La inteligencia artificial ya puede analizar imágenes médicas, identificar posibles enfermedades y ayudar a elaborar informes radiológicos. Estas capacidades están cambiando la forma de trabajar en hospitales y centros de diagnóstico. Pero también plantean una pregunta que preocupa a muchos profesionales: ¿la IA terminará reemplazando a los radiólogos?
La respuesta no es tan sencilla como parece. Algunos estudios muestran que la tecnología puede reducir significativamente el tiempo necesario para realizar determinadas tareas. Otros advierten que la automatización podría modificar la cantidad de horas de trabajo que necesitan los servicios de radiología.
Sin embargo, automatizar una tarea no significa necesariamente eliminar un puesto de trabajo. Para entender qué está ocurriendo, conviene revisar los datos científicos, conocer las aplicaciones que ya existen y analizar qué podría suceder con esta profesión en los próximos años.
1. ¿Por qué la radiología está entre las profesiones más expuestas a la IA?
La radiología es una especialidad médica que utiliza imágenes para identificar enfermedades, lesiones y otras alteraciones del organismo. Entre sus herramientas se encuentran las radiografías, las tomografías computarizadas, las resonancias magnéticas y las mamografías.
Durante mucho tiempo, analizar estas imágenes fue una tarea exclusivamente humana. Hoy, los sistemas de inteligencia artificial pueden aprender a reconocer patrones en miles o millones de imágenes y utilizar ese aprendizaje para identificar hallazgos que podrían ser relevantes para un diagnóstico.
Por ejemplo, una herramienta de IA puede señalar una zona sospechosa en una radiografía de tórax o identificar características que requieren una revisión más detallada. También puede ayudar a ordenar los estudios según su posible urgencia y generar un borrador del informe que el especialista debe revisar.
Esto convierte a la radiología en un caso especialmente interesante para estudiar el impacto de la IA sobre el empleo: una parte importante del trabajo puede analizarse como un conjunto de tareas susceptibles de recibir asistencia tecnológica.
Pero hay una diferencia fundamental entre reconocer un patrón en una imagen y asumir toda la responsabilidad de un diagnóstico médico.
El radiólogo debe interpretar los resultados, considerar los antecedentes del paciente, valorar la incertidumbre y comunicar sus conclusiones al equipo médico. La IA puede apoyar algunas de estas actividades, pero su capacidad para hacerlo de manera segura depende de la herramienta, el contexto clínico y la calidad de su evaluación.
Por eso, la pregunta no debería limitarse a si una máquina puede interpretar imágenes. También debemos preguntarnos qué partes del trabajo pueden automatizarse, qué nuevas funciones surgirán y cómo cambiará la demanda de profesionales.
2. Un estudio proyecta que la IA podría reducir las horas de trabajo de los radiólogos
Uno de los análisis más relevantes sobre este tema fue elaborado por Curtis P. Langlotz, profesor de Radiología, Medicina y Ciencia de Datos Biomédicos de la Universidad de Stanford.
En diciembre de 2025, Langlotz publicó el estudio The Effect of AI on the Radiologist Workforce: A Task-Based Analysis. Su objetivo era estimar cómo las aplicaciones de IA podrían modificar el trabajo de los radiólogos durante los cinco años siguientes.
El resultado más llamativo fue una reducción proyectada del 33 % de las horas de trabajo, con un rango estimado de entre el 14 % y el 49 %.
¿Significa esto que un tercio de los radiólogos perderá su empleo? No. Esa interpretación sería incorrecta.
El estudio construye un modelo a partir de investigaciones anteriores, estimaciones sobre el tiempo dedicado a distintas tareas y supuestos acerca del efecto que podrían tener las aplicaciones de IA. No es un registro de despidos ni una medición de puestos de trabajo que ya hayan desaparecido.
Los principales efectos previstos se relacionan con la elaboración automatizada de borradores de informes y con la posibilidad de delegar determinados estudios radiográficos y mamográficos a sistemas automatizados.
El propio autor considera que, al menos en el horizonte analizado, la pérdida generalizada de empleos no sería el resultado más probable. Una de las razones es que el volumen de estudios de diagnóstico por imágenes continúa creciendo y podría absorber parte de las ganancias de productividad.
