Lo Que Muestra Realmente el Nuevo Estudio
Una década después de la advertencia que hizo famoso a Geoffrey Hinton en 2016, cuando sugirió dejar de formar radiólogos, el miedo a la inteligencia artificial entre los futuros médicos ha disminuido, pero no ha desaparecido. Una nueva encuesta publicada en Academic Radiology aplicó un cuestionario a 401 estudiantes de medicina y residentes canadienses, revelando un panorama mucho más matizado que el que suele dominar el discurso público.
Entre los 401 participantes, el 13% colocó a la radiología como su primera opción de especialidad. Solo el 2,5% afirmó que la IA fue «extremadamente influyente» en su decisión de carrera. Otro 57% reconoció un impacto «leve o moderado» y el 35% indicó que la IA no influyó en absoluto en su elección. La imagen cambia notablemente al filtrar solo a los interesados en radiología: el 91% de ellos consideró la IA al decidir, frente al 54% de quienes no piensan dedicarse al área.
Polarización: ¿Amenaza u Oportunidad?
El hallazgo más revelador no es el promedio, sino la distribución. Entre quienes quieren ser radiólogos, el 33% afirmó que la IA los desanimó, el 13% se sintió animado y otro 33% no reportó influencia alguna. Los autores describen este patrón como una «polarización creciente»: una parte del grupo ve la IA como una amenaza a la estabilidad laboral, mientras otra parte la percibe como una oportunidad de innovación clínica.
Un efecto cuantitativo es contundente: los estudiantes que creen que la IA reducirá la demanda de radiólogos tienen un 50% menos de probabilidad de interesarse por la especialidad. La creencia por sí sola — independiente de si refleja la realidad — basta para redirigir trayectorias profesionales. Para un área que ya enfrenta una escasez crónica de profesionales en América Latina, Europa y Norteamérica, es una señal estratégica que las escuelas de medicina y las sociedades profesionales no pueden permitirse ignorar.
Qué Cambió Desde 2016
Cuando IBM Watson debutó con gran repercusión en el congreso RSNA de 2015, se esperaba que la IA automatizara gran parte de la radiología en pocos años. Las inscripciones a residencias de radiología en Estados Unidos cayeron inmediatamente después. La tendencia se revirtió: la adopción resultó mucho más lenta de lo previsto, muy pocos hospitales transfirieron tareas críticas a algoritmos y las herramientas comerciales se consolidaron como soporte a la decisión, no como reemplazo. El renovado interés por la especialidad refleja esa experiencia vivida.
Esta evolución se conecta con discusiones que hemos explorado anteriormente. En un estudio reciente sobre el desempeño desigual de la IA en radiografía de tórax mostramos que los algoritmos actuales aún tienen sesgos y límites de generalización que hacen indispensable al radiólogo humano. También analizamos las preguntas estratégicas que los directores de servicio deben formular antes de adoptar IA en nuestra guía sobre las cinco preguntas críticas antes de implantar IA en radiología.
Implicaciones Para la Formación Médica
Para los directores de programas de residencia y decanos de medicina, el estudio entrega un mensaje práctico: la forma en que se presenta la IA — como herramienta o como sustituto — moldea directamente el flujo de talento. Los planes de estudio que muestran cómo la IA se integra en flujos de trabajo reales con PACS, validación humana y gobernanza clínica tienden a transformar el desánimo en curiosidad técnica. Los autores recomiendan incluir módulos obligatorios sobre IA aplicada a la imagen, abordando tanto capacidades como limitaciones.
En América Latina, donde la escasez de radiólogos en regiones del interior, la expansión de la telerradiología y el avance de la IA en cribado mamográfico y torácico son realidades cotidianas, los próximos profesionales deben dominar tanto la clínica como el aprendizaje automático. Ocultar la IA de la formación solo alimenta el miedo. Mostrarla en contexto forma a los líderes que necesitará la próxima década.
Limitaciones y Perspectivas
El estudio se limita a estudiantes canadienses, con un sesgo cultural y estructural específico de ese sistema sanitario. Replicarlo en Brasil, México, Argentina, España u otros países ayudaría a confirmar si la polarización es universal. Otra advertencia: medir la intención no equivale a medir la decisión final — algunos de los hoy desanimados podrían cambiar de opinión a lo largo de la carrera, sobre todo al tener contacto directo con la práctica de imagen.
Aun así, la señal es clara. La generación que entra ahora en la medicina ha convivido con la IA desde la escuela secundaria. Para ellos, la pregunta ya no es «¿existirá la IA?», sino «¿cómo voy a trabajar con ella?». Los programas de radiología que respondan esa pregunta con honestidad y rigor — en el aula y en la estación de trabajo — atraerán a los estudiantes correctos. Los que no lo hagan amplificarán el miedo que describe el estudio. Las alianzas con la industria también deben estructurarse para que los residentes accedan a casos reales validados, no solo a demostraciones comerciales.
Fuente: The Imaging Wire — Does AI Still Scare Off Radiology Trainees?
