![\"Gr\u00e1fico](\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/04\/volume-exames-radiologia-queda.jpg\")
El argumento central de los autores es que una supuesta \u00abdesaceleraci\u00f3n de la imagen\u00bb puede tener m\u00faltiples causas. Entre las hip\u00f3tesis planteadas est\u00e1n la percepci\u00f3n creciente entre m\u00e9dicos sobre los riesgos de ex\u00e1menes innecesarios, el impacto de la campa\u00f1a Choosing Wisely<\/em>, cambios en los reembolsos, exigencias de autorizaci\u00f3n previa, organizaciones de cuidados coordinados (accountable care organizations<\/em>) y esfuerzos para eliminar ex\u00e1menes repetidos sin indicaci\u00f3n.<\/p>\n Los autores reconocen que \u00abno hay consenso sobre cu\u00e1les de estas hip\u00f3tesis explican las tendencias de imagen, o si existen otros factores importantes\u00bb. Cutler fue integrante de una Comisi\u00f3n de Pol\u00edtica de Salud creada para ayudar a reducir gastos m\u00e9dicos en Massachusetts, lo que contextualiza su perspectiva orientada al control de costos.<\/p>\n Una de las propuestas m\u00e1s controversiales del art\u00edculo es la sugerencia de que la inteligencia artificial puede ayudar a remodelar la pr\u00e1ctica radiol\u00f3gica. Cutler describe el an\u00e1lisis de im\u00e1genes m\u00e9dicas como un \u00abproceso directo para aprendizaje autom\u00e1tico\u00bb, afirmando que los programas inform\u00e1ticos ya pueden \u00abemular radi\u00f3logos\u00bb en algunos escenarios. Sin embargo, los propios autores advierten que \u00abes poco probable que las computadoras reemplacen a los radi\u00f3logos pronto\u00bb y que \u00abexisten muchas situaciones donde la capacidad humana supera a la IA\u00bb.<\/p>\n La propuesta incluye un modelo de triaje donde los radi\u00f3logos leer\u00edan los ex\u00e1menes m\u00e1s complejos, independientemente de la ubicaci\u00f3n geogr\u00e1fica del paciente, mientras que programas de IA atender\u00edan los casos rutinarios<\/a>. En \u00e1reas rurales donde los radi\u00f3logos son escasos, los autores sugieren que un diagn\u00f3stico computarizado podr\u00eda ser \u00abun sustituto razonable\u00bb de un radi\u00f3logo entrenado.<\/p>\n La tesis de Cutler enfrenta objeciones significativas de profesionales del \u00e1rea. Muchos radi\u00f3logos argumentan que los datos de volumen de ex\u00e1menes, cuando se ajustan por complejidad y modalidad, no sustentan la narrativa de desaceleraci\u00f3n generalizada. Modalidades como la resonancia magn\u00e9tica y el PET-CT contin\u00faan en expansi\u00f3n, y la creciente adopci\u00f3n de programas de detecci\u00f3n poblacional, como la mamograf\u00eda y la tomograf\u00eda de baja dosis para c\u00e1ncer de pulm\u00f3n<\/a>, tiende a aumentar la demanda futura.<\/p>\n Otro punto de cr\u00edtica es la premisa de que la IA puede funcionar como sustituto en \u00e1reas con escasez de profesionales. Sociedades m\u00e9dicas como el ACR (American College of Radiology) han monitoreado propuestas regulatorias<\/a> relacionadas con la IA en radiolog\u00eda, enfatizando que la tecnolog\u00eda debe verse como herramienta de apoyo, no como sustituta del juicio m\u00e9dico.<\/p>\n El an\u00e1lisis merece contexto adicional. Datos de la FDA muestran que la radiolog\u00eda lidera entre las especialidades con dispositivos de IA aprobados<\/a>, lo que indica una tendencia de integraci\u00f3n, no de sustituci\u00f3n. Adem\u00e1s, informes de mercado proyectan un crecimiento consistente del sector de imagen diagn\u00f3stica durante la pr\u00f3xima d\u00e9cada, impulsado por el envejecimiento poblacional, la ampliaci\u00f3n del acceso y nuevas indicaciones cl\u00ednicas.<\/p>\n La discusi\u00f3n sobre volumen de ex\u00e1menes tambi\u00e9n debe considerar que la complejidad de los estudios ha aumentado significativamente. Una sola tomograf\u00eda computarizada puede generar cientos de im\u00e1genes que requieren an\u00e1lisis detallado, y t\u00e9cnicas avanzadas como perfusi\u00f3n, difusi\u00f3n y espectroscopia a\u00f1aden capas de informaci\u00f3n que demandan m\u00e1s tiempo por examen. Reducir el an\u00e1lisis a \u00abn\u00famero de ex\u00e1menes\u00bb ignora esta realidad.