Hay, además, una precisión importante: la publicación es una prepublicación científica que no había pasado por revisión por pares en la versión consultada. Por tanto, sus cifras deben interpretarse como proyecciones, no como hechos confirmados.
Aun con estas limitaciones, el estudio aporta una idea relevante: la IA podría reducir considerablemente el tiempo humano necesario para determinadas actividades radiológicas, aunque eso no se traduzca automáticamente en una reducción equivalente de empleos.
Fuente: Curtis P. Langlotz, The Effect of AI on the Radiologist Workforce: A Task-Based Analysis (2025).
3. Un caso real: la IA ya está ayudando a elaborar informes médicos
Las proyecciones sobre el futuro son importantes, pero también necesitamos conocer qué sucede cuando estas herramientas se utilizan en hospitales reales.
En junio de 2025, la revista científica JAMA Network Open publicó un estudio dirigido por Jonathan Huang y colaboradores, con participación de investigadores de Northwestern University y Northwestern Medicine, en Estados Unidos.
La investigación evaluó una herramienta de IA generativa que producía borradores de informes radiológicos a partir de radiografías. Los especialistas podían revisar los textos, corregirlos y realizar los cambios necesarios antes de finalizar sus informes.
El análisis comparó 11 980 interpretaciones radiográficas realizadas con asistencia de IA con otras 11 980 sin ella.
Los resultados fueron interesantes:
- 15,5 % más de eficiencia en la documentación: el tiempo medio pasó de aproximadamente 189 segundos por estudio sin asistencia a 160 segundos con el apoyo de la IA.
- Sin diferencias significativas detectadas en la calidad de los informes: la revisión de 800 estudios no encontró diferencias estadísticamente significativas en la precisión clínica ni en la calidad textual entre los informes elaborados con asistencia y los realizados sin ella.
- Generación rápida de borradores: la herramienta podía producir un texto inicial en cuestión de segundos, que luego era revisado por el radiólogo.
El estudio también evaluó una función para identificar neumotórax clínicamente significativo en un conjunto de 97 651 radiografías. Este análisis adicional mostró que la IA podía señalar rápidamente casos relevantes, aunque su rendimiento debía interpretarse dentro de las condiciones específicas de la evaluación.
¿Qué nos dice esta experiencia?
En primer lugar, que la IA ya puede ahorrar tiempo en una actividad concreta del trabajo radiológico. En segundo lugar, que el sistema estudiado funcionó como asistente del profesional, no como sustituto integral de su labor.
Y, en tercer lugar, que mejorar la productividad no equivale a demostrar una reducción del empleo. El estudio midió la eficiencia de la documentación y determinados indicadores de calidad; no demostró que los hospitales hubieran eliminado puestos de trabajo por utilizar la herramienta.
Este ejemplo permite entender mejor el cambio que se está produciendo: una parte del trabajo puede acelerarse mediante IA, mientras el profesional conserva la responsabilidad de verificar los resultados y validar el informe final.
Fuente: Huang, J. y colaboradores, Efficiency and Quality of Generative AI–Assisted Radiograph Reporting, publicado en JAMA Network Open en 2025.
4. ¿Qué tareas de un radiólogo pueden cambiar con la IA?
Para comprender el impacto laboral, es útil observar algunas de las actividades que ya reciben asistencia tecnológica.
Detección de posibles enfermedades
Los algoritmos pueden identificar patrones asociados con determinadas alteraciones, como nódulos pulmonares, fracturas o signos compatibles con ciertas enfermedades.
Su función puede consistir en señalar hallazgos sospechosos para que el especialista los examine con mayor atención.
Sin embargo, detectar una anomalía no equivale necesariamente a establecer un diagnóstico definitivo. El resultado debe interpretarse junto con la información clínica y otras pruebas cuando corresponda.
Elaboración de informes radiológicos
La IA generativa puede producir borradores de informes a partir de imágenes y datos disponibles.
Esta capacidad puede reducir el tiempo de redacción, pero también exige verificar que el texto refleje correctamente los hallazgos. Un informe aparentemente bien escrito puede contener omisiones o afirmaciones incorrectas.
Priorización de estudios urgentes
Algunas herramientas pueden ayudar a identificar imágenes con hallazgos que requieren atención rápida. Esto permite que los servicios organicen sus listas de trabajo y revisen antes los casos potencialmente urgentes.
