Revolución en radiología: la inteligencia artificial que detecta urgencias médicas en tiempo real
Una inteligencia artificial desarrollada por la Northwestern Medicine revoluciona la radiología al redactar informes médicos en segundos y detectar emergencias antes que los propios médicos. ¿El futuro de la salud? Ya está aquí, y llega con precisión clínica y productividad sin precedentes.
Por Enrique Coperías
El doctor Abboud, profesor de Anestesiología e Ingeniería Biomédica en Northwestern, en la sala de diagnóstico radiológico. Crédito: José M. Osorio / Northwestern Medicine
Una innovadora herramienta de inteligencia artificial generativa desarrollada por el sistema de salud Northwestern Medicine, en Chicago (Estados Unidos) está marcando un hito en la práctica clínica radiológica.
Por primera vez, un modelo de inteligencia artificial (IA) no solo redacta borradores de informes radiográficos en tiempo real, sino que además mejora la productividad de los radiólogos, detecta afecciones críticas en segundos y promete aliviar la creciente escasez de especialistas a nivel mundial.
Los resultados de la investigación, publicados en la revista JAMA Network Open, ponen de manifiesto una mejora significativa en la eficiencia clínica sin comprometer la calidad del diagnóstico.
Productividad sin precedentes
A diferencia de las herramientas de IA genéricas entrenadas con datos de internet, como ChatGPT, esta nueva plataforma fue diseñada desde cero, dentro del propio sistema Northwestern, por un equipo multidisciplinario de médicos, ingenieros y estudiantes.
Utilizando únicamente datos clínicos internos y adaptada a las necesidades reales de un entorno hospitalario, la IA se integró directamente en el flujo de trabajo de doce hospitales del citado sistema de atención médica afiliado a la Facultad de Medicina Feinberg de la Universidad Northwestern, para de este modo generar borradores de informes de 23.000 radiografías entre noviembre de 2023 y abril de 2024.
«Este es, que yo sepa, el primer uso de IA que mejora de forma comprobada la productividad, especialmente en el sector sanitario —dice el doctor Mozziyar Etemadi, autor principal del estudio y profesor de Anestesiología e Ingeniería Biomédica en Northwestern. Y añade—: Incluso en otros campos, no he visto nada que se acerque a un aumento del 40%».
Más rápido y sin errores: resultados concretos
Según el análisis de los datos, el uso del modelo generativo se asoció a un incremento medio del 15,5% en la eficiencia de redacción de informes, es decir, los radiólogos tardaron menos tiempo en completar sus reportes. En términos prácticos, eso supuso una media de veintinueve segundos menos por informe, lo que se traduce en más de 63 horas de trabajo ahorradas durante el periodo del estudio.
Algunos radiólogos llegaron a alcanzar mejoras de hasta el 40%, según los investigadores. Aún más impactante: resultados no publicados del mismo equipo indican que, al adaptar esta tecnología a tomografías computarizadas (CT), las ganancias en eficiencia podrían alcanzar hasta un 80%.
Pero la clave de esta IA está en que este ahorro de tiempo no vino acompañado de una disminución en la precisión clínica. Revisiones por pares realizadas por radiólogos independientes a ochocientos estudios no detectaron diferencias significativas ni en la exactitud de los hallazgos ni en la calidad del texto final de los informes. La tasa de correcciones (addendas) tras los informes también se mantuvo estable.
Detección precoz de neumotórax y otras urgencias
Además de asistir en la elaboración de la documentación, la IA demostró su potencial como herramienta de seguridad clínica. Mientras redacta borradores, el sistema examina automáticamente los hallazgos en busca de señales de urgencia médica, como un neumotórax (colapso pulmonar), una condición potencialmente mortal. Si detecta algo crítico, la IA puede alertar a los médicos antes de que un especialista siquiera revise la imagen.
Durante el estudio, la IA analizó casi 98.000 estudios en tiempo real y logró identificar con una sensibilidad del 72,7% y una especificidad del 99,9% los casos de neumotórax clínicamente significativos y no esperados. Esto se tradujo en la detección precoz de varias emergencias que podrían haber pasado desapercibidas durante horas.
«El sistema identificó casos de pacientes que fueron dados de alta por error con neumotórax no detectado o internados por neumonía cuando en realidad presentaban un colapso pulmonar —explica el doctor Etemad—. Estas son situaciones en las que minutos pueden marcar la diferencia entre la vida y la muerte».
