Ali S. Tejani, et al. Radiología, Volumen 317, Número 1. https://doi.org/10.1148/radiol.250692
Recopilado por Carlos Cabrera Lozada. Individuo de Número, ANM Sillón VII. ORCID: 0000-0002-3133-5183. 04/08/2026
Resumen
Los avances en inteligencia artificial (IA) durante la última década han consolidado su papel dentro y fuera de la sala de lectura de radiología. La IA está cada vez más integrada en los flujos de trabajo de imagen, ya sea influyendo directamente en la práctica proporcionando resultados de IA a radiólogos para casos de uso interpretativos o indirectamente ayudando en casos de uso no interpretativos para optimización de imágenes o eficiencia de flujos de trabajo. Aunque las soluciones de IA muestran potencial para cambiar los paradigmas de la práctica de los radiólogos, la capacidad para aprovechar eficazmente la IA dependerá de la alfabetización en IA de los radiólogos. Históricamente, la implementación de IA ha sido facilitada por quienes tienen experiencia técnica previa, mientras que los radiólogos incorporan herramientas recién desplegadas en los flujos de trabajo de imagen existentes. Sin embargo, invertir en alfabetización en IA permite una implementación más amplia al capacitar a los radiólogos para identificar limitaciones prácticas que pueden pasar por alto, asegurando una integración segura y eficaz en la práctica.
Este artículo es el primero de una serie introductoria que proporciona una base sobre la alfabetización en IA para radiólogos. «Mirar por detrás» de un algoritmo de IA puede ser abrumador, pero entender cómo funciona a nivel fundamental es clave para tomar decisiones informadas usando la IA como herramienta, permitiendo entender cuándo la IA puede fallar o ser propensa a sesgos. Este artículo se centra en consideraciones prácticas en cada etapa del desarrollo de la IA. Los siguientes artículos de esta serie ampliarán este contenido examinando los paradigmas para la entrega a los usuarios finales y su interacción con los resultados de IA, explicando las barreras a la integración de la IA desde la perspectiva de diversos actores del flujo de trabajo de imagen (por ejemplo, radiólogos, tecnólogos, administradores de sistemas de archivo y comunicación de imágenes, informáticos de imagen, pacientes, personal en funciones administrativas y ejecutivas, y otros), y detallando las consideraciones posteriores al despliegue para la monitorización y regulación de la IA tras la adquisición y despliegue del modelo en la práctica.