Mediciones y tareas repetitivas
La tecnología también puede automatizar ciertas mediciones, comparaciones entre estudios y tareas de cuantificación.
Estas funciones pueden ahorrar tiempo, especialmente cuando se aplican a grandes volúmenes de imágenes.
El efecto conjunto de estas aplicaciones puede ser importante. Si varias tareas se vuelven más rápidas, un servicio de radiología podría procesar más estudios con los mismos recursos humanos o mantener su actividad con menos horas de trabajo.
No obstante, el resultado depende de la precisión de las herramientas, su integración en el hospital, el tipo de estudios realizados y las decisiones de gestión.
5. La IA en la mamografía: menos carga de lectura no significa menos radiólogos en la misma proporción
La detección del cáncer de mama ofrece otro ejemplo de cómo la IA puede modificar los procesos de diagnóstico.
Los programas de cribado mamográfico procesan grandes cantidades de imágenes y siguen protocolos definidos. Por ello, investigadores han estudiado si los algoritmos pueden ayudar a clasificar los estudios, identificar casos de mayor riesgo y reducir el volumen que requiere lectura humana.
Un ensayo publicado en 2026, centrado en mamografía y tomosíntesis digital, evaluó una estrategia de triaje y apoyo a la decisión basada en IA en 31 301 mujeres examinadas entre marzo de 2022 y enero de 2024.
En la estrategia asistida por IA, la carga de trabajo de lectura de los radiólogos se redujo un 63,6 %. La tasa de detección de cáncer aumentó un 15,2 %, de 6,3 a 7,3 casos por cada mil mujeres examinadas.
Sin embargo, la tasa de llamadas para evaluaciones adicionales también aumentó un 14,8 %, por lo que la estrategia no cumplió el criterio de no inferioridad establecido para ese resultado.
Estos resultados muestran por qué la evaluación de una tecnología médica debe considerar más de un indicador. Reducir el tiempo de lectura puede ser beneficioso, pero también importa qué ocurre con los resultados clínicos, las pruebas adicionales y la seguridad de las pacientes.
Además, el 63,6 % corresponde a la reducción de carga de lectura dentro de una estrategia específica. No significa que se pueda eliminar el 63,6 % de los puestos de radiólogos que trabajan en mamografía.
Para llegar a esa conclusión habría que estudiar otros factores, como la organización del servicio, las responsabilidades que permanecen bajo supervisión médica y el volumen total de pacientes.
La lección es clara: la IA puede reducir de forma importante algunas tareas en determinados contextos, pero su efecto sobre el empleo debe analizarse por separado.
6. ¿Por qué las sociedades científicas insisten en la supervisión?
La incorporación de IA a la radiología no depende únicamente de que un algoritmo obtenga buenos resultados en una prueba.
En 2024, Adrian P. Brady y otros investigadores publicaron una declaración conjunta que aborda el desarrollo, la adquisición, la implementación y el seguimiento de herramientas de IA en radiología.
El documento reúne aportes del American College of Radiology, la Canadian Association of Radiologists, la European Society of Radiology, el Royal Australian and New Zealand College of Radiologists y la Radiological Society of North America.
Las organizaciones destacan la importancia de evaluar la utilidad clínica, la seguridad y el desempeño de los sistemas. También señalan que una herramienta puede funcionar de manera diferente cuando cambia la población atendida, el equipo utilizado o el contexto en el que se aplica.
Por eso, la evaluación no debería terminar el día en que se instala el sistema. Es necesario observar cómo funciona en la práctica, identificar errores y comprobar si mantiene un desempeño adecuado.
Esta necesidad de supervisión ayuda a explicar por qué la IA no debe entenderse simplemente como una máquina que reemplaza al profesional.
Sin embargo, tampoco garantiza que el empleo permanezca intacto. Una institución puede necesitar supervisión médica y, al mismo tiempo, menos horas de trabajo para realizar determinadas tareas.
La tecnología puede cambiar tanto las actividades que realiza un especialista como la cantidad de profesionales que una organización necesita para mantener un servicio.
Fuente: Brady, A. P. y colaboradores, Developing, purchasing, implementing and monitoring AI tools in radiology: practical considerations, publicado en Insights into Imaging en 2024.
