La radiología está viviendo una transformación sin precedentes y la integración de la inteligencia artificial en los procesos diagnósticos pasó de ser una promesa a una realidad tangible.
En 2025, durante el congreso anual de la Radiological Society of North America (RSNA), se presentó CoRaX, un sistema de IA colaborativa diseñado para reducir errores perceptuales en radiografías de tórax, uno de los estudios más solicitados dentro de las imágenes diagnósticas.
Este desarrollo evidencia una tendencia clara: la inteligencia artificial no busca reemplazar al radiólogo, busca integrarse como una herramienta de apoyo que fortalezca el análisis profesional y optimice el flujo de trabajo.
Errores perceptuales: un reto persistente en el radiodiagnóstico.
Las radiografías de tórax (CXR) son fundamentales para la detección de múltiples patologías respiratorias y cardiovasculares. Sin embargo, debido a la alta carga asistencial y a la complejidad visual de algunos hallazgos, los errores perceptuales siguen siendo un desafío dentro del procesamiento de imágenes médicas.
De acuerdo con la información presentada en la RSNA, CoRaX demostró que la colaboración entre la inteligencia artificial y los radiólogos puede corregir hasta un 35 % de errores simulados, especialmente en hallazgos sutiles o de bajo contraste, sin aumentar significativamente las falsas alarmas.
“CoRaX es la inteligencia artificial y el radiólogo ayudándose mutuamente; funciona como una referencia adicional y no como un sistema de decisión autónomo.”
Awasthi, S., et al. (2025). AI targets missed findings in chest X-rays. Radiological Society of North America.
Este enfoque colaborativo refuerza el concepto de una herramienta integrada al flujo de los profesionales, donde la tecnología potencia la capacidad humana para disminuir los errores sin desplazar su capacidad de análisis.
Seguir leyendo: Transformación digital con AQUILA en radiología
La inteligencia artificial y el procesamiento de imágenes médicas: una alianza con impacto clínico.
Diversos estudios han señalado que el uso de IA en el procesamiento de imágenes médicas permite identificar patrones que pueden pasar desapercibidos en una lectura convencional, especialmente en estudios de alto volumen como las radiografías de tórax.
Un análisis publicado en Radiology: Artificial Intelligence, destaca que los modelos colaborativos mejoran la detección de anomalías cuando se integran de forma transparente en el flujo de trabajo del radiólogo, manteniendo la trazabilidad y el control clínico del diagnóstico.
“La inteligencia artificial aplicada a las imágenes diagnósticas alcanza su mayor valor cuando actúa como un complemento del juicio clínico experto y no como un sustituto.”
Nair et al., 2025. Enhancing Radiologist Productivity with Artificial Intelligence in Magnetic Resonance Imaging (MRI): A Narrative Review. Diagnostics.
Aquila+ como un software clave para una radiología integrada en la nube.
En este escenario, Aquila+ de ImexHS se posiciona como una solución tecnológica diseñada por médicos, para médicos que integra el proceso radiológico de punta a punta. Su arquitectura en la nube permite centralizar estudios, facilitar la lectura remota y optimizar los flujos clínicos, creando el entorno adecuado para la incorporación de herramientas avanzadas de análisis e inteligencia artificial.
Al combinar la capacidad de Aquila+ con herramientas colaborativas de inteligencia artificial como CoRaX, los centros radiológicos pueden avanzar hacia flujos de trabajo que no solo agregan valor operativo, sino que también tienen un impacto directo en la precisión diagnóstica de los profesionales y la atención a los pacientes.
Hacia una radiología más precisa y eficiente.
La adopción de la inteligencia artificial en radiología plantea desafíos, especialmente en la regulación y confianza clínica, pero también ofrece oportunidades claras: mejorar precisión, reducir tiempos y expandir acceso en regiones con escasez de radiólogos.
“La colaboración entre IA y radiólogos puede optimizar los procesos diagnósticos sin sobrecargar al especialista”
Nair et al., 2025. Enhancing Radiologist Productivity with Artificial Intelligence in Magnetic Resonance Imaging (MRI): A Narrative Review. Diagnostics.
Reafirmando el valor de soluciones híbridas en escenarios clínicos reales. Permitiendo que los radiólogos integren herramientas en su práctica diaria sin fricciones, y al mismo tiempo, elevando la calidad y eficiencia de los servicios radiológicos.
También te puede interesar: Gana tiempo y reduce costos con un software para radiología
Preguntas frecuentes sobre inteligencia artificial colaborativa en radiología.
¿Qué es una radiografía de tórax y por qué es tan utilizada en medicina?
La radiografía de tórax es un estudio de imagen básico y de alto volumen que permite evaluar pulmones, corazón y estructuras torácicas. Se utiliza de forma rutinaria para detectar infecciones respiratorias, enfermedades cardiovasculares y otras patologías, lo que la convierte en una de las pruebas más solicitadas en los servicios de radiología.
¿Qué significan “errores perceptuales” en radiología?
Los errores perceptuales ocurren cuando un hallazgo presente en la imagen no es identificado durante la lectura. En radiografías de tórax, estos errores pueden deberse a la sutileza de los hallazgos, bajo contraste, alta carga de trabajo o fatiga visual del profesional.
¿Qué significa que la inteligencia artificial sea “colaborativa”?
La inteligencia artificial colaborativa funciona como un apoyo activo para el radiólogo. En lugar de tomar decisiones de forma autónoma, señala posibles hallazgos y actúa como una segunda lectura, ayudando a reducir omisiones sin reemplazar el juicio clínico humano.
¿Cómo ayuda la inteligencia artificial a reducir errores en radiografías de tórax?
Softwares como Aquila+ o CoRaX analizan las imágenes en paralelo a la lectura del radiólogo y destacan áreas que podrían requerir mayor atención. Esta colaboración ha demostrado reducir errores perceptuales, especialmente en hallazgos sutiles, sin aumentar de manera significativa las falsas alarmas.