En 2016 Geoffrey Hinton, padrino de la IA moderna, vaticinó que los radiólogos desaparecerían en cinco años. Diez años después, la especialidad no solo no se extinguió: se espera que sus filas crezcan un 26% en las próximas tres décadas. El pronóstico falló porque confundió una parte del trabajo —leer imágenes— con la totalidad del oficio: decidir, comunicar, asumir responsabilidad clínica.
El error de Hinton es instructivo. La radiología se convirtió en el campo de pruebas donde la IA pasó de promesa a rutina clínica. A comienzos de 2026, tres de cada cuatro dispositivos médicos con IA autorizados por la FDA estaban dedicados a la imagenología. Algunos agilizan la redacción de informes o triajean estudios urgentes; otros detectan anomalías invisibles al ojo humano o igualan —y a veces superan— el desempeño de especialistas entrenados. Un metaanálisis de 43 ensayos mostró que la colonoscopia asistida por IA halla más pólipos que la convencional AI won't replace radiologists, but it will dramatically change their jobs.
La lección trasciende la radiología. El testimonio presentado ante el Comité de Educación y Fuerza Laboral de la Cámara de Representantes de EE. UU. por Jeffery Talbert, de la Universidad Augusta, resume la evidencia acumulada: la IA en salud funciona como multiplicador de fuerza laboral, no como sustituto Building an AI-Ready America.
El problema del 1,2 FTE y la trampa administrativa
La Academia Nacional de Medicina estadounidense describe el "problema del 1,2 FTE": los clínicos son contratados como equivalentes a tiempo completo (1,0 FTE) pero terminan realizando la carga de 1,2 FTE por documentación, bandeja de entrada, autorizaciones previas y cumplimiento normativo. Esa carga oculta se filtra a noches y fines de semana, alimenta el agotamiento y expulsa talento. El 41,9% de los médicos reporta síntomas de burnout y casi un tercio planea irse en dos años.
La IA ambiental —escribas que escuchan la consulta y generan la nota clínica— ataca directamente esa fuga. En un estudio multisistema con 263 profesionales across seis sistemas de salud, el burnout cayó del 51,9% al 38,8%. En pediatría, 84 proveedores redujeron el agotamiento del 54,9% al 33,3% y recuperaron más de 2.100 horas de documentación en seis meses. Un ensayo aleatorizado con 238 médicos de 14 especialidades confirmó la reducción de carga documental, fatiga y mejora en la experiencia profesional.
Mejores resultados, no solo más eficiencia
El ensayo MASAI en cribado de cáncer de mama demostró que la IA asistida aumenta la detección en un 29% aproximado mientras reduce la carga del radiólogo, con mayor hallazgo de tumores pequeños ganglio-negativos —los que más curación permiten si se captan temprano. También hay evidencia de reducción de mortalidad por sepsis, tratamiento más rápido de ictus, expansión del cribado de retinopatía diabética y aceleración en descubrimiento de fármacos.
En contextos rurales o desatendidos, donde la escasez de especialistas es crónica, estas herramientas extienden el alcance de la pericia disponible. No reemplazan al experto; hacen que su criterio rinda más lejos.
Nuevos oficios, vieja responsabilidad
La adopción está creando roles que no existían hace cinco años: gobernanza de IA, implementación, informática clínica, entrenamiento de fuerza laboral, aseguramiento de calidad, operaciones de IA y transformación digital. La habilidad de trabajar con sistemas de IA, entender sus límites y rendir cuentas por sus decisiones se vuelve competencia básica.
El radiólogo de 2026 no es un lector de imágenes asistido por software; es un integrador de hallazgos algorítmicos, contexto clínico y conversación con el paciente. La máquina propone, el médico dispone —y responde.
Qué significa para América Latina
La región arrastra déficits estructurales: menos radiólogos por habitante, concentración urbana extrema, infraestructura de archivo de imágenes (PACS) heterogénea y marcos regulatorios en construcción. ANVISA en Brasil, COFEPRIS en México, INVIMA en Colombia y ANMAT en Argentina avanzan en guías para software médico con IA, pero la validación local de algoritmos entrenados con poblaciones europeas o estadounidenses sigue siendo una deuda pendiente. La prevalencia de tuberculosis, enfermedad de Chagas o fenotipos de cáncer de mama distintos alteran el rendimiento de modelos importados.
La oportunidad está en saltar la etapa de digitalización básica e integrar IA en la adquisición y el reporte desde el diseño. Redes hospitalarias públicas y privadas en Brasil, Chile y México ya pilotan escribas ambientales y triaje de tomografías de tórax. El retorno no es solo financiero: es retener especialistas que hoy migran agotados por la burocracia.
La radiología escribió el primer capítulo. La medicina de familia, la enfermería de práctica avanzada y la gestión hospitalaria están en el siguiente. La pregunta para los directivos latinoamericanos no es si la IA entrará en el quirófano o la consulta, sino si sus organizaciones tendrán la gobernanza, el talento y los datos locales para que ese ingreso amplíe capacidad en lugar de crear otro pasivo tecnológico.
