La revolución de la IA en radiología: cómo los algoritmos están transformando el diagnóstico médico

La inteligencia artificial ha dejado de ser una promesa experimental en nuestros servicios de radiología para convertirse en infraestructura operativa, según el último informe de Spherical Insights: a 30 de marzo de 2026, la FDA acumulaba 1.524 algoritmos de IA autorizados en medicina, de los cuales 1.163 —el 76,31 %— corresponden a imagen médica. Solo en el primer trimestre del año se sumaron 68 nuevas herramientas radiológicas, una cifra que ilustra el ritmo al que la tecnología se está integrando en el flujo asistencial y que obliga a los clínicos a reinterpretar su papel dentro del servicio.

Del triaje a la reconstrucción: qué cambia en nuestra mesa de trabajo

En la práctica diaria, lo que más nos interesa no es tanto el número de aprobaciones, sino el tipo de tareas que estas herramientas empiezan a asumir. Hasta hace poco, la IA en radiología se limitaba a señalar hallazgos —un posible ictus, una fractura, un embolismo pulmonar— y a alertarnos. Ahora, según describe Spherical Insights, la IA se incorpora a la reconstrucción de la imagen, a la priorización de estudios, a las mediciones cuantitativas e incluso a la generación de borradores de informe. El caso más reciente que recoge el análisis es Aidoc First Read, que recibió la Breakthrough Device Designation de la FDA en junio de 2026: un sistema pensado para analizar radiografías de tórax y proponer un texto preliminar que el radiólogo revisa antes de firmar.

Para nosotros los clínicos, esto traduce el algoritmo en algo tangible: el facultativo deja de ser un vigilante de hallazgos para convertirse en intérprete y supervisor de un informe ya esbozado. La responsabilidad diagnóstica sigue siendo nuestra, pero el flujo cambia, y conviene que lo entendamos antes de que cambie sin más.

Cribado de cáncer de pulmón: la IA como hilo conductor del seguimiento

El segundo foco informativo, publicado por Korea IT Times, pone el acento en los programas nacionales de cribado. En ellos, la IA ha pasado de detectar nódulos a compararlos con estudios previos, medir cambios de tamaño y volumen, programar los controles sucesivos —a tres, seis, doce o veinticuatro meses según el riesgo— y estructurar los informes. Cuando un programa como el surcoreano, activo desde 2019 para personas de 54 a 74 años con alta carga tabáquica, acumula miles de estudios anuales, ese hilo conductor tecnológico se vuelve indispensable para no perder el seguimiento de los pacientes.

Países como Taiwán, Australia o Alemania están revisando criterios de inclusión y modelos operativos con esa misma filosofía de fondo. Lo relevante para nuestra práctica es que la calidad del seguimiento —y no solo la del primer informe— se está convirtiendo en el indicador principal de rendimiento de estos sistemas.

Qué conviene seguir de cerca

Tres señales nos permitirán calibrar el impacto real en los próximos meses: primero, si los hospitales empiezan a evaluar las herramientas de IA por su valor clínico, y no por sumar una capa más de software; segundo, cómo se monitoriza el rendimiento de los algoritmos una vez desplegados, un aspecto que Korea IT Times señala como crítico para evitar derivas silenciosas; tercero, la articulación entre detección, reembolso y resultados en salud, porque los modelos de financiación empiezan a condicionar qué algoritmos se mantienen vivos en la cartera de servicios.

Mientras tanto, el mensaje es claro: la IA no viene a sustituir la mirada del radiólogo, sino a acompañarnos en un flujo cada vez más denso, donde la interpretación final —esa firma que avala el informe— sigue dependiendo de quien está al otro lado de la pantalla.