Inteligencia Artificial en Radiología: Una Revisión Narrativa del Estado Actual, Aplicaciones Clínicas y Perspectivas Futuras
Contenido principal del artículo
Resumen
Objetivo: Revisar el estado actual de la inteligencia artificial (IA) en radiología, analizando sus aplicaciones clínicas, evidencia científica, marco regulatorio y desafíos para la implementación en la práctica clínica. Métodos: Se realizó una revisión narrativa de la literatura científica publicada entre 2019 y 2025, consultando bases de datos académicas incluyendo PubMed, PMC y revistas especializadas. Se incluyeron estudios clínicos, revisiones sistemáticas, artículos de investigación original y documentos regulatorios relacionados con aplicaciones de IA en radiología. Resultados: La IA ha demostrado eficacia significativa en múltiples especialidades radiológicas. En neurorradiología, los algoritmos de deep learning alcanzan un área bajo la curva (AUC) de 93.2% para la clasificación de gliomas. En imagenología mamaria, los sistemas de IA logran un AUC de 89.6% en la detección de cáncer de mama. Los estudios clínicos recientes muestran mejoras de productividad de hasta 40% sin comprometer la precisión diagnóstica. La FDA ha autorizado 1,016 dispositivos médicos con IA, de los cuales 84.4% se basan en análisis de imágenes y 88.2% son revisados por paneles de radiología.
Conclusiones: La IA representa una herramienta transformadora en radiología con evidencia sólida de eficacia clínica. Sin embargo, persisten desafíos relacionados con sesgos algorítmicos, regulación, implementación clínica y aspectos éticos. La integración exitosa requiere un enfoque multidisciplinario que incluya validación rigurosa, monitoreo continuo y colaboración entre radiólogos, desarrolladores de IA y reguladores.
Detalles del artículo
Sección

This work is licensed under a Creative Commons Attribution 4.0 International License.
Derechos de autor
Los autores que publican en Revista Médica Cunoc conservan los derechos de autor de sus obras y aceptan los siguientes términos:
-
Los autores conservan los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo una Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite a otros compartir, copiar, distribuir, transmitir y adaptar la obra con fines comerciales o no comerciales, siempre que se reconozca adecuadamente la autoría del trabajo original y se proporcione un enlace a la licencia.
-
Se permite a los autores establecer acuerdos adicionales para la distribución no exclusiva del trabajo publicado por la revista (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro), con el reconocimiento de su publicación inicial en esta revista.
-
Se alienta a los autores a difundir su trabajo electrónicamente (por ejemplo, en repositorios institucionales o en su sitio web personal) antes y durante el proceso de envío, lo cual puede generar intercambios productivos, así como una mayor citación del trabajo publicado (ver The Effect of Open Access).
Licencia:
Este trabajo está licenciado bajo una Creative Commons Atribución 4.0 Internacional.
How to Cite
References
1.
Bhandari A. Revolutionizing Radiology With Artificial Intelligence. Cureus. 2024;16(10):e72646. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC11521355/
2.
Strubchevska O, Kozyk M, Kozyk A, Strubchevska K. The Role of Artificial Intelligence in Diagnostic Radiology. Cureus. 2024;16(10):e72173. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC11582495/
3.
Etemadi M, et al. New AI transforms radiology with speed, accuracy never seen before [Internet]. Northwestern University; 2025 [citado 29 Jul 2025]. Disponible en: https://news.northwestern.edu/stories/2025/06/new-ai-transforms-radiology-with-speed-accuracy-never-seen-before/
4.
Resühr D, Garnett C. The Good, the Bad, and the Ugly of AI in Medical Imaging. European Medical Journal. 2025. Disponible en: https://www.emjreviews.com/radiology/article/the-good-the-bad-and-the-ugly-of-ai-in-medical-imaging-j140125/
5.
Singh R, Bapna M, Diab AR, Ruiz ES, Lotter W. How AI is used in FDA-authorized medical devices: a taxonomy across 1,016 authorizations. npj Digital Medicine. 2025;8:388. Disponible en: https://www.nature.com/articles/s41746-025-01800-1
6.
Fornell D. Overview of the regulatory landscape of AI in radiology [Internet]. Health Imaging; 2025 [citado 29 Jul 2025]. Disponible en: https://healthimaging.com/topics/artificial-intelligence/overview-regulatory-landscape-ai-radiology