La IA no ha sustituido a los radiólogos: los expertos señalan que el juicio clínico sigue siendo clave

En 2016, Geoffrey Hinton, considerado un 'padrino' de la inteligencia artificial, pronosticó que el deep learning superaría a los radiólogos en cinco años y que dejarían de ser necesarios. Casi una década después, una revisión de Xataka con especialistas españoles muestra que la radiología no solo no ha desaparecido, sino que la demanda de estos profesionales ha aumentado, y que la IA se ha convertido en una herramienta complementaria, no en un reemplazo.

Por Redacción30 de agosto de 2026, 08:02

El vaticinio de Hinton y la realidad del sector

La predicción de Geoffrey Hinton, Nobel de Física en 2024, era contundente: "Si trabajas como radiólogo eres como El Coyote que ya está al borde del acantilado". Sin embargo, los profesionales consultados señalan que el tiempo ha demostrado lo contrario. José Luis del Cura Rodríguez, jefe del servicio de Radiología de la OSI Donostialdea y expresidente de la Sociedad Española de Radiología Médica (SERAM), afirmó: "Geoffrey no se va a ganar la vida prediciendo el futuro. Ahora mismo la actividad de los servicios de Radiología ha subido mucho, el número de radiólogos ha aumentado y ha aumentado aún más la demanda".

El fallo de Hinton, según los expertos, fue partir de una premisa incompleta: considerar que la radiología era solo reconocimiento de patrones. "La realidad clínica es mucho más compleja. La IA identifica imágenes; los radiólogos toman decisiones médicas bajo incertidumbre, integran el contexto y asumen responsabilidad", explicó Ángel Morales, coordinador de la comisión de IA de la SERAM y radiólogo en el Hospital Universitario Donostia. "Por eso la sustitución nunca ocurrió", concluyó.

La IA como impulsora de la demanda, no de su fin

Lejos de reducir la necesidad de radiólogos, la IA ha incrementado la carga de trabajo y las solicitudes de informes. José Luis del Cura destacó que la IA "ha tenido con frecuencia el efecto paradójico de aumentar la demanda de informes radiológicos" y ha mejorado "la calidad de nuestras exploraciones", lo que a su vez incrementa la demanda de las mismas.

Álvaro Palazón, médico radiólogo del Hospital General de Alicante y vocal de IA de la Sociedad Española de Radiología Vascular e Intervencionista (SERVEI), señaló que "la IA está dando más trabajo del que quita" y que existe el riesgo de que se realicen más pruebas a los pacientes debido a las sospechas que la máquina detecta, como ocurre con los pezones que pueden simular tumores en radiografía de tórax. Además, Luis Martí Bonmatí, director del Área Clínica de Imagen Médica de La Fe y catedrático de Radiología, enfatizó que "hacen falta más profesionales ahora que hace cinco años".

El juicio clínico: lo que la IA no puede automatizar

Los expertos insisten en que la radiología va más allá de la interpretación de imágenes. "La radiología no es 'ver imágenes'. Es integrar síntomas, antecedentes, riesgos y consecuencias terapéuticas. Es decidir qué importa y qué no, qué implica urgencia y qué requiere seguimiento. El juicio clínico no es automatizable", afirmó Ángel Morales.

La regulación europea respalda esta visión. La ley de IA de la UE clasifica el diagnóstico como de alto riesgo y "debe estar supervisada de forma efectiva por el radiólogo. No puede tomar decisiones clínicas autónomas", añadió Morales. José Vilar Samper, radiólogo jubilado y exjefe de servicio del Hospital Peset de València, cree que la IA puede "hacer al radiólogo más clínico, más integral en su visión".

Desafíos y limitaciones de la IA en radiología

La implementación de la IA en los hospitales no está exenta de obstáculos. Ángel Morales menciona la falta de robustez, explicabilidad e integración real en los flujos clínicos: "El salto del laboratorio al servicio de radiología es mucho más difícil de lo que parecía". Un artículo en Nature Medicine advierte que el uso de IA en la educación médica podría impedir que los futuros sanitarios desarrollen habilidades esenciales.

Amelia Jiménez Sánchez, investigadora postdoctoral en IA médica en la Universitat de Barcelona, alerta sobre el riesgo de "deskilling" o erosión de conocimientos: "Si los profesionales confían excesivamente en sus recomendaciones, existe el riesgo de aceptar resultados incorrectos sin una revisión crítica adecuada". Además, subraya la necesidad de validar los sistemas en poblaciones diversas y condiciones reales. La implementación también varía entre comunidades autónomas: Madrid prioriza la incorporación en hospitales públicos para mejorar el diagnóstico en cáncer de próstata y mama, Cataluña se centra en la validación, y Andalucía impulsa infraestructuras de salud digital y gobernanza de datos.