{"id":20108,"date":"2026-11-12T05:15:34","date_gmt":"2026-11-12T08:15:34","guid":{"rendered":"https:\/\/rtmedical.com.br\/tmp-es-1794471333820\/"},"modified":"2026-11-12T05:15:41","modified_gmt":"2026-11-12T08:15:41","slug":"ia-informes-hallazgos-incidentales-cancer","status":"publish","type":"post","link":"https:\/\/rtmedical.com.br\/es\/ia-informes-hallazgos-incidentales-cancer\/","title":{"rendered":"Hallazgos incidentales: IA en informes lleva a 67 c\u00e1nceres"},"content":{"rendered":"<p>Un programa de inteligencia artificial que lee informes radiol\u00f3gicos ya firmados, en busca de hallazgos incidentales de alto riesgo, condujo al diagn\u00f3stico de 67 c\u00e1nceres de pulm\u00f3n, h\u00edgado y p\u00e1ncreas en 13 meses en el Banner MD Anderson Cancer Center, en Arizona. El estudio, publicado en el <em>Journal of Surgical Research<\/em>, describe 961.298 informes analizados por el software, 43.708 hallazgos confirmados por un equipo dedicado y 445 pacientes derivados a atenci\u00f3n multidisciplinaria. Tambi\u00e9n muestra que el punto m\u00e1s estrecho del embudo no fue leer el texto, sino llevar al paciente hasta el especialista.<\/p>\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" class=\"alignright lazyload\" data-src=\"https:\/\/rtmedical.com.br\/wp-content\/uploads\/2026\/11\/ia-informes-hallazgos-incidentales-embudo-cancer.png\" alt=\"Gr\u00e1fico en escala logar\u00edtmica: 961.298 informes le\u00eddos por la IA, 48.605 marcados, 43.708 confirmados, 4.833 pacientes sin especialista, 445 navegados y 67 c\u00e1nceres\" width=\"640\" src=\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\" style=\"--smush-placeholder-width: 1200px; --smush-placeholder-aspect-ratio: 1200\/630;\"><figcaption>Embudo del programa de Banner MD Anderson en 13 meses (escala logar\u00edtmica). Gr\u00e1fico de RT Medical con datos de Dickerson et al., Journal of Surgical Research (2026).<\/figcaption><\/figure>\n<p>El trabajo lo firman Kylie Dickerson y colegas del Departamento de Cirug\u00eda de la University of Arizona College of Medicine \u2013 Phoenix y del Departamento de Oncolog\u00eda Quir\u00fargica de Banner MD Anderson. Seg\u00fan The Imaging Wire, el software es el de Azra AI, la empresa que en octubre anunci\u00f3 la <a href=\"https:\/\/rtmedical.com.br\/es\/azra-ai-blackford-hallazgos-incidentales\/\">compra de la plataforma de IA Blackford para reforzar el seguimiento de hallazgos incidentales<\/a>. El resumen del art\u00edculo no nombra al proveedor: habla de una soluci\u00f3n comercial de procesamiento de lenguaje natural (PLN), integral y orientada a oncolog\u00eda. Los autores declaran no tener conflictos de inter\u00e9s ni financiaci\u00f3n.<\/p>\n<h2>C\u00f3mo funcion\u00f3 el programa en Banner Health<\/h2>\n<p>Banner Health es el mayor sistema de salud integrado de Arizona, con 18 hospitales y m\u00e1s de cien centros ambulatorios, seg\u00fan el art\u00edculo. El software le\u00eda en tiempo real los informes de estudios realizados en urgencias y en centros ambulatorios de imagen, y marcaba los que describ\u00edan lesiones de alto riesgo de malignidad en pulm\u00f3n, h\u00edgado y p\u00e1ncreas. Los investigadores definieron las palabras clave y los par\u00e1metros de b\u00fasqueda. Cada informe marcado pasaba a un equipo de hallazgos incidentales de alto riesgo (HRIFT, por su sigla en ingl\u00e9s), que lo revisaba manualmente. Los pacientes con un hallazgo nuevo y sin atenci\u00f3n oncol\u00f3gica establecida eran contactados y guiados hasta la consulta especializada.