El propósito de este estudio fue investigar el punto de vista de los radiólogos sobre el uso de la inteligencia artificial (IA) en su práctica diaria e identificar los factores que limitan su implementación sistemática.
Materiales y métodosSe realizó una encuesta por Internet entre radiólogos y residentes de radiología españoles, con 21 preguntas sobre los conocimientos generales de las tecnologías de la información y la comunicación (TIC) y de la IA en radiología. Se realizaron análisis de subgrupos por sexo, edad y experiencia profesional. Las asociaciones con un valor p <0,05 se consideraron significativas.
ResultadosUn total de 102 radiólogos y residentes respondieron al cuestionario. No se observaron diferencias estadísticas significativas entre los grupos de edad o género. Se detectó una diferencia significativa en el conocimiento de las TIC y la IA entre los grupos de edad, siendo los participantes menores de 40 años y los de entre 40 y 55 años los que tenían un mejor conocimiento de las TIC (p <0,01). Los resultados de la encuesta mostraron que el 77,45% de los participantes creía que la IA representa una oportunidad para la profesión radiológica en el futuro, mientras que el 9,80% creía que no tendrá ningún impacto. Se sugirieron tres áreas principales de aplicación práctica de la IA en radiología: en el cribado (23,36%), en la interpretación de imágenes y la elaboración de informes (21,17%) y en la solicitud de las pruebas de imagen y la programación de pacientes (14,60%). La mayor preocupación entre la población encuestada era el posible aumento de la carga de trabajo.
ConclusionesSe encontró una actitud positiva entre los radiólogos españoles hacia la IA, donde la mayoría de los encuestados contestó que la IA supondría una oportunidad para la profesión en un futuro próximo. La implementación de programas de formación en AI podría mejorar su aceptación entre los profesionales.
The purpose of this study was to investigate perspectives held by radiologists on the use of artificial intelligence (AI) in their day-to-day work and to identify factors limiting its routine implementation.
Materials and methodsSpanish board-certified radiologists and trainees completed an online survey of 21 questions on general information and communications technology (ICT) and AI in radiology. Analysis was carried out for the subgroups of gender, age, and professional experience. Associations with a p-value <0.05 were considered statistically significant.
ResultsA total of 102 radiologists and trainees completed the questionnaire. No significant statistical differences between the age groups or gender were observed. A significant difference was detected in ICT and AI knowledge between age groups, with participants under 40 and those between 40–55 years old demonstrating better ICT knowledge (p<0.01). The survey results revealed that 77.4% of participants believed that AI represents an opportunity for the radiology profession in the future, while 9.8% believed it would have no impact. Three main practical application areas for AI in radiology were proposed: in screening (23.36%), in image interpretation and reporting (21.17%), and in the requesting of imaging and patient scheduling (14.6%). The biggest concern among the surveyed population was the potential increase in workload.
ConclusionsA positive attitude toward AI was observed among Spanish radiologists, with the majority believing that AI could offer opportunities for the radiology profession in the near future. AI training programmes may further improve its acceptance among professionals.
Los avances recientes en las tecnologías de inteligencia artificial (IA) han demostrado su potencial para transformar los sistemas sanitarios y el diagnóstico médico por imagen en los próximos años1–3. La agencia sanitaria estadounidense Food and Drug Administration (FDA) ha autorizado más de 200 programas informáticos de IA que pueden utilizarse en varios entornos clínicos de labor radiológica4.