Revisión de una radiografía de tórax por la nueva IA generativa de Northwestern. Cortesía: Northwestern Medicine
Del tórax al dedo meñique: versatilidad total
Hasta ahora, la mayoría de modelos de IA en radiología se centraban en un solo tipo de imagen (por ejemplo, radiografías de tórax) o en una enfermedad específica. El modelo de Northwestern, en cambio, genera informes para todo tipo de radiografías, desde cráneos hasta pies. En todos los casos, produce borradores que los radiólogos pueden aceptar, editar o descartar.
«Para mí y mis colegas, no es exagerado decir que duplicó nuestra eficiencia —afirma el doctor Samir Abboud, coautor del estudio y jefe de Radiología de Urgencias en Northwestern. Y destaca—: Es una ventaja enorme, un multiplicador de fuerza real para nuestro trabajo».
Según el estudio, el borrador generado por la IA incluye aproximadamente el 95% del contenido final del informe, lo que permite a los especialistas centrarse en los aspectos más relevantes del diagnóstico, en lugar de redactar desde cero.
Una IA que no depende de gigantes tecnológicos
Uno de los mensajes más contundentes de los autores es que esta innovación demuestra que los sistemas sanitarios no necesitan depender de las grandes corporaciones tecnológicas para implementar soluciones de IA.
«No hay necesidad de confiar en gigantes tecnológicos —dice el doctor Jonathan Huang, primer autor del estudio, estudiante de medicina y doctor en Ingeniería Biomédica. Y añade—: Nuestro estudio muestra que construir modelos de IA personalizados está al alcance de cualquier sistema de salud, sin necesidad de herramientas externas costosas u opacas como ChatGPT».
Este enfoque puede ser clave para democratizar el acceso a la IA médica en países o regiones con recursos limitados, evitando así la dependencia tecnológica y económica de actores externos.
¿Sustituye al radiólogo?
Aunque el sistema es capaz de generar informes muy completos y detectar urgencias, los investigadores insisten en que no pretende sustituir a los radiólogos humanos. La IA actúa como un asistente inteligente que automatiza tareas rutinarias, pero la validación final siempre debe estar en manos del profesional.
«Sigue siendo necesario contar con el criterio clínico del radiólogo como estándar de oro —señala Abboud—. La medicina cambia constantemente —con nuevos fármacos, dispositivos o diagnósticos— y es nuestra responsabilidad asegurarnos de que la IA esté actualizada y sea adecuada para cada paciente».
Una solución ante la crisis global de radiólogos
El estudio también pone sobre la mesa una cuestión crítica: la escasez global de radiólogos. Se estima que, en Estados Unidos, la demanda de estudios por imagen crece un 5% anual, mientras que las plazas de formación de radiólogos apenas aumentan un 2%. De aquí a 2033, el país podría enfrentar una carencia de hasta 42.000 especialistas.
Herramientas como esta IA podrían ayudar a mitigar el problema, al permitir a los radiólogos existentes manejar mayores volúmenes de trabajo sin sobrecargarse.
Al reducir los tiempos de documentación y priorizar los casos urgentes, es posible acelerar los tiempos de diagnóstico de días a horas.
Camino a la comercialización
Actualmente, la tecnología ya cuenta con dos patentes aprobadas y varias más en proceso. El equipo se encuentra en las etapas iniciales de comercialización del sistema, lo que podría abrir la puerta a su adopción en otros hospitales y sistemas de salud tanto en Estados Unidos como a nivel internacional.
En paralelo, los desarrolladores están ampliando la capacidad del modelo para adaptarlo a nuevas modalidades de imagen como la tomografía computarizada y para identificar condiciones complejas, caso del cáncer de pulmón en estadios tempranos.
Hacia una nueva radiología
En palabras del doctor Etemad, este estudio representa un punto de inflexión en la integración de la inteligencia artificial en medicina clínica. A diferencia de herramientas que solo funcionan en condiciones de laboratorio o en escenarios idealizados, esta IA se probó en tiempo real, en hospitales reales, con pacientes reales y radiólogos en activo. Y pasó la prueba con nota.
«Estamos ante una revolución silenciosa pero transformadora —concluye Etemadi—. Esta tecnología no reemplaza al médico; lo libera para enfocarse en lo que más importa: el juicio clínico y el bienestar del paciente».
Con eficiencia mejorada, detección precoz de emergencias y autonomía tecnológica, la IA de Northwestern no solo promete cambiar la radiología. Podría convertirse en el modelo a seguir para todo el sistema sanitario del futuro. ▪️
Información facilitada por la Northwestern Medicine
Fuente: Huang J., Wittbrodt M. T., Teague C. N. et al. Efficiency and Quality of Generative AI–Assisted Radiograph Reporting. JAMA Netw Open (2025). DOI: 10.1001/jamanetworkopen.2025.13921
