La era de la inteligencia artificial radiológica
Palabras clave:
Inteligencia artificial, Aprendizaje automático, Radiología, Aprendizaje profundo, Radiólogos.Resumen
La inteligencia artificial constituye uno de los avances más notorios en el campo de la radiología en los últimos años. Los algoritmos de inteligencia artificial pueden aplicarse a distintas problemáticas dentro de la especialidad, convirtiéndose en un apoyo para el clínico. La capacidad superior de la inteligencia artificial para la realización de ciertas actividades ha provocado un ambiente de desconfianza entre los profesionales de la salud y entre la población de pacientes que podría intervenir en la implementación de esta tecnología dentro del campo de la radiología. En esta revisión se explorará el papel del profesional en radiología en un ámbito con una gran influencia procedente de la inteligencia artificial.
Citas
Hardy M, Harvey H. Artificial intelligence in diagnostic imaging: impact on the radiography profession. Br J Radiol [Internet]. Abril de 2020 [citado el 15 de diciembre de 2021]; 93(1108):20190840.
Pesapane F, et al. Myths and facts about artificial intelligence: why machine and deep learning will not replace interventional radiologists. Med Oncol [Internet]. Abril de 2020 [citado el 15 de diciembre de 2021]; 37(5):40.
Mazurowski MA. Artificial Intelligence May Cause a Significant Disruption to the Radiology Workforce. J Am Coll Radiol [Internet]. Agosto de 2019 [citado el 15 de diciembre de 2021]; 16(8):1077-1082.
Bhandari A, et al. Knowledge and attitudes toward artificial intelligence in imaging: a look at the quantitative survey literature. Clin Imaging [Internet]. Diciembre de 2021 [citado el 15 de diciembre de 2021]; 80:413.
Scheek D, Rezazade Mehrizi MH, Ranschaert E. Radiologists in the loop: the roles of radiologists in the development of AI applications. Eur Radiol [Internet]. Octubre de 2021 [citado el 15 de diciembre de 2021]; 31(10):7960.
Alsuliman T, Humaidan D, Sliman L. Machine learning and artificial intelligence in the service of medicine: Necessity or potentiality? Current Research in Translational Medicine [Internet]. Febrero de 2020 [citado el 15 de diciembre de 2021]; 68. 10.1016/j.retram.2020.01.002.
Kolanska K, Chabbert-Buffet N, Daraï E, Antoine JM. Artificial intelligence in medicine: A matter of joy or concern? J Gynecol Obstet Hum Reprod [Internet]. Enero de 2021 [citado el 15 de diciembre de 2021]; 50(1):101962.
Brady AP, Neri E. Artificial Intelligence in Radiology—Ethical Considerations. Diagnostics [Internet]. Abril de 2020 [citado el 15 de diciembre de 2021]; 10(4):231.
Strohm L, et al. Implementation of artificial intelligence (AI) applications in radiology: hindering and facilitating factors. European Radiology [Internet]. Mayo de 2020 [citado el 15 de diciembre de 2021].
Haan M, Ongena YP, Hommes S, Kwee TC, Yakar D. A Qualitative Study to Understand Patient Perspective on the Use of Artificial Intelligence in Radiology. J Am Coll Radiol [Internet]. Octubre de 2019 [citado el 15 de diciembre de 2021]; 16(10):1416-1419.
Griffith B, Kadom N, Straus CM. Radiology Education in the 21st Century: Threats and Opportunities. J Am Coll Radiol [Internet]. Octubre de 2019 [citado el 15 de diciembre de 2021]; 16(10):1482-1487.
Gurgitano M, et al. Interventional Radiology ex-machina: impact of Artificial Intelligence on practice. Radiol Med [Internet]. Julio de 2021 [citado el 15 de diciembre de 2021]; 126(7):998-1006.
Weikert T, et al. A Practical Guide to Artificial Intelligence-Based Image Analysis in Radiology. Invest Radiol [Internet]. Enero de 2020 [citado el 15 de diciembre de 2021].
Moores BM. Artificial intelligence and deep learning in diagnostic radiology-is this the next phase of scientific and technological development? Radiat Prot Dosimetry [Internet]. Octubre de 2021 [citado el 15 de diciembre de 2021]; 195(3-4):145-151.
Soffer S, et al. Convolutional Neural Networks for Radiologic Images: A Radiologist’s Guide. Radiology [Internet]. Enero de 2019 [citado el 15 de diciembre de 2021]; 290(3):590-606.