<\/p>\n<p>Verificamos las cifras siguientes en el resumen indexado en PubMed y en las secciones p\u00fablicas del art\u00edculo en ScienceDirect:<\/p>\n<ul>\n<li>961.298 informes analizados por el software;<\/li>\n<li>48.605 (5,1%) marcados por contener una lesi\u00f3n de alto riesgo;<\/li>\n<li>43.708 confirmados por el equipo como hallazgos cl\u00ednicamente significativos, es decir, el 89,9% de los marcados y el 4,5% de todos los informes;<\/li>\n<li>4.833 pacientes del grupo confirmado sin especialista de referencia y, por lo tanto, candidatos a navegaci\u00f3n;<\/li>\n<li>445 pacientes navegados con \u00e9xito hacia atenci\u00f3n multidisciplinaria;<\/li>\n<li>67 diagn\u00f3sticos de c\u00e1ncer: 45 de pulm\u00f3n (67%), 14 de h\u00edgado (21%) y 8 de p\u00e1ncreas (12%).<\/li>\n<\/ul>\n<p>En sus conclusiones, los autores sostienen que la IA identific\u00f3 un volumen de lesiones que \u00abhabr\u00eda requerido mucho m\u00e1s tiempo para ser estudiado por los medios tradicionales, o podr\u00eda haber pasado inadvertido\u00bb.<\/p>\n<h2>Qu\u00e9 dicen los porcentajes y qu\u00e9 redonde\u00f3 la cobertura<\/h2>\n<p>Algunas cifras requieren lectura cuidadosa. La \u00abtasa de falsos positivos del 0,5%\u00bb que informa el estudio, y que repiti\u00f3 la prensa, usa como denominador el total de informes analizados: 4.897 informes marcados y no confirmados, divididos por 961.298. Si se mide sobre lo que el software realmente se\u00f1al\u00f3, una de cada diez alertas (10,1%) fue descartada en la revisi\u00f3n humana. Visto desde el otro lado, es un valor predictivo positivo del 89,9%. Para dimensionar el equipo de revisi\u00f3n, esa es la m\u00e9trica relevante.<\/p>\n<p>Los 67 c\u00e1nceres equivalen al 0,15% de los informes validados, que el art\u00edculo redondea a 0,2%, y al 15% de los pacientes navegados. The Imaging Wire escribi\u00f3 que los cl\u00ednicos de Banner usaron la herramienta para revisar los 961.000 informes; seg\u00fan el art\u00edculo, quien ley\u00f3 ese volumen fue el software, y el equipo humano revis\u00f3 los 48.605 marcados. El resumen contiene adem\u00e1s una inconsistencia que el texto disponible no aclara: indica un periodo del 6 de enero de 2024 al 30 de junio de 2025, unos 18 meses, pero presenta los resultados como correspondientes a 13 meses.<\/p>\n<p>El dato que omiti\u00f3 la nota de prensa quiz\u00e1 sea el m\u00e1s \u00fatil para la pr\u00e1ctica. De los 4.833 pacientes sin especialista de referencia, 445 (9,2%) fueron navegados con \u00e9xito. El resumen no detalla qu\u00e9 pas\u00f3 con los dem\u00e1s: si se negaron, no fueron localizados, se atendieron en otro centro o segu\u00edan en proceso.<\/p>\n<h2>Leer el informe no es leer la imagen<\/h2>\n<p>La mayor parte de la IA comercial en radiolog\u00eda analiza p\u00edxeles: busca n\u00f3dulos, hemorragias o fracturas en la propia imagen. El programa de Banner hace otra cosa. Parte del informe que el radi\u00f3logo ya firm\u00f3 y busca en el texto descripciones de lesiones sospechosas. No encuentra lo que el radi\u00f3logo no vio; encuentra lo que se describi\u00f3 y corre el riesgo de quedar sin seguimiento. Es una herramienta de comunicaci\u00f3n y log\u00edstica, no de percepci\u00f3n.