El Dr. Héctor Henríquez es médico radiólogo en la Clínica Santa María, profesor asistente de la Universidad de Los Andes, investigador principal del Computer Vision Lab (CV Lab) de la Universidad de Los Andes y director del Capítulo de Inteligencia Artificial de la Sociedad Chilena de Radiología.
Impacto de la Inteligencia Artificial en la Radiología en Chile
¿Cómo ha evolucionado la adopción de la IA en el diagnóstico por imágenes en Chile?
La adopción de la Inteligencia Artificial (IA) en Chile ha seguido un patrón similar al de otros países. Inicialmente, la información llegó en forma de publicaciones científicas y notas de prensa que destacaban modelos con desempeño sobrehumano en diversas tareas. Esto generó resistencia entre los radólogos, quienes temían ser reemplazados por estas tecnologías.
Posteriormente, quedó claro que la IA no buscaba sustituir a los profesionales, sino convertirse en una herramienta de apoyo. Sin embargo, otro obstáculo surgió con la idea de que los radiólogos debían convertirse en expertos en IA para no quedar obsoletos, lo que añadió una barrera para su adopción debido a la falta de tiempo y el prejuicio de que la IA es demasiado compleja.
A pesar de esto, la incorporación de la IA ha ido en aumento. En 2022, una encuesta de la Sociedad Chilena de Radiología reveló que solo el 21% de los radólogos habían utilizado IA en la práctica clínica, en comparación con un 30% en Europa según datos de 2020. En 2024, la misma encuesta europea indicó un aumento al 50% en su uso, por lo que es probable que en Chile la adopción también haya crecido.
El impulso en la implementación de la IA se debe a la llegada de diversas empresas que comercializan software radiológico basado en IA y a soluciones en la nube que facilitan su incorporación. Además, muchas herramientas de IA ahora vienen integradas en equipos de resonancia magnética, tomografía computada, rayos X e incluso ultrasonido, mejorando la disponibilidad en centros de salud de distintos tamaños.
¿Cuáles son los principales desafíos que enfrentan los radiólogos para incorporar estas tecnologías?
La incorporación de IA en radiología no es tan simple como adquirir un software y esperar beneficios inmediatos. Existen varios desafíos clave:
Elección de la herramienta adecuada: Es fundamental determinar si la IA es la mejor solución para un problema específico o si existen otras intervenciones más efectivas sin necesidad de IA.
Validación local: Aun cuando un software cuente con certificaciones de la FDA o el CE europeo, su rendimiento puede variar en entornos clínicos locales. Por ello, es crucial medir y documentar su desempeño en cada institución para asegurar su seguridad y eficacia.
Educación en IA: La mayoría de los radólogos no están familiarizados con los procesos de validación e implementación. La nueva regulación europea sobre IA (AI Act) obliga a realizar estas validaciones, lo que subraya la necesidad de educación en este ámbito.
Métricas de impacto: Más allá de evaluar la precisión de un modelo, se deben considerar mediciones clínicas relevantes, como reducción de tiempos, mejora en la productividad y detección temprana de patologías.
Beneficios y Aplicaciones Actuales de la IA en Diagnóstico por Imágenes
¿Cuáles son los casos más exitosos de aplicación de IA en radiología en Chile y la región?
En Chile y Latinoamérica, la IA en radiología se ha centrado principalmente en la optimización del flujo de trabajo. Algunos ejemplos de implementación exitosa incluyen:
Aceleración de secuencias en resonancia magnética: Permite reducir el tiempo de adquisición de imágenes sin perder calidad, mejorando la productividad y el diagnóstico.
IA en mamografía: Herramientas para la clasificación de densidad mamaria y detección de lesiones han demostrado eficacia en estudios prospectivos recientes.
Modelos de lenguaje natural: Aplicaciones como ChatGPT han sido utilizadas para mejorar la generación y revisión de informes radiológicos, optimizando el trabajo clínico y educativo.
Formación y Capacitación en IA para Radiólogos
¿Qué iniciativas está impulsando la Sociedad Chilena de Radiología para capacitar a los especialistas en IA?
La Sociedad Chilena de Radiología creó el Capítulo de Inteligencia Artificial en 2022, tras el éxito del primer curso virtual de IA en radiología en 2021, el cual atrajo a más de 400 asistentes.
El capítulo tiene como objetivo principal la educación en IA para radólogos y residentes, incluyendo temas de informática médica. Actualmente, ofrece:
Reuniones mensuales y charlas generales.
