En 2016, Geoffrey Hinton predijo que las computadoras reemplazarían a los radiólogos en cinco años. No lo han hecho. Las filas de la radiología están creciendo, con profesionales que se espera que se expandan en un 26 por ciento en las próximas tres décadas. Sin embargo, la perspicacia de Hinton se mantiene: la IA ahora iguala o supera el rendimiento humano en muchas tareas de imagen. A principios de 2026, aproximadamente tres cuartas partes de los 1,400 dispositivos médicos habilitados para IA aprobados por la FDA son para radiología.

Las herramientas de IA redactan informes, marcan imágenes urgentes y a veces detectan anomalías invisibles al ojo humano. Por ejemplo, un análisis de 43 ensayos clínicos encontró que las colonoscopias asistidas por IA revelan más pólipos. Las tasas de error humano para imágenes diagnósticas oscilan entre 3 y 5 por ciento, causando alrededor de 40 millones de errores anuales en todo el mundo. La solución no es reemplazar a los humanos, sino combinar la precisión de la IA con la experiencia humana.

Diseñar la colaboración es complejo. Incluso si la IA es más confiable en promedio, aún se equivoca donde los humanos no lo harían, dice el radiólogo Curtis Langlotz de Stanford. Los radiólogos deben evaluar cada decisión de IA, una "reconexión mental completa" según Paul Yi del St. Jude Children's Research Hospital. A diferencia de las alertas basadas en reglas, las redes neuronales de IA son sistemas de "caja negra", lo que hace que la supervisión sea más difícil.

El objetivo es fusionar la precisión técnica de la IA con la flexibilidad humana para el beneficio del paciente.