<\/p>\n En Latinoam\u00e9rica, la realidad es inversa a la descrita por Cutler. La regi\u00f3n a\u00fan convive con largas esperas para ex\u00e1menes de imagen en el sistema p\u00fablico, cobertura desigual entre regiones y d\u00e9ficit de radi\u00f3logos fuera de las grandes ciudades. La discusi\u00f3n estadounidense sobre \u00abexceso\u00bb de ex\u00e1menes tiene poca relevancia en el contexto latinoamericano, donde el desaf\u00edo es ampliar el acceso con calidad.<\/p>\n Sin embargo, la parte del art\u00edculo sobre IA como herramienta de apoyo en \u00e1reas remotas resuena con iniciativas de telerradiolog\u00eda que ya permiten que especialistas en grandes centros informen ex\u00e1menes realizados en municipios distantes. En este modelo, la IA podr\u00eda actuar como capa de triaje y priorizaci\u00f3n, acelerando los tiempos de informe sin reemplazar al radi\u00f3logo.<\/p>\n El art\u00edculo de Cutler y Klarnet contribuye a un debate necesario, pero sus conclusiones deben leerse con cautela. La perspectiva de un economista enfocado en contenci\u00f3n de costos es valiosa, pero incompleta sin considerar la creciente complejidad de los ex\u00e1menes, las nuevas indicaciones cl\u00ednicas y la demanda insatisfecha en pa\u00edses en desarrollo. El futuro de la radiolog\u00eda pasa por la integraci\u00f3n inteligente de la IA al flujo de trabajo, y no por la reducci\u00f3n del papel del radi\u00f3logo.<\/p>\n Fuente:<\/strong> JAMA Health Forum<\/a> v\u00eda Health Imaging \/ Radiology Business<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" Art\u00edculo en JAMA Health Forum sostiene que el volumen de im\u00e1genes se desacelera y la IA puede remodelar la radiolog\u00eda.<\/p>\n","protected":false},"author":1,"featured_media":17293,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"ngg_post_thumbnail":0,"fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[113,112],"tags":[],"class_list":{"0":"post-17309","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-inteligencia-artificial","8":"category-radiologia"},"aioseo_notices":[],"rt_seo":{"title":"","description":"Economista de Harvard dice que el volumen de ex\u00e1menes cae y la IA puede remodelar la radiolog\u00eda. An\u00e1lisis cr\u00edtico e impacto en Latinoam\u00e9rica.","canonical":"","og_image":"","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"Volumen de Ex\u00e1menes e IA en Radiolog\u00eda","llms_summary":"Art\u00edculo de Harvard en JAMA Health Forum argumenta que el volumen de ex\u00e1menes de imagen se desacelera y propone IA como soluci\u00f3n, generando debate en la comunidad radiol\u00f3gica.","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17309\/"}],"collection":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/"}],"about":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/types\/post\/"}],"author":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/users\/1\/"}],"replies":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/comments\/?post=17309"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17309\/revisions\/"}],"predecessor-version":[{"id":17311,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/17309\/revisions\/17311\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/17293\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=17309"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=17309"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=17309"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}IA como Camino para el Futuro de la Radiolog\u00eda<\/h2>\n
Reacciones de la Comunidad Radiol\u00f3gica<\/h2>\n
Lo que los Datos Realmente Muestran<\/h2>\n
Implicaciones para Latinoam\u00e9rica<\/h2>\n
Perspectivas<\/h2>\n