El enfoque, desarrollado por la Universidad de Miami, combina innovación tecnológica, supervisión médica y ética para mejorar diagnósticos, atención al paciente y eficiencia hospitalaria.
Un equipo multidisciplinario de la Facultad de Medicina Miller de la Universidad de Miami presentó un modelo estructurado para integrar artificial intelligence (AI) en los flujos de trabajo de la radiología clínica. Publicado recientemente en American Hospital & Healthcare Management, el estudio propone una estrategia escalonada que equilibra la automatización con la supervisión humana, ofreciendo mejoras tangibles en diagnóstico, tratamiento y eficiencia operativa.
La radiología, por su estrecha relación con el análisis digital, ha sido uno de los primeros campos médicos en adoptar AI. “La AI es algo que está repercutiendo en todos los aspectos de nuestras vidas”, afirmó el Dr. Jean Jose, profesor de radiología y ortopedia, y director médico de radiología del Lennar Foundation Medical Center. “En medicina, su despliegue inicial ha sido más destacado en radiología. Estamos vinculados a la tecnología. Analizamos imágenes digitales e interactuamos a diario con sistemas informáticos avanzados”.
El estudio responde a una necesidad urgente: cómo incorporar los hallazgos generados por AI en la práctica clínica sin comprometer la seguridad, la ética ni la confianza del paciente. La propuesta de la Universidad de Miami se basa en una implementación por fases, iniciada con proyectos piloto aprobados por la Junta de Revisión Institucional (IRB, en inglés).
Uno de los principales aportes del estudio es la categorización de los hallazgos generados por AI en cinco grupos, lo cual permite asignarles prioridades clínicas y procedimientos adecuados:
- ANIF-C: Hallazgos críticos y no incidentales que requieren intervención inmediata, por ejemplo, hemorragias intracraneales
- AIF-C: Hallazgos críticos pero incidentales, gestionados mediante un protocolo denominado Point-of-Care AI Deployment (POCAID)
- ANIF-NC: Hallazgos no críticos y no incidentales, comunicados tras el alta médica
- AIF-NC: Hallazgos incidentales no críticos, que requieren seguimiento y consentimiento informado
- No aprobados por la FDA: Algoritmos experimentales que exigen aprobación del IRB y consentimiento del paciente
El estudio destaca la eficacia del modelo POCAID. Por ejemplo, ante un embolismo pulmonar incidental detectado por AI, el paciente permanece bajo supervisión mientras el hallazgo es validado y se coordina la atención de emergencia. “La AI proporciona estos resultados entre dos y cinco minutos después de terminar la exploración”, indicó el Dr. José. “Con los hallazgos críticos, nuestras enfermeras estabilizan a los pacientes y nuestros coordinadores clínicos validan los hallazgos y coordinan la atención de inmediato”, explicó.
Este enfoque ha generado resultados clínicos positivos, al registrar resultados en la disminución de la mortalidad y en el tiempo que los pacientes pasan en el hospital. Para hallazgos no críticos como la calcificación coronaria incidental (iCAC, en inglés), el equipo desarrolló un sistema de seguimiento basado en AI, incluyendo consultas por telemedicine y referencias a cardiología. Al analizar los datos, el personal de enfermería habla con el paciente para sugerirle que se remita a un cardiólogo.
El estudio enfatiza la importancia del consentimiento informado, especialmente para algoritmos no aprobados por la FDA. También recomienda validar localmente los modelos de AI, debido a diferencias en equipos y poblaciones entre instituciones. En cuanto a viabilidad financiera, el modelo proyecta un aumento anual de casi 200 mil dólares en ingresos, gracias a una mejor detección y seguimiento de intervenciones coronarias omitidas.
El marco propuesto por el equipo del Dr. Jose demuestra que la integración de AI en la radiología puede hacerse de forma segura, ética y eficiente. Este modelo pionero no solo mejora la atención médica, sino que también sienta las bases para su adopción en otros sistemas de salud que buscan implementar AI con responsabilidad clínica.