En concreto, el desarrollo del deep learning, un subtipo específico de técnicas de IA, marcó un punto de inflexión en la historia de la IA aplicada al reconocimiento de objetos, ya que ha demostrado que el análisis automatizado de imágenes podía superar las capacidades humanas. Este logro histórico se remonta a 2012, cuando Krizhevsky et al. ganaron el Desafío de reconocimiento visual a gran escala de ImageNet con AlexNet, una red neuronal convolucional (CNN)5. La implementación de la IA en el diagnóstico por imagen se considera una forma potencial de abordar uno de los mayores retos a los que se enfrentan los departamentos de radiología en todo el mundo, que es el aumento progresivo de la carga de trabajo que ha experimentado en las últimas décadas6. A medida que la cantidad de información clínicamente valiosa presente en las imágenes médicas ha ido aumentando de forma significativa en la última década, los radiólogos se han encontrado con el reto progresivo de gestionar y analizar estos complejos conjuntos de datos7. Esta profunda transformación ha dado lugar a un análisis de las imágenes médicas que requiere mucho tiempo y que a menudo es incompatible con la actividad rutinaria8.
Aunque la IA tiene potencial para superar muchos de los problemas mencionados anteriormente, todavía existe una escasa aceptación por parte de muchos radiólogos para adoptar estos sistemas en la práctica clínica9.
Hasta la fecha, solo unos pocos estudios han considerado cómo varían la aceptación o las expectativas de la IA entre los distintos grupos de edad de radiólogos y residentes de radiología10–12. Nuestra encuesta se llevó a cabo cuando los software de IA no solo estaban disponibles en el mercado, sino que también eran accesibles para muchos profesionales4. El presente estudio busca conocer mejor los conocimientos y actitudes de los radiólogos hacia las tecnologías de la información y la comunicación (TIC) y la IA. Se elaboró una encuesta ad hoc para investigar la aceptación de la IA por parte de los radiólogos en sus actividades diarias, su conocimiento de las tecnologías disponibles, su disposición a aprender más y su percepción de la IA como una amenaza o como un medio para mejorar la calidad del trabajo en radiología.
Materiales y métodosCuestionarioEl equipo de investigación elaboró un cuestionario ad hoc de 21 preguntas sobre la IA en radiología. Se creó una encuesta basada en web utilizando Google Forms (Google LLC) y el enlace, junto con una breve descripción del alcance de la encuesta, se compartió por correo electrónico con los colegas de los coautores, a través del boletín de la Sociedad Catalana de Radiólogos y en la red social profesional LinkedIn. Las respuestas se recogieron de forma anónima del 25 de octubre de 2021 al 27 de enero de 2022. El estudio fue una encuesta voluntaria entre profesionales de la radiología que no implicó la recopilación de ningún dato sanitario o nominativo y en la que todos los datos se manejaron de forma anónima; por lo tanto, no fue necesaria la aprobación de la junta de revisión institucional. La encuesta incluía preguntas sobre datos demográficos (edad, sexo, titulación y años de experiencia profesional), el conocimiento, la percepción y las actitudes de los encuestados hacia la IA en entornos específicos (para más detalles, véase Diseño de la encuesta, material adicional). Las preguntas se formularon en formato de opción múltiple o de respuesta abierta.
Participantes en el estudioSolo debían responder a la encuesta los radiólogos titulados y los residentes de radiología que trabajasen en España. Se excluyó a los técnicos en radiología y a otros profesionales sanitarios.
Análisis estadísticoLa descripción de los datos cualitativos se realizó con frecuencias absolutas y los porcentajes correspondientes. Los porcentajes de respuesta se estimaron utilizando intervalos de confianza del 95%. Se realizó un análisis bivariante utilizando la prueba de X2 para comparar las diferencias entre las distintas categorías de las variables cualitativas o la prueba exacta de Fisher para los grupos de cinco personas o menos. Se realizaron análisis de subgrupos por sexo, edad y experiencia profesional. Las asociaciones con un valor p <0,05 se consideraron significativas. El análisis estadístico se realizó con el programa Stata® versión 14.2 (StataCorp, Texas, EE. UU.).
El manuscrito sigue la guía de estándares Equator para la elaboración de informes de investigación cualitativa13.