Jalal S, Nicolaou S, Parker W. Artificial Intelligence, Radiology, and the Way Forward. Can Assoc Radiol J [Internet]. Febrero de 2019 [citado el 15 de diciembre de 2021]; 70(1):10-12.
Borstelmann SM. Machine Learning Principles for Radiology Investigators. Acad Radiol [internet]. Enero de 2020 [citado el 15 de diciembre de 2021]; 27(1):13-25.
Reyes M, et al. On the Interpretability of Artificial Intelligence in Radiology: Challenges and Opportunities. Radiol Artif Intell [internet]. Mayo de 2020 [citado el 15 de diciembre de 2021]; 2(3): e190043.
Wu JT, et al. Comparison of Chest Radiograph Interpretations by Artificial Intelligence Algorithm vs Radiology Residents. JAMA Netw Open [internet]. Octubre de 2020 [citado el 15 de diciembre de 2021]; 3(10).
Waymel Q, et al. Impact of the rise of artificial intelligence in radiology: What do radiologists think? Diagn Interv Imaging [Internet]. Junio de 2019 [citado el 15 de diciembre de 2021]; 100(6):327-336.
Macruz, F. Misconceptions in the health technology industry that are delaying the translation of artificial intelligence technology into relevant clinical applications. Radiologia Brasileira [internet]. Agosto de 2021 [citado el 15 de diciembre de 2021]; 54. 243-245.
Makeeva V, et al. The Application of Machine Learning to Quality Improvement Through the Lens of the Radiology Value Network. J Am Coll Radiol [internet]. Septiembre de 2019 [citado el 15 de diciembre de 2021]; 16(9 Pt B):1254-1258.
Holzinger A, et al. Causability and explainability of artificial intelligence in medicine. Wiley Interdiscip Rev Data Min Knowl Discov [internet]. Julio de 2019 [citado el 15 de diciembre de 2021]; 9(4).
Kapoor N, Lacson R, Khorasani R. Workflow Applications of Artificial Intelligence in Radiology, and an Overview of Available Tools. J Am Coll Radiol [internet]. Noviembre de 2020 [citado el 15 de diciembre de 2021]; 17(11):1363-1370.
Barragán-Montero A, et al. Artificial intelligence, and machine learning for medical imaging: A technology review. Phys Med [internet]. Marzo de 2021 [citado el 15 de diciembre de 2021]; 83:242-256.
Noguerol M, et al. Strengths, Weaknesses, Opportunities, and Threats Analysis of Artificial Intelligence and Machine Learning Applications in Radiology. J Am Coll Radiol [Internet]. Septiembre de 2019 [citado el 15 de diciembre de 2021]; 16(9 Pt B):1239-1247.
Kocak B, Kus EA, Kilickesmez O. How to read and review papers on machine learning and artificial intelligence in radiology: a survival guide to key methodological concepts. Eur Radiol [internet]. Abril de 2021 [citado el 15 de diciembre de 2021]; 31(4):1819-1830.
Castiglioni I, et al. AI applications to medical images: From machine learning to deep learning. Phys Med [internet]. Marzo de 2021 [citado el 15 de diciembre de 2021]; 83:9-24.
Cheng PM, et al. Deep Learning: An Update for Radiologists. Radiographics [internet]. Septiembre de 2021 [citado el 15 de diciembre de 2021]; 41(5):1427-1445.
Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med [Internet]. Enero de 2019 [citado el 15 de diciembre de 2021]; 25(1):44-56.
Park CJ, Yi PH, Siegel EL. Medical Student Perspectives on the Impact of Artificial Intelligence on the Practice of Medicine. Curr Probl Diagn Radiol [internet]. Septiembre de 2021 [citado el 15 de diciembre de 2021]; 50(5):614.
Bizzo BC, et al. Artificial Intelligence and Clinical Decision Support for Radiologists and Referring Providers. J Am Coll Radiol [internet]. Septiembre de 2019 [citado el 15 de diciembre de 2021]; 16(9 Pt B):1351.
Harada Y, et al. Efficacy of Artificial-Intelligence-Driven Differential-Diagnosis List on the Diagnostic Accuracy of Physicians: An Open-Label Randomized Controlled Study. Int J Environ Res Public Health [internet]. Febrero de 2021 [citado el 15 de diciembre de 2021];18(4):2086.
