Inteligencia artificial en radiología: beneficios, desafíos y aplicaciones actuales

Lorena Andrea Luque Ayala; Sofia Alejandra Rojas Rojas; Olga Lucia Arciniegas Ramirez

doi:10.22490/26194759.11940

La Edición Especial FIKLiv 2026 de la Revista Biociencias reúne investigaciones y experiencias interdisciplinarias en cinco ejes: 1) salud, territorio, interculturalidad y transformación social; 2) determinantes, prevención, ambiente y cuidado de la salud; 3) formación, innovación y nuevas estrategias para el cuidado; 4) inteligencia artificial, salud digital, bioética y gestión basada en datos; y 5) IA, educación, ciencia abierta y futuro de la academia.

Vol. 9 Núm. 1 (2026): EDICIÓN ESPECIAL FIKLIV

Publicado 2026-08-18

Licencia

Derechos de autor 2026 Biociencias (UNAD)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

III.METASALUD

Inteligencia artificial en radiología: beneficios, desafíos y aplicaciones actuales

DOI: https://doi.org/10.22490/26194759.11940

Lorena Andrea Luque Ayala Universidad Nacional Abierta y a Distancia

Sofia Alejandra Rojas Rojas Universidad Nacional Abierta y a Distancia

Olga Lucia Arciniegas Ramirez Universidad Nacional Abierta y a Distancia

PDF

Resumen
Referencias

Introducción: La inteligencia artificial (IA) está adquiriendo un papel cada vez más relevante en la radiología, especialmente en el análisis de imágenes médicas y en el apoyo a los procesos diagnósticos. Objetivo: El presente trabajo tuvo como objetivo analizar las aplicaciones actuales, los beneficios y los principales desafíos asociados con el uso de la inteligencia artificial en radiología. Metodología: Se desarrolló una revisión narrativa-exploratoria, con enfoque cualitativo, a partir de literatura científica publicada principalmente entre 2021 y 2025 y consultada en fuentes académicas relacionadas con las ciencias de la salud y la radiología. La información seleccionada fue analizada de manera comparativa y organizada en categorías relacionadas con las aplicaciones diagnósticas, la automatización de procesos, la optimización del flujo de trabajo, la validación clínica, los sesgos de los datos y las consideraciones éticas. Resultados: Los hallazgos muestran que la IA puede apoyar la detección y caracterización de alteraciones en imágenes médicas, facilitar la priorización de estudios, automatizar tareas repetitivas y contribuir a optimizar los tiempos de trabajo en los servicios de radiología. Sin embargo, su implementación también plantea desafíos relacionados con la calidad y representatividad de los datos, la validación de los algoritmos, los costos tecnológicos, la capacitación del personal y la protección de la información de los pacientes. Conclusión: Se concluye que la IA representa una herramienta de apoyo con potencial para fortalecer la práctica radiológica, siempre que su incorporación sea progresiva, clínicamente validada y acompañada de supervisión profesional, criterios éticos y mecanismos de gobernanza.

Palabras clave: Inteligencia artificial, radiología, diagnóstico por imágenes, aprendizaje automático.

1. Martín-Noguerol T, Paulano-Godino F, López-Ortega R, Górriz J, Riascos R, Luna A. Artificial intelligence in radiology: relevance of collaborative work between radiologists and engineers for building a multidisciplinary team. Clin Radiol. 2021;76(5):317-324. doi:10.1016/j.crad.2020.12.008. DOI: https://doi.org/10.1016/j.crad.2020.11.113

2. Strubchevska O, Kozyk M, Kozyk A, Strubchevska K. The role of artificial intelligence in diagnostic radiology. Cureus. 2024;16(10):e72173. doi:10.7759/cureus.72173. DOI: https://doi.org/10.7759/cureus.72173

3. Neri et al. 2024. [Referencia bibliográfica completa no incluida en el manuscrito original].

4. Mora Chacón S. El rol de la inteligencia artificial en la interpretación de imágenes médicas: avances y desafíos en la radiología. Rev Cient Arbitr Multidiscip PENTACIENCIAS. 2025;7(4):173-181. doi:10.59169/pentaciencias.v7i4.1578. DOI: https://doi.org/10.59169/pentaciencias.v7i4.1578

5. Organización Mundial de la Salud. Ética y gobernanza de la inteligencia artificial en el ámbito de la salud: orientaciones de la OMS. Ginebra: Organización Mundial de la Salud; 2021.

6. Organización Mundial de la Salud. 2023. [Referencia bibliográfica completa no incluida en el manuscrito original].

7. Tripathi S, Gabriel K, Dheer S, Parajuli A, Augustin AI, Elahi A, et al. Understanding biases and disparities in radiology AI datasets: a review. J Am Coll Radiol. 2023;20(9):836-841. doi:10.1016/j.jacr.2023.06.015. DOI: https://doi.org/10.1016/j.jacr.2023.06.015

8. Brady AP, Allen B, Chong J, Kotter E, Kottler N, Mongan J, et al. Developing, purchasing, implementing and monitoring AI tools in radiology: practical considerations. A multi-society statement from the ACR, CAR, ESR, RANZCR & RSNA. J Am Coll Radiol. 2024;21(8):1292-1310. doi:10.1016/j.jacr.2023.12.005. DOI: https://doi.org/10.1016/j.jacr.2023.12.005

9. Korfiatis P, Kline TL, Meyer HM, Khalid S, Leiner T, Loufek BT, et al. Implementing artificial intelligence algorithms in the radiology workflow: challenges and considerations. Mayo Clin Proc Digit Health. 2024;3(1):100188. doi:10.1016/j.mcpdig.2024.100188. DOI: https://doi.org/10.1016/j.mcpdig.2024.100188

10. Katal S, York B, Gholamrezanezhad A. AI in radiology: from promise to practice - a guide to effective integration. Eur J Radiol. 2024;179:111798. doi:10.1016/j.ejrad.2024.111798. DOI: https://doi.org/10.1016/j.ejrad.2024.111798

11. Fathi M, Eshraghi R, Behzad S, Tavasol A, Bahrami A, Tafazolimoghadam A, et al. Potential strength and weakness of artificial intelligence integration in emergency radiology: a review of diagnostic utilizations and applications in patient care optimization. 2024. Disponible en: https://pubmed.ncbi.nlm.nih.gov/39190230/. DOI: https://doi.org/10.1007/s10140-024-02278-2

12. Tejani AS, Cook TS, Hussain M, Schmidt TS, O'Donnell KP. Integrating and adopting AI in the radiology workflow: a primer for standards and Integrating the Healthcare Enterprise (IHE) profiles. Radiology. 2024;311(3):e232653. doi:10.1148/radiol.232653. DOI: https://doi.org/10.1148/radiol.232653

13. Ross J, et al. Beyond regulatory compliance: evaluating radiology artificial intelligence applications in deployment. Clin Radiol. 2024;79(5):338-345. doi:10.1016/j.crad.2024.01.026. DOI: https://doi.org/10.1016/j.crad.2024.01.026

14. Revista Cubana de Informática Médica. Aplicaciones de la inteligencia artificial en radiología médica. 2023. Disponible en: https://revinformatica.sld.cu/index.php/rcim/issue/view/31.

Licencia

Cómo citar

Luque Ayala, L. A., Rojas Rojas, S. A., & Arciniegas Ramirez, O. L. (2026). Inteligencia artificial en radiología: beneficios, desafíos y aplicaciones actuales. Biociencias (UNAD), 9(1). https://doi.org/10.22490/26194759.11940

Descargar cita

Almétricas