![\"Estaci\u00f3n](\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/10\/siim-caimi-2026-ia-imagem-medica.jpg\")
De la evaluaci\u00f3n a la implementaci\u00f3n, seg\u00fan los coordinadores<\/h2>\n
Siegel fue el m\u00e1s claro. \u00abEstamos en una especie de momento decisivo, a medida que hacemos la transici\u00f3n hacia la implementaci\u00f3n en lugar de solo mirar la evaluaci\u00f3n de algoritmos de IA\u00bb, dijo. \u00abAhora estamos mirando modelos de frontera multimodales y modelos multimodales, y tambi\u00e9n la implementaci\u00f3n en aplicaciones del mundo real.\u00bb Prev\u00e9 m\u00e1s LLM y m\u00e1s IA ag\u00e9ntica en las pr\u00f3ximas ediciones, y que el uso de LLM en producci\u00f3n se vuelva rutina en los departamentos de imagen.<\/p>\n
Andriole destac\u00f3 herramientas pr\u00e1cticas, desde la detecci\u00f3n de artefactos hasta el apoyo al informe. \u00abMuchos de ellos son modelos combinados, es decir, multimodales, que usan informaci\u00f3n textual, informaci\u00f3n sanitaria y tambi\u00e9n los datos de imagen para detectar mejor los hallazgos dif\u00edciles\u00bb, afirm\u00f3. Tambi\u00e9n observ\u00f3 aplicaciones educativas pensadas para el residente.<\/p>\n
Chang subray\u00f3 la accesibilidad. Los modelos tradicionales de visi\u00f3n por computadora requieren experiencia especializada; con los modelos de lenguaje, dijo, \u00abla gente simplemente tiene una idea interesante, pr\u00e1ctica y accesible, y puede llevarla a la pr\u00e1ctica casi de inmediato\u00bb. La lectura enlaza con la reuni\u00f3n anual de junio, donde las tendencias del SIIM 2026<\/a> ya daban a la gobernanza y la adopci\u00f3n tanto peso como al rendimiento.<\/p>\n Los coordinadores insistieron en que la IA solo llega al paciente si los radi\u00f3logos trabajan con pat\u00f3logos, onc\u00f3logos y cient\u00edficos de datos. El ejemplo fue la conferencia magistral del 26 de octubre de Faisal Mahmood, de Harvard Medical School y el Brigham and Women’s Hospital, investigador que viene de la patolog\u00eda. Present\u00f3 Apollo, que combina datos de varias especialidades en una especie de motor de b\u00fasqueda para seguir la salud del paciente a lo largo del tiempo.<\/p>\n El preprint del grupo, publicado en arXiv en abril de 2026, describe Apollo como un modelo fundacional multimodal y temporal entrenado con m\u00e1s de tres d\u00e9cadas de registros de un gran sistema hospitalario estadounidense: 25.000 millones de registros de 7,2 millones de pacientes, con 28 modalidades de datos y 12 especialidades. Los autores probaron 322 tareas de pron\u00f3stico y b\u00fasqueda de casos en 1,4 millones de pacientes reservados para prueba, desde el riesgo de nueva enfermedad a cinco a\u00f1os hasta la respuesta al tratamiento. El trabajo a\u00fan no ha pasado revisi\u00f3n por pares.<\/p>\n Andriole, hoy en la Universidad de California en Los \u00c1ngeles (UCLA), defini\u00f3 la IA como un deporte de equipo y cit\u00f3 proyectos con radi\u00f3logos, neum\u00f3logos, intensivistas, cirujanos de trasplante y cient\u00edficos de datos. El punto d\u00e9bil es la patolog\u00eda: \u00abCreo que la patolog\u00eda est\u00e1 m\u00e1s o menos donde estaba la radiolog\u00eda hace unos 20 o incluso 25 a\u00f1os, porque no es digital, y no veo un gran impulso para pasar a la patolog\u00eda digital, lo cual es lamentable\u00bb. Sin l\u00e1minas digitalizadas, a los modelos multimodales les falta la capa que confirmar\u00eda el hallazgo de imagen.