: la historia completa de una persona.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