<\/p>\n<p>Ese eslab\u00f3n d\u00e9bil es conocido. Las recomendaciones de la Fleischner Society para n\u00f3dulos pulmonares y los white papers del Comit\u00e9 de Hallazgos Incidentales del American College of Radiology (ACR) para h\u00edgado, p\u00e1ncreas, ri\u00f1ones y suprarrenales indican cu\u00e1ndo un hallazgo requiere control. Ninguna gu\u00eda asegura, sin embargo, que la recomendaci\u00f3n llegue a alguien que vaya a actuar, sobre todo cuando el estudio se hizo en urgencias y el paciente ya recibi\u00f3 el alta, o cuando quien pidi\u00f3 la tomograf\u00eda no es quien sigue al paciente. Los autores citan un estudio de <em>JAMA Internal Medicine<\/em> de 2025 seg\u00fan el cual entre el 59% y el 66% de los pacientes con c\u00e1ncer de pulm\u00f3n o colorrectal que hab\u00edan pasado por atenci\u00f3n primaria en los dos a\u00f1os previos al diagn\u00f3stico tuvieron oportunidades diagn\u00f3sticas perdidas, con demoras de 1 a 20 meses. Ya analizamos <a href=\"https:\/\/rtmedical.com.br\/es\/seguimiento-nodulo-pulmonar-sostenible\/\">por qu\u00e9 el seguimiento del n\u00f3dulo pulmonar no escala<\/a> y una demanda todav\u00eda en curso por un <a href=\"https:\/\/rtmedical.com.br\/es\/nodulo-incidental-seguimiento-perdido\/\">n\u00f3dulo de 8 mm olvidado que termin\u00f3 en c\u00e1ncer en estadio 4<\/a>, en la que el hallazgo figuraba en el informe y el circuito de seguimiento fall\u00f3.<\/p>\n<p>El PLN aplicado a informes tiene dificultades propias: negaciones (\u00absin evidencia de lesi\u00f3n\u00bb), lenguaje dubitativo (\u00abno puede descartarse\u00bb), lesiones conocidas descritas como estables y plantillas que repiten frases hechas. Parte del 10% de alertas descartadas probablemente refleja ese ruido. La sensibilidad, en cambio, no se midi\u00f3: los informes no marcados no se auditaron, as\u00ed que no se sabe cu\u00e1ntos hallazgos de alto riesgo se le escaparon al software.<\/p>\n<h2>Qu\u00e9 pueden aprender los servicios de imagen en Am\u00e9rica Latina<\/h2>\n<p>El estudio no incluye datos latinoamericanos, pero el problema que describe aparece en cualquier red donde el estudio se hace en un lugar y el seguimiento depende de otro. De las cifras salen tres lecciones. Primera: el software redujo casi un mill\u00f3n de informes a 48.600 para revisi\u00f3n, lo que todav\u00eda supone unos 3.700 informes al mes para un equipo humano. El costo de un programa as\u00ed est\u00e1 en las personas, no solo en la licencia. Segunda: el cuello de botella final fue la navegaci\u00f3n y no la detecci\u00f3n, en l\u00ednea con la experiencia de <a href=\"https:\/\/rtmedical.com.br\/es\/ia-navegacion-cribado-cancer-pulmon\/\">programas que combinan IA y navegaci\u00f3n en el cribado de c\u00e1ncer de pulm\u00f3n<\/a>. Tercera: el rendimiento depende de las palabras clave y de c\u00f3mo redactan los radi\u00f3logos. Una herramienta ajustada a informes en ingl\u00e9s debe validarse con el vocabulario y los h\u00e1bitos de redacci\u00f3n locales, en espa\u00f1ol o en portugu\u00e9s, antes de prometer resultados parecidos.<\/p>\n<p>Tambi\u00e9n est\u00e1 la cuesti\u00f3n de los datos. La mayor\u00eda de las leyes de protecci\u00f3n de datos de la regi\u00f3n, como la LGPD brasile\u00f1a, tratan la informaci\u00f3n de salud como dato sensible, y recorrer el texto de todos los informes de una red para contactar activamente a pacientes exige base legal, gobernanza y una definici\u00f3n clara de qui\u00e9n responde por cada alerta. Herramientas del mismo segmento, como <a href=\"https:\/\/rtmedical.com.br\/es\/vital-guard-ia-hallazgos-incidentales-radiologia\/\">Vital Guard, orientada a gestionar hallazgos incidentales<\/a> o la <a href=\"https:\/\/rtmedical.com.br\/es\/ia-agentica-seguimiento-radiologia\/\">IA ag\u00e9ntica que identifica pacientes para seguimiento<\/a>, chocan con la misma pregunta: qui\u00e9n es responsable del hallazgo una vez firmado el informe.