ResultadosDatos demográficosUn total de 103 profesionales de la radiología completaron el cuestionario. Se excluyó a un participante porque declaró ser técnico en radiografía y no cumplía los criterios de inclusión, que especificaban que solo podían participar los especialistas o residentes de radiología. Las características demográficas basales de los 102 encuestados se presentan en la tabla 1. Los resultados muestran que el 34,31% tenía menos de 40 años, el 47,06% se encontraba en el grupo de edad de 40 a 55 años y el 18,63% tenía más de 55 años. Los residentes de radiología representaban un pequeño porcentaje de los encuestados (10,78%), mientras que la mayoría tenía una experiencia laboral de entre 10 y 20 años (30,39%) o de más de 20 años (31,37%). Hubo un ligero predominio de mujeres (n=56) vs. hombres (n=44), sin diferencias estadísticas significativas. Los dos participantes que prefirieron no especificar su sexo fueron excluidos cuando se realizó el análisis de subgrupos por sexo para distintas variables.
Características demográficas de los 102 radiólogos y residentes de radiología que participaron en el estudio
| Variable | Total n=102 (%) | Valor p |
|---|---|---|
| Sexo* | <0,01 | |
| Mujer | 56 (54,9) | |
| Hombre | 44 (43,14) | |
| No especificado | 2 (1,96) | |
| Grupo de edad | <0,01 | |
| <40 | 35 (34,31) | |
| 40-55 | 48 (47,06) | |
| >55 | 19 (18,63) | |
| Experiencia laboral | <0,05 | |
| Residentes | 11 (10,78) | |
| <5 años | 16 (15,69) | |
| 5-9 años | 12 (11,77) | |
| 10-20 años | 31 (30,39) | |
| >20 años | 32 (31,37) |
Se utilizó la prueba X2 para el valor p. Las pruebas se realizaron con un nivel de significación de dos lados de 0,05.
El estudio reveló que la autopercepción de los participantes sobre sus conocimientos de las TIC se distribuía uniformemente entre los niveles elemental, intermedio, intermedio/avanzado y avanzado, sin diferencias significativas entre los grupos. Sin embargo, hubo una diferencia significativa en el conocimiento de las TIC entre los grupos de edad, siendo los participantes menores de 40 años y los de entre 40 y 55 años los que tenían un mejor conocimiento de las TIC. El estudio también reveló que los especialistas con más de 10 años de experiencia tenían conocimientos intermedios o intermedios-avanzados de las TIC, mientras que solo el 11,7% de los encuestados afirmaron tener conocimientos avanzados de las TIC, sin diferencias significativas entre los distintos grupos de experiencia.
Según los resultados de la encuesta, el 49,02% de los participantes creía tener una comprensión clara de la IA y de sus posibles efectos futuros en la práctica laboral. Una pequeña proporción de los encuestados, el 11,76%, declaró tener un conocimiento limitado de la IA pero estar interesado en aprender más, mientras que el 38,2% afirmó tener una idea general de la IA pero carecer de una comprensión exhaustiva de sus posibles aplicaciones y beneficios en su práctica diaria. Se observaron diferencias estadísticamente significativas entre los grupos de edad (p=<0,01) y de experiencia profesional (p <0,01).
Conocimientos específicos de IALa investigación reveló que el 58,82% de los participantes afirmaron ser capaces de distinguir entre los distintos conceptos de IA, machine learning y deep learning, con diferencias significativas en función de la edad, siendo los participantes de entre 40 y 55 años los que más conocimientos tenían. Hubo diferencias significativas dependiendo de la edad, pero no del sexo ni de la experiencia profesional, y el 88,24% de los participantes fueron incapaces de distinguir entre la IA «estrecha o débil» y la IA «general o fuerte». Entre los participantes encuestados, el 62,75% afirmó ser capaz de definir el concepto de radiómica, con diferencias significativas de acuerdo con la edad y la experiencia profesional, pero no del sexo. Los radiólogos más jóvenes y los menores de 55 años demostraron una mayor capacidad para diferenciar entre «IA estrecha o débil» frente a «IA general o fuerte».
