En continuidad con notas previas sobre inteligencia artificial aplicada al diagnóstico por imágenes, Diagnóstico Journal entrevistó a María Emilia Ruíz, Ariel Miquelini y Adriana García, referentes del Hospital Británico de Buenos Aires. El equipo comparte su experiencia en la creación de un fellowship pionero en IA, el desarrollo de modelos propios y la visión de un cambio estructural en la formación del radiólogo.
¿Cómo surge la idea de incorporar inteligencia artificial en el servicio de imágenes?
Adriana García: La iniciativa surge desde una necesidad concreta: entender que la inteligencia artificial iba a tener un rol central en el futuro del diagnóstico por imágenes. Primero empezamos con ateneos semanales para familiarizarnos con la terminología y los conceptos. Luego avanzamos hacia una segunda etapa más ambiciosa: crear un fellowship en inteligencia artificial.
Fue un desafío porque no había antecedentes claros en la región. Tuvimos que explicar el proyecto incluso dentro del propio hospital, pero hoy vemos que fue una decisión acertada.
¿Qué representa este fellowship dentro del contexto regional?
Ariel Miquelini: Es un proyecto pionero. No teníamos referencias cercanas de un fellowship en inteligencia artificial aplicado a radiología en Latinoamérica. Eso implicó aprender desde cero, diseñar estrategias y acompañar el proceso de formación de una manera muy cercana.
Hoy podemos decir que el modelo funciona: no solo formamos profesionales, sino que también demostramos que los médicos pueden involucrarse activamente en el desarrollo de inteligencia artificial.
María Emilia, sos la primera fellow en IA del hospital. ¿Cómo fue tu experiencia?
María Emilia Ruíz: Desde mi residencia y mi formación en neurorradiología ya veía que la inteligencia artificial era el futuro. Cuando surgió la posibilidad del fellowship, no dudé en aplicar.
Durante estos dos años aprendí programación en Python, manejo de datos médicos y desarrollo de modelos de inteligencia artificial. Junto al equipo logramos entrenar al menos dos modelos completos, desde cero hasta su implementación.
Fue un proceso exigente, pero muy enriquecedor.
¿Cómo es el proceso de formación en inteligencia artificial para un radiólogo?
María Emilia Ruíz: Los primeros meses estuvieron enfocados en programación y manejo de imágenes médicas. Aprendí a trabajar con datos, metadatos y a construir datasets completos. Luego pasamos al entrenamiento de modelos.
Algo clave es que el proceso no es lineal: muchas veces hay que volver atrás, reorganizar los datos y reentrenar los algoritmos. Eso implica resiliencia y aprendizaje constante.
También trabajamos con modelos ya existentes, adaptándolos a nuestros propios datos para crear soluciones específicas.
¿Qué desafíos encontraron en el manejo de datos médicos?
María Emilia Ruíz: El manejo de datos en imágenes médicas es complejo. No solo por el volumen, sino también por la calidad, la estructura y las consideraciones éticas.
Además, hay desafíos globales sobre cómo gestionar estos datos en instituciones públicas y privadas. Es un tema clave para el futuro de la inteligencia artificial en salud.
¿Qué significa desarrollar modelos “in-house” dentro de un hospital?
Ariel Miquelini: Es un cambio de paradigma. Pasamos de usar inteligencia artificial a construirla.
Esto permite desarrollar soluciones adaptadas a las necesidades específicas de cada institución. No siempre un modelo externo se ajusta perfectamente a la realidad local.
Además, el proceso de construcción genera aprendizaje profundo: entendemos mejor la imagen médica, su estructura y su comportamiento.
¿Cómo impacta esto en la formación del radiólogo?
Adriana García: Estamos formando un “médico del futuro”. Un profesional que no solo interpreta imágenes, sino que también entiende cómo se construyen los algoritmos que las analizan.
La inteligencia artificial no reemplaza al médico. Por el contrario, necesita supervisión médica. Nuestro objetivo es que los radiólogos lideren este proceso.
¿Qué rol juega el equipo en este desarrollo?
María Emilia Ruíz: Es fundamental. Este tipo de proyectos no se construye de manera individual. Hay un equipo detrás que incluye médicos, instructores y especialistas que trabajan en conjunto.
El aprendizaje colaborativo es clave, especialmente en un campo tan dinámico como la inteligencia artificial.
¿Qué impacto tuvo el proyecto dentro del hospital?
Adriana García: Después de dos años, otras especialidades comenzaron a interesarse. Por ejemplo, cirugía torácica ya está avanzando en su propio fellowship en inteligencia artificial.
Esto nos llevó a pensar en una estructura más grande: la creación de un departamento de inteligencia artificial o de datos dentro del hospital.
¿La inteligencia artificial es aplicable a todas las especialidades?
Ariel Miquelini: Sí, y creemos que va a ser un área transversal. Así como hoy existen subespecialidades dentro de radiología, la inteligencia artificial va a convertirse en una nueva área de desarrollo profesional.
Además, está traccionando a otras disciplinas médicas, lo cual es muy positivo.
¿Cuáles son los principales beneficios de integrar IA en el diagnóstico por imágenes?
María Emilia Ruíz: Amplía nuestra comprensión de la imagen médica. Nos permite analizarla desde otro nivel, no solo visual, sino estructural.
También mejora la eficiencia y abre nuevas posibilidades para el desarrollo de herramientas clínicas.
¿Qué desafíos quedan por delante?
Adriana García: El principal desafío es no perder el foco en el paciente. Todo lo que hacemos tiene que estar orientado a mejorar su atención.
Además, es clave mantener la supervisión médica sobre los algoritmos y avanzar en regulaciones claras sobre el uso de datos.
Para cerrar, ¿cómo ven el futuro de la inteligencia artificial en radiología?
Ariel Miquelini: Es un camino que recién comienza. Pero ya estamos viendo que los médicos pueden liderar el desarrollo de inteligencia artificial.
María Emilia Ruíz: Es un proceso desafiante, pero maravilloso. La inteligencia artificial no solo cambia la forma en que trabajamos, sino también cómo pensamos la medicina.
Adriana García: El futuro ya empezó. Ahora el desafío es consolidarlo y hacerlo sostenible dentro de las instituciones.
Conclusión
El caso del Hospital Británico de Buenos Aires marca un hito en Latinoamérica: demuestra que la inteligencia artificial en radiología no solo puede adoptarse, sino también desarrollarse desde adentro de las instituciones. La formación de perfiles híbridos —médicos con capacidades en datos y algoritmos— aparece como uno de los ejes centrales para el futuro del diagnóstico por imágenes.