Radiología e IA: cuando el desarrollador gestiona la clínica

Cuando la tecnología y la consulta médica se fusionan

Un informe reciente de STAT Health Tech destaca una tendencia relevante en el sector: startups de radiología están creando u operando sus propios centros clínicos. Con esto buscan acelerar el diseño de sus herramientas y posicionarse como prácticas nativas en inteligencia artificial.

Esta estrategia altera el esquema tradicional. Hasta hace poco, la ruta era clara. Una compañía tecnológica desarrollaba un algoritmo, completaba sus pruebas de validación y salía a comercializarlo a clínicas u hospitales. Hoy, el desarrollo tecnológico y la atención médica directa ocurren bajo el mismo techo. Esto borra la frontera entre la fase de prueba de un software y la práctica clínica habitual.

El dilema de la gobernanza asistencial

He trabajado años dirigiendo sistemas de calidad en salud. Desde esa experiencia, veo que este modelo presenta tensiones operativas inmediatas. Probar herramientas en un entorno real acorta los tiempos de aprendizaje, es verdad. Sin embargo, genera dudas importantes sobre el control y la supervisión.

Cuando la entidad que crea el software es la misma que presta la atención al paciente, la independencia del control de calidad se compromete. En cualquier servicio de diagnóstico por imagen, la seguridad del paciente depende de protocolos de doble verificación y de la objetividad al evaluar resultados.

Si un algoritmo se ajusta en vivo dentro de la misma consulta donde se atienden pacientes reales, surgen preguntas operativas directas: ¿Cómo se gestiona la seguridad del proceso? ¿Cómo se diferencia una versión en evaluación de una versión plenamente validada?

Tres prioridades para los equipos de calidad

Para los directores de operaciones y responsables de calidad, esta convergencia exige ajustar los criterios de evaluación de proveedores. Si vas a trabajar con soluciones desarrolladas en entornos de práctica propia, te sugiero revisar estos aspectos:

1. Criterios de auditoría independiente. Es necesario exigir que las métricas de precisión no vengan únicamente de los centros operados por el propio desarrollador. Se requieren datos de validación externa en poblaciones diversas.

2. Trazabilidad en el informe radiológico. La historia clínica debe reflejar con precisión el papel de cada parte. Hay que registrar qué sugirió el sistema y cuál fue la decisión final del profesional sanitario.

3. Protocolos de notificación de fallos. Los errores de lectura o falsos negativos no pueden tratarse como simples fallos de código. Son eventos que afectan la atención clínica y deben gestionarse mediante el sistema de gestión de incidentes del centro.

Gestión de riesgos antes de la implementación

La búsqueda de eficiencia en radiología es una prioridad para reducir tiempos de espera y carga asistencial. Pero la velocidad no puede comprometer el rigor del proceso.

No se trata de frenar la incorporación de tecnología en el diagnóstico por imagen. Se trata de entender que la responsabilidad legal y ética del diagnóstico sigue recayendo en la organización sanitaria. Por eso, antes de firmar cualquier acuerdo con un proveedor de software que también opera como clínica, revisa la propiedad de los datos y los protocolos de responsabilidad compartida.

Si en tu institución están analizando la adopción de estas herramientas, asegúrate de que los límites entre el desarrollo del producto y el acto médico estén claramente delimitados. La tecnología en salud solo aporta valor cuando refuerza la seguridad del paciente y respeta la gobernanza clínica.