Te puede Interesar
Videos
¿Quieres entender cómo la inteligencia artificial podría cambiar tu empleo? Considera la radiología como una pista.
La radiología se ha convertido en un tema de conversación reciente en la carrera de la IA. Fue mencionada en múltiples ocasiones el mes pasado por ejecutivos tecnológicos en el Foro Económico Mundial de Davos, así como en un documento de la Casa Blanca sobre IA y economía.
La radiología está lejos de ser la única ocupación impactada por la IA, que se está integrando gradualmente en el trabajo de ingenieros de software, maestros e incluso plomeros, entre muchos otros. Si se adopta de forma amplia, Goldman Sachs estima que los avances relacionados con la IA podrían desplazar entre el 6 % y el 7 % de la fuerza laboral de Estados Unidos, aunque también se espera que la tecnología cree nuevos empleos.
Pero el campo de la radiología se ha convertido en un caso de estudio de cómo la IA podría potenciar —y no reemplazar— los empleos. El tipo de trabajo en radiología también es ideal para la asistencia de la IA, dijo el Dr. Po-Hao Chen, médico especializado en radiología diagnóstica en Cleveland Clinic.
La radiología cuenta con abundantes datos disponibles para la investigación y las aplicaciones de IA, que requieren grandes volúmenes de información para su entrenamiento. La IA puede procesar enormes cantidades de datos mucho más rápido que los trabajadores humanos, y ya está ayudando a acelerar ciertos procesos en radiología, por ejemplo, determinar qué escaneos necesitan atención inmediata.
Pero los médicos humanos siguen siendo necesarios para realizar la mayor parte del trabajo —como hacer diagnósticos, examinar físicamente a los pacientes y redactar informes—. Además, se prevé que los empleos en radiología crezcan más rápido que los de otras áreas a medida que el campo continúa adoptando esta tecnología.
“La IA no solo no está reemplazando a esos trabajadores, sino que en realidad está aumentando la cantidad de trabajo que pueden hacer y elevando la demanda de sus servicios”, dijo Jack Karsten, investigador del Centro para la Seguridad y la Tecnología Emergente de Georgetown. “Ese es, en cierto modo, un futuro prometedor al que la industria tecnológica puede apuntar como ejemplo de la IA haciendo algo positivo en la economía”.
La IA es muy eficaz analizando imágenes e identificando patrones en los datos, ambos elementos críticos para la radiología. Y el campo lleva años digitalizado, lo que significa que existe una gran abundancia de datos, según Chen.
“Hay usos más pequeños que todavía son analógicos, pero en Estados Unidos, en su mayor parte, cada radiografía, cada tomografía computarizada y cada resonancia magnética puede estar disponible como ceros y unos”, dijo Chen.
Hoy, los radiólogos utilizan la IA para ayudar a determinar qué estudios deben priorizarse, mejorar la calidad de las imágenes y asistir en la elaboración de resúmenes de informes, según el Dr. Chen y otros dos expertos en radiología que hablaron con CNN.
“Es algo que no reemplaza a nadie, sino que simplemente hace que nuestro trabajo sea más eficiente y significativo”, dijo el Dr. Shadpour Demehri, quien trabaja en radiología intervencionista en Johns Hopkins Medicine.
René Vidal, profesor de ingeniería y radiología en el departamento Penn Engineering de la Universidad de Pensilvania, considera que la IA es particularmente útil para obtener resonancias magnéticas de alta calidad con menos mediciones. Eso acelera el proceso y permite atender a más pacientes en el mismo tiempo.
Otras aplicaciones están siendo exploradas en la investigación, como el uso de IA para medir el volumen de un tumor o completar informes de forma automática, aunque probablemente aún estén lejos de implementarse, dijo Vidal.
Las herramientas de IA deben ser aprobadas por la Administración de Alimentos y Medicamentos de Estados Unidos (FDA, por sus siglas en inglés) para su uso médico, un proceso que podría tardar alrededor de ocho años considerando el desarrollo y las pruebas clínicas, dijo Vidal. Pero esas aprobaciones ciertamente están ocurriendo: de los 1.357 dispositivos médicos con IA actualmente aprobados por la FDA, 1.041 corresponden a radiología.
Al mismo tiempo, los empleos en radiología parecen estar creciendo. La Oficina de Estadísticas Laborales proyecta que el empleo en radiología aumentará un 5 % entre 2024 y 2034, una cifra superior al promedio del 3 % para todas las ocupaciones. Datos de Indeed proporcionados a CNN también indican que había más empleos en radiología en 2025 que cinco años antes.
La demanda de estudios durante los procesos de diagnóstico médico, junto con el envejecimiento de la población, probablemente está impulsando la necesidad de más servicios de radiología, señalan los expertos en radiología que hablaron con CNN.
Pero no siempre se pensó así. El científico informático Geoffrey Hinton, ganador del Premio Nobel y también conocido como el padrino de la IA, dijo en 2016 que “la gente debería dejar de formar radiólogos ahora” porque el aprendizaje profundo —una rama de la IA que modela cómo aprende el cerebro humano— se encargaría mejor del trabajo en un plazo de cinco a diez años.
Hinton dijo en un correo electrónico al New York Times el año pasado que habló de forma demasiado general en esos comentarios de 2016.
Demehri recuerda que existía una sensación de ansiedad en el campo de la radiología sobre la posibilidad de que la IA reemplazara los roles humanos alrededor de 2015 y 2016. Ahora, la tecnología es vista como “un segundo par de ojos”, dijo.
Aun así, existen riesgos relacionados con los sesgos y la posible dependencia excesiva de la IA, según Chen. A diferencia de los radiólogos humanos, por ejemplo, la IA puede predecir con precisión la raza de una persona a partir de una radiografía, según un estudio del MIT de 2022, lo que genera preocupaciones sobre posibles sesgos en los diagnósticos.
Chen también dice que le preocupa la tentación de tomar decisiones de personal —como reemplazar a un médico por un enfermero o a un radiólogo por un médico de atención primaria— si la IA llega a volverse lo suficientemente avanzada. Eso podría funcionar en algunos casos, pero no para la mayoría de las afecciones para las que se utiliza la radiología, como la detección de cáncer o de infecciones mortales.
“Tenemos que entender que gran parte del desempeño del algoritmo proviene del hecho de que el resultado automatizado es revisado por un experto”, dijo. “Y juntos, esta colaboración entre la máquina y el especialista es lo que hace que la mejora sea real”.