7. Perú: la inteligencia artificial ya se utiliza para detectar tuberculosis
El impacto de la IA en radiología no es una cuestión exclusiva de Estados Unidos o Europa. En Perú también existen aplicaciones concretas.
En julio de 2026, el Ministerio de Salud informó que se habían realizado más de 84 000 tamizajes radiológicos apoyados con IA durante ese año, como parte de las estrategias de búsqueda activa de tuberculosis.
Las intervenciones se desarrollaron en distintas regiones del país, además de Lima y Callao. Entre las regiones mencionadas por el ministerio se encuentra Ayacucho.
La estrategia utiliza equipos de rayos X digitales con inteligencia artificial para analizar las imágenes e identificar a personas con hallazgos compatibles con tuberculosis. Quienes presentan resultados sospechosos son derivados para una prueba molecular rápida que permita confirmar el diagnóstico.
Este ejemplo muestra una aplicación concreta de la tecnología: analizar radiografías en poco tiempo para ayudar a identificar a personas que necesitan pruebas adicionales.
La IA puede contribuir a ampliar el alcance del tamizaje y facilitar intervenciones en comunidades donde el acceso a los servicios de salud presenta dificultades.
Pero es importante comprender qué significa este avance. El sistema ayuda a identificar casos sospechosos; no convierte automáticamente el resultado de una radiografía en un diagnóstico confirmado. La estrategia descrita por el Minsa contempla una prueba adicional para confirmar la enfermedad.
Tampoco demuestra que se haya sustituido a los radiólogos en el sistema sanitario peruano ni permite calcular cuántos empleos se han creado o eliminado.
Lo que sí demuestra es que la IA está empezando a formar parte de procesos reales de atención y prevención sanitaria en el país.
Esto abre una discusión relevante: ¿cómo aprovechar la tecnología para ampliar la cobertura de los servicios médicos, reducir los tiempos de espera y mejorar la atención, sin descuidar la calidad del diagnóstico y la responsabilidad profesional?
Fuente: Ministerio de Salud del Perú, nota de prensa del 20 de julio de 2026 sobre los tamizajes radiológicos apoyados con IA para detectar tuberculosis.
8. Entonces, ¿los radiólogos perderán sus empleos?
Con la evidencia disponible, no sería riguroso afirmar que la IA provocará la desaparición de los radiólogos. Pero tampoco sería correcto asegurar que la profesión permanecerá exactamente igual.
Hay razones para esperar cambios importantes.
Si un sistema automatiza parte de la redacción de informes, el especialista puede dedicar menos tiempo a esa actividad. Si una herramienta ayuda a clasificar estudios o a identificar imágenes de bajo riesgo, también puede reducirse la carga de determinadas tareas.
¿Qué ocurre después?
Depende de cómo responda cada institución.
Un hospital puede utilizar el tiempo ahorrado para atender a más pacientes. Otro puede aprovecharlo para reducir retrasos o mejorar la cobertura. Una tercera organización podría reorganizar los turnos y necesitar menos horas profesionales para realizar el mismo volumen de trabajo.
También es posible que la mayor capacidad diagnóstica aumente la demanda de estudios y genere nuevas necesidades de atención.
Por eso, la reducción de tareas no se traduce automáticamente en una reducción proporcional de puestos de trabajo. Entre ambas cosas intervienen decisiones económicas, organizativas y sanitarias.
Los riesgos, sin embargo, existen. La automatización puede reducir la necesidad de contratar personal para ciertas actividades, modificar los criterios de productividad y generar nuevas exigencias para los especialistas.
El efecto tampoco será uniforme. Dependerá de la subespecialidad, el tipo de institución, la demanda de estudios, el acceso a tecnología y la capacidad de los profesionales para adaptarse.
La conclusión más razonable es que la IA puede transformar la estructura del trabajo radiológico, aunque todavía no existe evidencia suficiente para predecir con precisión cuántos puestos se perderán en cada país.
9. ¿Cómo pueden prepararse los radiólogos?
Ante este escenario, una respuesta útil no consiste en competir con las máquinas en las tareas que pueden automatizarse. Consiste en aprender a utilizar la tecnología de forma crítica y fortalecer las competencias necesarias para trabajar en un entorno más automatizado.
Algunas acciones importantes son:
Aprender cómo funciona la IA médica. Conocer sus capacidades, limitaciones, errores y condiciones de uso permite evaluar mejor sus resultados.