<\/p>\n Chang, que dirigi\u00f3 en la reuni\u00f3n una demostraci\u00f3n de un agente de programaci\u00f3n, describi\u00f3 CAIMI como \u00abuna conferencia de desarrolladores y de quienes ajustan herramientas, gente que construye algoritmos y los lleva a la cl\u00ednica, mientras que la mayor\u00eda de las dem\u00e1s conferencias se centra en tomar esas herramientas e implementarlas\u00bb. Con la tecnolog\u00eda y el flujo ag\u00e9ntico, a\u00f1adi\u00f3, \u00abestamos viendo realmente una mezcla de esos dos p\u00fablicos\u00bb.<\/p>\n Un agente es un sistema basado en un LLM que no se limita a responder: divide la tarea en pasos, recurre a herramientas como un editor de c\u00f3digo, una base de datos o una interfaz del PACS, revisa el resultado y corrige su propio trabajo. Un investigador puede describir en lenguaje natural el panel o el sitio web que necesita y dejar que el agente escriba y depure el c\u00f3digo; as\u00ed ve Chang la entrada de personas con poca experiencia en programaci\u00f3n. En radiolog\u00eda, la misma l\u00f3gica aparece en agentes que recuperan estudios previos o identifican pacientes que necesitan seguimiento<\/a>.<\/p>\n Esa apertura tiene un costo que la conversaci\u00f3n no detalla: el c\u00f3digo escrito con un agente sigue necesitando validaci\u00f3n, revisi\u00f3n de seguridad y un responsable. Y los LLM persuasivos tambi\u00e9n se equivocan; un estudio en Radiology mostr\u00f3 que la experiencia del radi\u00f3logo es lo que lo protege del error convincente de la IA<\/a>.<\/p>\n Para Andriole, antes de que la IA sea rutina hay que resolver la regulaci\u00f3n, el reembolso y la confianza. Pocas herramientas tienen un pago asociado, se\u00f1al\u00f3, aunque \u00abmuchos lugares\u00bb ya las adoptan por eficiencia. En Estados Unidos, la mayor\u00eda de los algoritmos no tiene c\u00f3digo de facturaci\u00f3n propio y debe compensarse con productividad. Un proyecto de ley de 2025, el Health Tech Investment Act, propone una v\u00eda de pago de Medicare para servicios basados en algoritmos; el tema lleg\u00f3 al Congreso, pero no est\u00e1 resuelto. La oferta, en cambio, crece: un an\u00e1lisis reciente mostr\u00f3 que las autorizaciones de IA en radiolog\u00eda de la FDA crecieron un 42%<\/a>.<\/p>\n Siegel se\u00f1al\u00f3 el obst\u00e1culo m\u00e1s concreto: uno de los temas recurrentes fueron \u00abtrabajos, proyectos e innovaciones realmente excelentes\u00bb que sus autores \u00abno pueden llevar a la pr\u00e1ctica real porque es dif\u00edcil integrarlos en la historia cl\u00ednica electr\u00f3nica y en los sistemas propietarios est\u00e1ndar\u00bb. El algoritmo debe recibir el estudio correcto en el momento oportuno y devolver el resultado en un formato que el PACS y el sistema de informes entiendan, como un objeto DICOM estructurado o un mensaje HL7 o FHIR. Perfiles de IHE como AI Results (AIR) y AI Workflow for Imaging (AIW-I) estandarizan parte de ese camino, pero dependen del proveedor. Cuando la integraci\u00f3n falla, el resultado llega tarde: en 20 centros suizos, el 7,2% de las salidas de IA lleg\u00f3 despu\u00e9s de firmado el informe<\/a>.<\/p>\n Las mismas barreras existen en la regi\u00f3n, a menudo con m\u00e1s fuerza. La integraci\u00f3n cuesta m\u00e1s con instalaciones heterog\u00e9neas de PACS, RIS e historia cl\u00ednica y equipos de TI reducidos. El an\u00e1lisis algor\u00edtmico rara vez se paga como prestaci\u00f3n aparte, de modo que el costo se incorpora al precio del estudio. Cada agencia sanitaria define c\u00f3mo se clasifica el software m\u00e9dico; en Brasil, la ANVISA lo regula mediante la RDC 657\/2022. Los datos de pacientes enviados a un LLM quedan sujetos a la ley de protecci\u00f3n de datos de cada pa\u00eds, tambi\u00e9n en herramientas propias creadas con agentes.