La réplica: una década de datos contra una frase efectista
Un editorial publicado en el Journal of the American College of Radiology cuestiona la
tesis de que la inteligencia artificial ya habría hecho innecesario contratar más radiólogos en
Estados Unidos. El equipo lo encabeza Elizabeth Rula, directora ejecutiva del Harvey L. Neiman
Health Policy Institute (HPI), en Reston, Virginia, y responde a unos comentarios publicados en 2026
en JAMA Health Forum por el economista David Cutler, de Harvard, y por Lev Klarnet.
Cutler y Klarnet sostuvieron que la caída en el uso de imagen médica «permitió a Estados Unidos
atender la necesidad de estudios sin aumentar el número de radiólogos». La respuesta del HPI es
directa: «La afirmación, creemos, contradice la experiencia colectiva reciente de la comunidad
radiológica e ignora una década de evidencia.»
Dónde falla la lectura de los datos
El problema central que señalan Rula y colegas es la base empírica. El estudio clave que citan los
economistas examinó el uso de imagen per cápita hasta 2016 y atribuyó parte de la aparente caída al
agrupamiento de códigos de Medicare, un cambio de facturación y no de volumen de estudios. Cuando el
pagador funde dos códigos en uno, el número de «procedimientos» baja en el registro administrativo
sin que se deje de hacer un solo examen.
El segundo problema es la métrica. Contar estudios ignora la carga real del radiólogo, que
depende tanto del volumen como de la complejidad. Una tomografía de cuerpo entero con
reconstrucciones multiplanares y comparación con tres estudios previos no equivale a una radiografía
de tórax, pero ambas figuran como «un examen».
Las cifras que el HPI puso sobre la mesa
La réplica se apoya en estudios revisados por pares del propio instituto. En 2025, el grupo
proyectó un crecimiento del 17% al 27% en el uso de imagen médica en Estados Unidos hasta 2055,
impulsado por el crecimiento y el envejecimiento de la población. Los datos de Medicare recopilados
en el Neiman Almanac muestran aumentos relevantes de volumen de tomografía y resonancia en la Parte
B entre 2016 y 2024, justo el período posterior al final de la serie usada por los economistas.
Otro estudio del HPI midió la carga de trabajo en unidades de valor relativo (RVU), que ponderan
tiempo, esfuerzo y riesgo de cada procedimiento. Las RVU de imagen por beneficiario alcanzaron su
nivel más alto en 2021, con un alza del 13% frente a 2005. En el mismo período, el mandato de
neutralidad presupuestaria de Medicare recortó un 48,3% la remuneración del radiólogo ajustada por
inflación entre 2005 y 2025. Más trabajo, menos pago por unidad de trabajo.
El argumento de la historia clínica electrónica tampoco se sostiene
Cutler y Klarnet también argumentaron que la historia clínica electrónica habría reducido la
repetición de estudios. El HPI responde con un análisis reciente que halló repetición en el 12,5% de
los estudios de imagen de consultorio en Medicare entre 2013 y 2022. No es un detalle marginal: la
duplicación es uno de los principales vectores de desperdicio y de exposición evitable a radiación, y
sigue vigente incluso donde la interoperabilidad está formalmente disponible, un fallo de proceso que
recuerda lo que ya escribimos sobre
la gobernanza tecnológica en radiología.
El fantasma de 2016 sigue en la sala
El editorial dedica espacio al contexto histórico, con razón. En 2016, el premio Nobel Geoffrey
Hinton afirmó que el aprendizaje profundo superaría a los radiólogos en el análisis de imágenes y que
no tenía sentido seguir formándolos. La predicción no se cumplió y el propio Hinton se retractó: en
una entrevista con el New York Times en septiembre de 2026 dijo que la combinación de IA con
radiólogos hará a estos profesionales más eficientes y más precisos.
Rula y colegas observan que la preocupación «sigue siendo noticia y los radiólogos siguen a la
defensiva, lo que indica el efecto duradero de la predicción de Hinton». El argumento práctico es que
las declaraciones amplias de figuras con autoridad pública tienen consecuencias reales sobre la
elección de especialidad, el dimensionamiento de la residencia y las decisiones de inversión, y
tardan años en corregirse con evidencia.
Qué significa fuera de Estados Unidos
La disputa es sobre datos estadounidenses, pero la lección metodológica viaja bien. Cualquier
discusión sobre si «la IA resolverá la falta de radiólogos» debe separar tres cosas que suelen
mezclarse: volumen de estudios, complejidad por estudio y capacidad de lectura disponible. En
sistemas de salud donde la distribución de especialistas está muy concentrada en las grandes ciudades
y la teleradiología absorbe parte de la demanda del interior, el riesgo de leer un indicador agregado
como prueba de suficiencia es todavía mayor, que fue justamente el punto que planteamos al preguntar
si la escasez de radiólogos es regional.
Hay además un efecto sobre quienes ya están en la profesión. Los estudios de rotación muestran que
la carga percibida predice las salidas, y los relatos públicos de obsolescencia no ayudan ni a
retener ni a atraer, un tema que tratamos en
por qué los radiólogos renuncian.
Cómo leer esta discusión sin elegir bando por reflejo
Conviene escepticismo en las dos direcciones. El HPI es un instituto vinculado al American College
of Radiology, y defender la relevancia económica de la especialidad está dentro de su ámbito
institucional; eso no invalida los datos citados, pero obliga a mirar qué métricas se seleccionaron.
Del otro lado, los comentarios criticados se publicaron como opinión, no como estudio original. Lo
que la réplica demuestra con solidez es más estrecho y más útil que lo que sugiere el debate
polarizado: la serie de datos usada para afirmar que la demanda cayó termina en 2016, está
confundida por un cambio de codificación y no mide complejidad.
El escenario que la evidencia sostiene no es ni la sustitución ni la escasez automática. Es un
sistema donde la demanda crece, la complejidad por estudio crece más rápido, el pago por unidad cae y
la IA entra como herramienta de productividad, con ganancias que todavía se miden caso por caso, como
ilustran las
cifras de autorizaciones de IA en radiología en la FDA.
Fuente: AuntMinnie — HPI: Evidence contradicts broad claims about AI, radiology workforce