Desarrollar competencias digitales. No basta con saber utilizar una herramienta. También es importante comprender cómo se integra en los sistemas de información, los procesos clínicos y los protocolos del hospital.
Fortalecer el juicio clínico. La interpretación de casos complejos, el análisis de incertidumbre y la comunicación con otros especialistas continúan siendo componentes esenciales de la atención médica.
Participar en la evaluación de las herramientas. Los profesionales pueden contribuir a seleccionar sistemas, revisar errores y comprobar su desempeño en condiciones reales.
Comprender los aspectos éticos y legales. La privacidad de los datos, la seguridad del paciente, los posibles sesgos y la responsabilidad por las decisiones son cuestiones fundamentales para una implementación adecuada.
La formación continua será especialmente importante. No porque todos los radiólogos deban convertirse en especialistas en programación, sino porque necesitarán comprender cómo utilizar la IA sin delegar ciegamente en ella sus decisiones clínicas.
También será responsabilidad de las instituciones facilitar la capacitación, establecer protocolos claros y evaluar si las nuevas herramientas realmente mejoran la atención.
10. Una reflexión para otras profesiones
El caso de la radiología también ofrece una lección para profesionales de otros sectores.
Con frecuencia, pensamos que una profesión está protegida frente a la automatización porque requiere años de formación, conocimientos especializados y experiencia. Sin embargo, la IA no necesita reemplazar todas las funciones de un profesional para transformar su trabajo.
Puede ser suficiente con automatizar algunas de las tareas que consumen más tiempo o que se realizan de manera repetitiva.
Esto puede ocurrir en la medicina, pero también en la educación, el derecho, la contabilidad, la investigación, el marketing y otros campos profesionales.
La pregunta importante no es solamente si una máquina puede hacer el trabajo completo. También debemos preguntarnos qué partes de ese trabajo puede realizar, con qué calidad, a qué costo y cómo cambiarán las expectativas de las organizaciones y los clientes.
Desde esta perspectiva, la radiología constituye un caso de estudio útil para comprender cómo la IA puede transformar ocupaciones altamente especializadas.
La tecnología puede aumentar la productividad, pero sus consecuencias dependerán de las decisiones que tomen las organizaciones y de la capacidad de los profesionales para adaptarse.
Conclusión: la IA no tiene que reemplazar toda una profesión para cambiarla
La inteligencia artificial ya está modificando algunas actividades de los radiólogos. Los estudios muestran que puede ayudar a elaborar informes, analizar imágenes y reducir el tiempo dedicado a determinadas tareas.
Un estudio de Curtis P. Langlotz proyecta una reducción importante de las horas de trabajo necesarias en radiología, mientras que una investigación publicada en JAMA Network Open documentó una mejora del 15,5 % en la eficiencia de la documentación mediante informes asistidos por IA.
Estos resultados son relevantes, pero deben interpretarse correctamente. Una proyección no es un despido observado y una mejora de productividad no demuestra, por sí sola, que hayan desaparecido puestos de trabajo.
En Perú, el uso de IA para apoyar el tamizaje radiológico de tuberculosis muestra que estas tecnologías ya pueden contribuir a estrategias de salud pública. El desafío consiste en evaluar sus resultados y aprovechar sus beneficios sin confundir la detección automatizada con un diagnóstico completo.
El futuro de los radiólogos dependerá de la evolución de las herramientas, la demanda sanitaria, la organización de los servicios y las decisiones que tomen las instituciones.
Por eso, no conviene presentar la IA únicamente como una amenaza ni asumir que sus efectos serán necesariamente positivos. Es una tecnología capaz de aumentar la productividad y, al mismo tiempo, modificar las necesidades de trabajo.
La cuestión estratégica será cómo gestionar esa transformación: con formación, evaluación científica, supervisión clínica y decisiones que prioricen tanto la eficiencia como la seguridad del paciente.
La IA puede automatizar tareas sin reemplazar inmediatamente una profesión. Pero cuando esas tareas representan una parte importante del trabajo, la profesión sí puede cambiar profundamente.
✍️ Sobre el autor
Iván Bejarano Olivares es magíster y consultor en innovación digital para profesionales y organizaciones públicas y privadas.