<\/p>\n La conclusi\u00f3n pr\u00e1ctica coincide con lo que planteamos sobre la gesti\u00f3n de la IA en radiolog\u00eda antes de firmar<\/a>: definir el problema, la m\u00e9trica de valor y la ruta de integraci\u00f3n antes de elegir el algoritmo.<\/p>\n El reportaje recoge opiniones de tres coordinadores, no datos de resultados cl\u00ednicos, y la idea de que 2027 traer\u00e1 m\u00e1s evidencia es una expectativa. Apollo, el ejemplo m\u00e1s s\u00f3lido citado, sigue siendo un preprint de una sola red hospitalaria. Conviene seguir la validaci\u00f3n externa de los modelos multimodales, el reembolso en Estados Unidos y la apertura de PACS e historias cl\u00ednicas a herramientas de terceros.<\/p>\n Fuente:<\/strong> AuntMinnie \u2014 SIIM-CAIMI program chairs talk medical imaging AI’s evolution<\/a>; preprint de Apollo: arXiv \u2014 A multimodal and temporal foundation model for virtual patient representations at healthcare system scale<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" En SIIM-CAIMI 2026, los coordinadores dicen que la IA en imagen m\u00e9dica pasa de evaluarse a implementarse. Vea qu\u00e9 la frena todav\u00eda.<\/p>\n","protected":false},"author":5,"featured_media":19961,"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,"_rt_cluster":"","fifu_image_url":"","fifu_image_alt":"","footnotes":""},"categories":[229,183],"tags":[],"class_list":["post-19980","post","type-post","status-publish","format-standard","has-post-thumbnail","category-inteligencia-artificial-es","category-radiologia-es"],"aioseo_notices":[],"rt_seo":{"title":"","description":"En SIIM-CAIMI 2026, los coordinadores dicen que la IA en imagen m\u00e9dica pasa de evaluarse a implementarse. Vea qu\u00e9 la frena todav\u00eda.","canonical":"","og_image":"","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"SIIM-CAIMI 2026: la IA en imagen hacia la implementaci\u00f3n","llms_summary":"Los coordinadores de SIIM-CAIMI 2026 (Andriole, Chang, Siegel) afirman que la IA en imagen pasa de la evaluaci\u00f3n a la implementaci\u00f3n con modelos multimodales, LLM y agentes, pero chocan con regulaci\u00f3n, reembolso, confianza e integraci\u00f3n.","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19980\/"}],"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\/5\/"}],"replies":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/comments\/?post=19980"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19980\/revisions\/"}],"predecessor-version":[{"id":19982,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/19980\/revisions\/19982\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/19961\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=19980"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=19980"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=19980"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Apollo y los modelos que cruzan especialidades<\/h2>\n
Flujo ag\u00e9ntico: se mezclan quienes desarrollan y quienes usan<\/h2>\n
Regulaci\u00f3n, reembolso e historia cl\u00ednica: lo que frena la implementaci\u00f3n<\/h2>\n
Qu\u00e9 implica para Am\u00e9rica Latina<\/h2>\n
L\u00edmites de esta lectura y qu\u00e9 seguir hasta 2027<\/h2>\n