Hoy es momento de hablar de… Inteligencia

¿Porqué inteligencia H-U? se hace referencia a la inteligencia humana versus la inteligencia artificial, sobre este tema hay muchos puntos de vista sobre si realmente es inteligencia la que posee una maquina o no, pero en esta oportunidad vamos a platicar sobre el ayer, el hoy y el mañana de la IA en nuestro fascinante mundo de las imágenes diagnosticas.

Ayer, la obtención de imágenes dependía casi por completo del pulso y el criterio del operador. En rayos X, la elección de kVp, mAs y colimación se guiaba por reglas empíricas, tablas plastificadas y la experiencia de quien estaba frente al equipo. El control automático de exposición fue un primer “algoritmo” analógico que aprendimos a dominar, pero su alcance era limitado y sensible a la colocación del detector. En ultrasonido, la ventana acústica se encontraba con paciencia: profundidad, ganancia y foco se ajustaban a ojo, y el Doppler exigía ángulos finos y mucha mano. La tomografía giró hacia lo helicoidal, pero la planificación del rango y de la dosis seguía siendo manual y conservadora. En resonancia, la prescripción de cortes, el shimming y los tiempos de exploración eran parte de un ritual técnico cuidadoso, lento y artesanal. La “IA” era, en realidad, la inteligencia humana traducida en protocolos internos y memorias de servicio. Los artefactos se detectaban después de la adquisición, y la repetición de series era un costo asumido de la curva de aprendizaje. La variabilidad entre turnos y sedes era notoria y se aceptaba como un hecho de la práctica. La seguridad dependía de checklists en papel y de la disciplina del equipo.

Hoy, la inteligencia artificial ya vive dentro de la consola y actúa antes, durante y después del disparo. En rayos X, la detección del contorno corporal centra al paciente, sugiere colimaciones y modula la dosis en función del biotipo, con alertas si la proyección se aleja del estándar. En ultrasonido, la selección de presets, la supresión de speckle y las guías de barrido ofrecen una mano invisible que estabiliza la calidad y acorta la curva de aprendizaje. La tomografía combina corriente de tubo adaptativa con reconstrucción profunda, reduce ruido a bajos mAs y maneja artefactos metálicos con más solvencia que nunca. La resonancia prescribe cortes a partir de scouts inteligentes, realiza autoshiming y corrige movimiento con técnicas guiadas por redes, mientras vigila el SAR y límites operacionales en tiempo real. La consola propone protocolos según la indicación clínica registrada y documenta cada ajuste para auditorías de calidad. La repetición de series disminuye porque el control de calidad ocurre dentro del flujo, no al final. La interoperabilidad con PACS/RIS agrega trazabilidad y métricas objetivas sobre nitidez, contraste y cobertura. El rol del operador evoluciona: menos botones al azar, más decisiones informadas, supervisión crítica y criterio clínico-técnico. La ética deja de ser discurso y se vuelve configuración: umbrales, permisos, anonimización y registros inviolables.

Mañana, la IA orquestará adquisiciones verdaderamente adaptativas y centradas en el paciente. Veremos “gemelos digitales” que anticipen artefactos y simulen el resultado de cambiar kVp, TR/TE, FOV o trayectorias antes de tocar al paciente. Los equipos negociarán entre sí parámetros y tiempos cuando compartan sala, agenda o recursos, para optimizar flujo y seguridad sin sacrificar calidad. La tomografía integrará aprendizaje continuo, ajustando curvas de dosis con evidencia multicéntrica y sesgo controlado. La resonancia acelerará más allá del límite SNR clásico con reconstrucciones físico-informadas, y propondrá planos alternativos cuando detecte variaciones anatómicas o prótesis complejas.

Ultrasonido añadirá feedback háptico y guías 3D en tiempo real para reducir dependencia de la experiencia local. Rayos X sumará evaluación automática de proyecciones “diagnóstico-viables” con criterios compartidos, acortando repeticiones y exposición. La consola será un copiloto con explicaciones claras (“por qué sugiero esto”) y simulaciones visuales que conviertan la recomendación en aprendizaje. La autonomía crecerá, pero bajo un modelo de “supervisión humana obligatoria” y guardianes de seguridad que bloqueen acciones riesgosas. La verificación de modelos, el versionado y la ciberseguridad serán tan importantes como el mantenimiento del tubo o el imán.

Para llegar ahí, tendremos que reformular formación, protocolos y compras. Los operadores y docentes deben dominar no solo la física y la técnica, sino también criterios de validación, sesgo y límites de uso de modelos. Las instituciones necesitan tableros con KPIs (Key Performance Indicators —en español, Indicadores Clave de Desempeño (o de Rendimiento). Son métricas cuantificables que se eligen para medir si una actividad, servicio o proceso está alcanzando sus objetivos.) de calidad de adquisición: tasa de repetición, dosis media por indicación, artefactos por modalidad, tiempo de sala, satisfacción del paciente. Las políticas de datos deberán garantizar anonimización irreversible, trazabilidad de quién accede y para qué, y ciclos de recalibración cuando cambian poblaciones o equipos. Los comités clínico-técnicos serán espacios de gobernanza: qué automatizar, qué dejar manual, cómo documentar excepciones y cómo responder a eventos adversos. La adquisición dejará de ser “un acto técnico aislado” para convertirse en un proceso auditable y explicable de principio a fin. En la curva de adopción, habrá que priorizar casos de uso con impacto real: menos dosis y repeticiones, más consistencia entre sedes, más pacientes atendidos con seguridad. La capacitación continua incluye simuladores, escenarios de fallo y lectura crítica de salidas algorítmicas. La evaluación del desempeño no medirá solo velocidad, sino calidad alcanzada con justificaciones entendibles. La compra inteligente exigirá contratos con métricas verificables y acceso a logs, no promesas de marketing.
Desde IDES, la invitación es pragmática y humana a la vez. Queremos equipos y operadores capaces de trabajar con IA para mejorar la primera vez, no para repetir mejor la segunda. Queremos protocolos que expliquen sus decisiones y estudiantes que pregunten antes de aceptar, capaces de defender un ajuste ante auditoría o en ateneo. Queremos alianzas con hospitales y fabricantes para validar localmente, con pacientes reales y diversidad de biotipos, lo que la literatura promete. Queremos contribuir con bancos de casos anonimizados y métricas abiertas que animen a mejorar modelos, no a ocultar errores. Queremos democratizar la calidad: que una sede periférica logre la misma nitidez y seguridad que un centro de referencia. Queremos que la innovación no borre la ética, sino que la haga operativa con límites claros y alertas tempranas. Queremos que Guatemala participe de la conversación global con evidencia propia y proyectos que nazcan de nuestras necesidades. Queremos un mañana donde la consola sea más maestra que caja negra, y el operador más clínico que tecleador. Queremos, en suma, una IA al servicio del paciente y del aprendizaje, en cada disparo, en cada eco, en cada rotación, en cada pulso del imán.

Luis Roberto Orozco MCs.