Ali S. Tejani, et al. Radiología, Volumen 320, Número 1. https://doi.org/10.1148/radiol.252702
Recopilado por Carlos Cabrera Lozada. Individuo de Número, ANM Sillón VII. ORCID: 0000-0002-3133-5183. 04/08/2026
Resumen
A medida que las herramientas de inteligencia artificial (IA) se integran cada vez más en los flujos de trabajo de imagen, comprender cómo se generan y presentan los resultados de IA al usuario final puede capacitar a los radiólogos para optimizar las interacciones con los resultados de IA en la práctica. Aunque las soluciones de IA se comercializan como opciones de alto rendimiento que prometen eficiencia y mejoras diagnósticas, los problemas que surgen en la interfaz radiólogo-IA pueden provocar rendimientos disminuidos debido a cargas cognitivas no intencionadas o desalineaciones con los flujos de trabajo clínicos. Una comprensión fundamental de cómo las imágenes son procesadas por soluciones de IA, presentadas en flujos de trabajo de imagen y documentadas puede permitir a los radiólogos solucionar deficiencias en la práctica tras el despliegue clínico. Este artículo es el segundo de una serie introductoria que proporciona una base en alfabetización en IA para radiólogos. Basándose en el primer artículo de esta serie introductoria, este artículo aborda las preguntas planteadas por los usuarios finales al utilizar la IA en la práctica. Cubre cómo considerar el uso previsto de las soluciones de IA, el proceso mediante el cual se generan los resultados de IA, las razones por las que los resultados pueden no estar disponibles en el momento de la interpretación del estudio y cómo alinear la presentación de los resultados de IA con los flujos de trabajo del usuario final. La discusión también explora temas y desafíos emergentes, incluyendo consideraciones para almacenar resultados de IA y las consideraciones médico-legales relacionadas.