Talleres teórico-prácticos para aquellos interesados en programación.
Workshops anuales de IA en congresos de radiología.
¿Qué nivel de conocimiento en IA necesitan los radiólogos?
El mensaje principal es que no es necesario ser programador para utilizar IA en radiología. Lo fundamental es comprender cómo estas herramientas pueden integrarse en la práctica diaria, aprender metodologías de validación e implementación y familiarizarse con los conceptos básicos para comunicarse con equipos multidisciplinarios.
Para quienes tienen una inclinación técnica, se recomienda profundizar en estadística y programación para participar en el desarrollo de modelos. Sin embargo, en la mayoría de los casos, el trabajo con IA es colaborativo y requiere la participación de ingenieros especializados.
El futuro de la regulación de la Inteligencia Artificial en Radiología y su impacto en Chile y Latinoamérica.
Si observamos el crecimiento de la Inteligencia Artificial (IA) en los últimos años, es evidente que en el futuro cercano contaremos con una mayor cantidad de herramientas disponibles. Actualmente, existen más de mil soluciones aprobadas por la FDA, y es probable que surjan nuevos usos de la IA que hoy ni siquiera imaginamos. Sin embargo, el éxito en su implementación, así como la seguridad y los beneficios que pueden aportar estas herramientas, dependerá en gran medida de los marcos regulatorios que se establezcan.
Existe una tendencia natural a regular, e incluso a sobrerregular la IA en algunos casos. Aunque esto tiene el propósito de proteger a los usuarios y a la sociedad en general, también puede generar desventajas. Un claro ejemplo es la diferencia entre la Unión Europea y Estados Unidos en términos de aprobación de productos de IA: mientras la FDA ha autorizado más de mil soluciones, la Unión Europea, con un marco normativo más estricto —que incluye regulaciones como el GDPR para datos personales, el MDR para dispositivos médicos y la reciente Ley de IA—, apenas ha aprobado poco más de 200. Esta discrepancia plantea interrogantes sobre el impacto del costo, en términos de tiempo y recursos, para desarrollar proyectos de IA en entornos regulatorios más rigurosos.
En el contexto latinoamericano, esta situación se vuelve aún más relevante. Desarrollar herramientas locales ya representa un desafío considerable, y si se establecen regulaciones demasiado estrictas, que requieran aprobación en organismos como la FDA o la Unión Europea, muchas startups y empresas regionales podrían enfrentar dificultades insalvables para llevar adelante sus proyectos.
En Chile, actualmente no existe una ley específica de regulación de IA. En su lugar, se convalidan certificaciones otorgadas por la FDA o el marcado CE de la Unión Europea. En la práctica, la validación final de una herramienta, es decir, la decisión sobre su incorporación y funcionamiento en una institución, recae en los profesionales de la entidad que adquiere el producto, en conjunto con la empresa proveedora.
Un aspecto interesante de la nueva Ley de IA de la Unión Europea es que establece explícitamente los derechos y deberes tanto de los desarrolladores como de los implementadores de estas soluciones. En el ámbito de la radiología, los implementadores incluyen cualquier agente que utilice un producto de IA, como servicios de radiología o instituciones de salud. Ahora, estos actores tienen responsabilidades específicas, como validar la herramienta antes de su implementación, realizar pruebas piloto, medir sus efectos en distintos grupos y monitorear su desempeño a lo largo del tiempo. Además, la ley exige que los implementadoresse sometan a procesos de educación sobre las herramientas que utilizarán, comprendiendo sus casos de uso y sus limitaciones.
Otro punto clave es la supervisión humana en sistemas de alto riesgo, categoría en la que se incluyen prácticamente todas las soluciones de IA en salud. La normativa establece la obligatoriedad de monitorear continuamente la seguridad y el rendimiento de estas herramientas tras su implementación, un aspecto que hasta ahora dependía de la iniciativa de las empresas y las instituciones de salud. Con la nueva regulación, este seguimiento será un requisito legal.
En términos generales, la normativa europea podría traer beneficios al estandarizar los procesos de implementación y monitoreo de la IA en salud, además de fomentar la educación en estas metodologías. A largo plazo, contar con reglas claras podría mejorar la calidad y seguridad de estas soluciones, aunque será fundamental encontrar un equilibrio para evitar que regulaciones demasiado estrictas se conviertan en una barrera para la innovación y el desarrollo en Latinoamérica.