Más de dos tercios de los participantes (68,63%) nunca habían oído hablar del lenguaje de programación Python, y no hubo diferencias significativas en la comprensión de conceptos técnicos relacionados con la IA en función de la edad o la experiencia profesional. Sin embargo, hubo diferencias significativas en la comprensión en función del sexo, ya que las mujeres mostraron menos conocimientos. En cuanto a la comprensión del término «Black box» de la IA, no hubo diferencias significativas según la edad o la experiencia profesional, pero sí con el sexo, demostrando las mujeres una menor comprensión (tabla 2 del material adicional).
Perspectivas y actitudes hacia la IALos resultados de la encuesta indicaron que el 77,45% de los participantes ve la IA como una oportunidad el para la profesión radiológica, mientras que el 9,80% cree que no tendrá ningún impacto y el 7,85% la considera una amenaza en los próximos 10 años. No hubo diferencias significativas en estas opiniones en función de los grupos de edad, la experiencia profesional o el sexo. En cuanto al futuro impacto de la IA en la radiología, la mayoría de los encuestados anticipó una transformación significativa (40,20%) o radical (33,33%), y nadie eligió la opción de ningún cambio (p <0,05). Tampoco hubo diferencias estadísticas de acuerdo con los grupos de edad, el sexo o la experiencia profesional (tablas 2, 3 y 4del material adicional).
Percepciones autodeclaradas sobre la informática o la IA y preguntas objetivas sobre la comprensión conceptual de la IA
| Total | Grupos de edad | Sexo* | Experiencia profesional | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| n=102 | <40 años | 40-55 años | >55 años | valor p | Hombre | Mujer | valor p | Residente | <5 a | 5-9 a | 10-20 a | >20 a | Valor p | |
| n=35 | n=48 | n=19 | n=44 | n=56 | n=11 | n=16 | n=12 | n=31 | n=32 | |||||
| Autopercepción de conocimientos informáticos | 0,44425 | 0,002 | 0,000 | 0,159 | ||||||||||
| Conocimientos básicos de informática | 27 (26,47) | 14 (40) | 13 (27,08) | 0 (0) | 4 (9,09) | 23 (41,07) | 5 (45,46) | 5 (31,25) | 5 (41,67) | 9 (29,03) | 3 (9,38) | |||
| Intermedio | 40 (39,22) | 11 (31,43) | 17 (35,42) | 12 (63,16) | 16 (36,36) | 23 (41,07) | 3 (27,27) | 6 (37,50) | 4 (33,33) | 10 (32,26) | 17 (53,12) | |||
| Intermedio/avanzado | 23 (22,55) | 3 (8,57) | 14 (29,17) | 23 (31,58) | 15 (39,09) | 8 (14,29) | 1 (9,09) | 2 (12,50) | 1 (8,33) | 9 (29,03 | 10 (31,25) | |||
| Usuarios avanzados | 12 (11,76) | 7 (20) | 4 (8,33) | 1 (5,26) | 9 (20,45) | 2 (3,57) | 2 (18,18) | 3 (18,75) | 2 (16,67) | 3 (9,68) | 2 (6,25) | |||
| Autopercepción sobre IA | 0,48838 | 0,001 | 0,012 | 0,003 | ||||||||||
| Sin conocimiento ni interés | 1 (0,8) | 0 (0,0) | 1 (2,08) | 0 (0,0) | 1 (100) | 0 (0,0) | 0 (0,0) | 0 (0,0) | 0 (0,0) | 0 (0,0) | 1 (3,12) | |||
