Durante décadas, una tomografía computarizada (CT) fue la respuesta directa a una sola pregunta: ¿Hay una fractura? ¿Existe neumonía? ¿Se observa un tumor?
Hoy, esa misma imagen es el punto de partida para preguntas clínicas que antes no podíamos plantearnos. La radiología ha trascendido el diagnóstico tradicional para transformarse en una disciplina predictiva. Bienvenidos a la era del screening oportunista.
La premisa del opportunistic screening (tamizaje oportunista) es tan simple como poderosa: aprovechar los estudios de imagen ya realizados para extraer información clínica crítica que no era el objetivo original del examen, permitiendo la detección temprana de patologías crónicas.
Esta estrategia responde a una desconexión crítica en los sistemas de salud globales:
Esta brecha representa una oportunidad perdida. Un nódulo pulmonar detectado en urgencias, una densidad ósea disminuida o una calcificación coronaria no cuantificada suelen perderse en reportes de texto libre o sistemas de información desconectados. La incorporación de la Inteligencia Artificial (IA) en el flujo de trabajo radiológico permite automatizar la identificación de estos biomarcadores que, debido a la alta carga laboral, pueden pasar desapercibidos.
Una sola tomografía de tórax o abdomen no contrastada contiene la información necesaria para trazar un mapa de riesgo cardiometabólico y musculoesquelético completo. A través de algoritmos de aprendizaje profundo, es posible analizar múltiples marcadores de forma simultánea:
[ CT de Rutina ] ➡️ [ Segmentación por IA ] ➡️ [ Verificación del Radiólogo ] ➡️ [ Integración en la Ruta de Cuidado ]
En América Latina, la transición hacia una medicina predictiva mitiga tanto el impacto clínico como la carga económica de los sistemas de salud. En Colombia, el sistema enfrenta un incremento acelerado en la prevalencia de enfermedades crónicas no transmisibles (ECNT). De acuerdo con proyecciones sectoriales, la atención de patologías como el cáncer, la diabetes y las enfermedades cardiovasculares demandará una inversión estimada entre 9.3 y 10.2 billones de pesos.
El principal desafío radica en la oportunidad del diagnóstico. Los tiempos de espera prolongados en la confirmación de patologías complejas incrementan los costos de alta complejidad y disminuyen las tasas de supervivencia. El screening oportunista cambia esta dinámica: utiliza la infraestructura y los estudios existentes para activar alertas tempranas antes de la manifestación de síntomas.
Ejemplo clínico: Una paciente de 58 años se somete a una tomografía de abdomen por sospecha de apendicitis. El estudio descarta la patología aguda, pero la IA integrada detecta de manera oportunista una densidad ósea baja compatible con osteoporosis. Al emitir la alerta, la paciente es derivada a reumatología, iniciando un tratamiento preventivo que evita una fractura vertebral por compresión a mediano plazo, reduciendo costos de hospitalización y preservando su autonomía.
La viabilidad del screening oportunista no depende únicamente del algoritmo de IA, sino de la capacidad operativa para gestionar los datos generados: ¿Dónde se almacenan estos biomarcadores? ¿Cómo se notifica al médico tratante? ¿Cómo se asegura la continuidad del cuidado?
Aquila+, la plataforma RIS/PACS de ImexHS nativa en la nube, ha sido diseñada para resolver estas barreras operativas:
En ImexHS desarrollamos inteligencia que genera resultados: entendemos que la eficiencia de una imagen médica radica en su capacidad de llegar a tiempo para transformar el pronóstico del paciente.
Es el uso de estudios de imagen realizados por una indicación clínica (ej. dolor abdominal) para detectar de forma secundaria condiciones no buscadas pero con valor preventivo, como osteoporosis, hígado graso o riesgo cardiovascular, usando IA automatizada.
Es el riesgo si se hace mal. Por eso la RSNA insiste en que requiere verificación del radiólogo, valores de referencia estandarizados y vías claras de comunicación con el paciente. La IA propone, el radiólogo dispone y el sistema asegura el seguimiento adecuado.
No. Esa es la magia. Usa las CTs que ya haces hoy. La IA extrae biomarcadores como calcio aórtico, densidad ósea o grasa visceral de estudios de tórax, abdomen y cerebro de rutina, sin radiación ni costo extra.
Las más validadas son: osteoporosis (densidad mineral ósea), riesgo cardiovascular (calcio coronario y aórtico), esteatosis hepática, sarcopenia (masa muscular) y síndrome metabólico (grasa visceral). Nuevos modelos están añadiendo predicción de fibrilación auricular, enfermedad renal crónica y progresión tumoral.
Si tu PACS es tradicional, on-premise y solo guarda imágenes, no. Necesitas una plataforma cloud-native que integre IA, estructure datos y permita gestión longitudinal de pacientes. Eso es exactamente lo que hace Aquila+.