<\/p>\n<h2>L\u00edmites del estudio y qu\u00e9 observar<\/h2>\n<p>Se trata de una cohorte en un \u00fanico sistema de salud, sin grupo control ni comparaci\u00f3n con el periodo previo a la implementaci\u00f3n. No es posible saber cu\u00e1ntos de los 67 c\u00e1nceres se habr\u00edan diagnosticado de todos modos, ni si se detectaron en un estadio m\u00e1s temprano: el resumen no informa estadificaci\u00f3n ni tiempo hasta el diagn\u00f3stico. El an\u00e1lisis se limita a pulm\u00f3n, h\u00edgado y p\u00e1ncreas, y el texto completo es de pago; esta nota se basa en el resumen y en las secciones p\u00fablicas del art\u00edculo.<\/p>\n<p>Aun as\u00ed, el trabajo aporta algo poco com\u00fan en este segmento: cifras revisadas por pares, a escala de un sistema completo, para una categor\u00eda de producto que hasta ahora circulaba sobre todo con datos de los proveedores. Lo que dar\u00eda m\u00e1s solidez al modelo ser\u00edan comparaciones antes y despu\u00e9s de la implementaci\u00f3n, mediciones de tiempo hasta el tratamiento y de estadio al diagn\u00f3stico, y auditor\u00edas de muestras de informes no marcados para estimar la sensibilidad.<\/p>\n<p><strong>Fuente:<\/strong> <a href=\"https:\/\/theimagingwire.com\/2026\/11\/08\/ai-algorithm-analyzed-radiology-reports-and-found-incidental-cancers\/\" target=\"_blank\" rel=\"noopener\">The Imaging Wire \u2014 AI Finds Overlooked Cancers in Radiology Reports<\/a>. Art\u00edculo original: <a href=\"https:\/\/doi.org\/10.1016\/j.jss.2026.10.016\" target=\"_blank\" rel=\"noopener\">Dickerson K et al., Artificial Intelligence Guided Navigation of High-Risk Incidental Findings on Imaging Studies Leads to Cancer Diagnoses, Journal of Surgical Research, 2026<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Un estudio de Banner MD Anderson aplic\u00f3 IA a 961.000 informes para seguir hallazgos incidentales; 67 c\u00e1nceres. Vea cifras y l\u00edmites.<\/p>\n","protected":false},"author":5,"featured_media":20076,"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-20108","post","type-post","status-publish","format-standard","has-post-thumbnail","category-inteligencia-artificial-es","category-radiologia-es"],"aioseo_notices":[],"rt_seo":{"title":"","description":"Un estudio de Banner MD Anderson aplic\u00f3 IA a 961.000 informes para seguir hallazgos incidentales; 67 c\u00e1nceres. Vea cifras y l\u00edmites.","canonical":"","og_image":"","robots":"index,follow","schema_type":"Article","include_in_llms":true,"llms_label":"IA en informes y hallazgos incidentales (Banner MD Anderson)","llms_summary":"Estudio en Journal of Surgical Research: PLN ley\u00f3 961.298 informes de Banner Health, 43.708 hallazgos de alto riesgo confirmados (VPP 89,9%), 445 pacientes navegados y 67 c\u00e1nceres; sin grupo control ni sensibilidad medida.","faq_items":[],"video":[],"gtin":"","mpn":"","brand":"","aggregate_rating":[]},"_links":{"self":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/20108\/"}],"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=20108"}],"version-history":[{"count":1,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/20108\/revisions\/"}],"predecessor-version":[{"id":20113,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/posts\/20108\/revisions\/20113\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/20076\/"}],"wp:attachment":[{"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/media\/?parent=20108"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/categories\/?post=20108"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rtmedical.com.br\/es\/wp-json\/wp\/v2\/tags\/?post=20108"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}