Do HM, et al. Augmented Radiologist Workflow Improves Report Value and Saves Time: A Potential Model for Implementation of Artificial Intelligence. Academic Radiology [internet]. Enero de 2020 [citado el 15 de diciembre de 2021]; 27(1):96-105.
Rubin DL. Artificial Intelligence in Imaging: The Radiologist’s Role. J Am Coll Radiol [Internet]. Septiembre de 2019 [citado el 15 de diciembre de 2021]; 16(9 Pt B):1309.
Coppola F, et al. Artificial intelligence: radiologists’ expectations and opinions gleaned from a nationwide online survey. Radiol Med [internet]. Enero de 2021 [citado el 15 de diciembre de 2021]; 126(1):63-71.
Spatola N, Normand A. Human vs. machine: the psychological and behavioral consequences of being compared to an outperforming artificial agent. Psychol Res [internet]. Abril de 2021 [citado el 15 de diciembre de 2021]; 85(3):915-925.
Chen Y, et al. Professionals’ responses to the introduction of AI innovations in radiology and their implications for future adoption: a qualitative study. BMC Health Serv Res [internet]. Agosto de 2021 citado el 15 de diciembre de 2021]; 21(1):813.
Huisman M, et al. An international survey on AI in radiology in 1,041 radiologists and radiology residents’ part 1: fear of replacement, knowledge, and attitude. Eur Radiol [internet]. Septiembre de 2021 [citado el 15 de diciembre de 2021]; ;31(9):7058-7066.
Gupta S, Kattapuram TM, Patel TY. Social media’s role in the perception of radiologists and artificial intelligence. Clin Imaging [internet]. Diciembre de 2020 [citado el 15 de diciembre de 2021]; 68:158.
Stai B, et al. Public Perceptions of Artificial Intelligence and Robotics in Medicine. J Endourol [internet]. Octubre de 2020 [citado el 15 de diciembre de 2021]; 34(10):1041-1048.
Tariq A, et el. Current Clinical Applications of Artificial Intelligence in Radiology and Their Best Supporting Evidence. J Am Coll Radiol [internet]. Noviembre de 2020 [citado el 15 de diciembre de 2021]; 17(11):1371-1381.
Huisman M, et al. An international survey on AI in radiology in 1041 radiologists and radiology residents part 2: expectations, hurdles to implementation, and education. Eur Radiol [internet]. Noviembre de 2021 [citado el 15 de diciembre de 2021]; 31(11):8797-8806.
Geis JR, et al. Ethics of Artificial Intelligence in Radiology: Summary of the Joint European and North American Multisociety Statement. Radiology [Internet]. Novirmbre de 2019 [citado el 15 de diciembre de 2021]; 293(2):436-
Safdar NM, Banja JD, Meltzer CC. Ethical considerations in artificial intelligence. Eur J Radiol [Internet]. Enero de 2020 [citado el 15 de diciembre de 2021]; 122:108768.
Golding LP, Nicola GN. Clinical Decision Support: The Law, the Future, and the Role for Radiologists. Curr Probl Diagn Radiol [internet]. Septiembre de 2020 [citado el 15 de diciembre de 2021]; 49(5):337-339.
Thrall JH, Fessell D, Pandharipande PV. Rethinking the Approach to Artificial Intelligence for Medical Image Analysis: The Case for Precision Diagnosis. J Am Coll Radiol [internet]. Enero de 2021 [citado el 15 de diciembre de 2021]; 18(1 Pt B):174.
Simpson SA, Cook TS. Artificial Intelligence and the Trainee Experience in Radiology. J Am Coll Radiol [Internet]. Noviembre de 2020 [citado el 15 de diciembre de 2021]; 17(11):1388-1393.
Wiggins WF, et al. Preparing Radiologists to Lead in the Era of Artificial Intelligence: Designing and Implementing a Focused Data Science Pathway for Senior Radiology Residents. Radiol Artif Intell [internet]. Noviembre de 2020 [citado el 15 de diciembre de 2021]; 2(6).
Descargas
Publicado
Versiones
- 2025-11-14 (4)
- 2025-11-14 (3)
- 2025-08-12 (2)
- 2022-05-05 (1)
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Scientific and Eduaction Medical Journal
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Atribución – No comercial – Compartir igual: Esta licencia permite a otros distribuir, remezclar, retocar, y crear a partir de tu obra de modo no comercial, siempre y cuando te den crédito y licencien sus nuevas creaciones bajo las mismas condiciones.
Attribution-NonCommercial-ShareAlike 4.0 International