| Confundido pero interesado en saber más | 12 (11,76) | 11 (31,43) | 1 (2,08) | 0 (0,0) | 2 (16,67) | 10 (83,35) | 4 (36,36) | 5 (31,25) | 2 (16,67) | 1 (3,23) | 0 (0,0) | |||
| Idea general de IA pero carecía de buena comprensión | 39 (38,24) | 11 (31,43) | 22 (45,84) | 6 (31,58) | 13 (34,21) | 25 (65,79) | 4 (36,36) | 4 (25,0) | 4 (33,3) | 17 (54,83) | 10 (31,25) | |||
| Comprensión clara | 50 (49,02) | 13 (37,14) | 24 (50,0) | 13 (68,42) | 28 (57,12) | 21 (42,86) | 3 (27,28) | 7 (43,75) | 6 (50,0) | 13 (41,94) | 21 (65,63) | |||
| Ha oído hablar de Phyton | 0,13378 | 0,542 | 0,000 | 0,642 | ||||||||||
| No | 70 (68,63) | 25 (71,43) | 34 (70,83) | 11 (57,89) | 22 (50,00) | 48 (85,71) | 8 (72,73) | 13 (81,25) | 8 (66,67) | 22 (70,97) | 19 (59,38) | |||
| SÍ | 32 (31,37) | 10 (28,57) | 14 (21,17) | 8 (42,11) | 22 (50,00) | 8 (14,29) | 3 (27,27) | 3 (18,75) | 4 (33,33) | 9 (29,03) | 13 (40,62) | |||
| Sabe qué significaBlackboxen IA | 0,02465 | 0,145 | 0,001 | 0,423 | ||||||||||
| No | 74 (72,55) | 29 (82,86) | 34 (70,83) | 11 (57,89) | 25 (56,82) | 48 (85,71) | 9 (81,82) | 13 (81,25) | 9 (75,00) | 24 (77,42) | 19 (59,38) | |||
| Sí | 24 (27,45) | 6 (17,14) | 14 (29,17) | 8 (42,11) | 19 (43,18) | 8 (14,29) | 2 (18,18) | 3 (18,75) | 3 (25,00) | 7 (22,58) | 13 (40,62) | |||
| Diferencias entre AA y AP | 0,99979 | 0,030 | 0,227 | 0,195 | ||||||||||
| No | 42 (41,18) | 20 (57,14) | 18 (37,05) | 4 (21,05) | 15 (34,09) | 26 (46,43) | 7 (63,64) | 6 (37,5) | 7 (58,33) | 13 (41,94) | 9 (28,12) | |||
| Sí | 60 (58,82) | 15 (42,86) | 30 (62,5) | 15 (78,95) | 29 (65,91) | 30 (53,57) | 4 (36,36) | 10 (62,5) | 5 (41,67) | 18 (58,06) | 23 (71,88) | |||
| Diferencias entre IA estrecha/general | 0,00000 | 0,030 | 0,213 | 0,195 | ||||||||||
| No | 90 (88,24) | 20 (57,14) | 18 (37,5) | 4 (21,05) | 15 (34,09) | 26 (46,43) | 7 (63,64) | 6 (37,5) | 7 (58,33) | 13 (41,93) | 9 (29,03) | |||
| Sí | 12 (11,76) | 15 (42,86) | 30 (62,5) | 15 (78,95) | 29 (65,91) | 30 (53,57) | 4 (36,36) | 10 (62,5) | 5 (41,67) | 18 (58,07) | 23 (71,87) | |||
| Definición radiómica | 0,95750 | 0,031 | 0,074 | 0,025 | ||||||||||
| No | 38 (37,25) | 19 (54,29) | 15 (31,25) | 4 (21,05) | 12 (27,27) | 25 (44,64) | 8 (72,73) | 6 (37,5) | 7 (58,33) | 9 (29,03) | 8 (25,00) | |||
| Sí | 64 (62,75) | 16 (45,71) | 33 (68,75) | 15 (78,95) | 32 (72,73) | 31 (55,36) | 3 (27,27) | 10 (62,5) | 5 (41,67) | 22 (70,97) | 24 (75,00) | |||
Se utilizó la prueba X2 para el valor p. Se ha utilizado el método exacto de Fisher cuando las frecuencias absolutas son inferiores a 5. Las pruebas se realizaron con un nivel de significación de dos lados de 0,05.
Perspectivas y actitudes hacia la IA en radiología y sus consecuencias
| Total | Grupos de edad | Sexo* | Experiencia profesional | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| n=102 | <40 años | 40-55 años | >55 años | Valor p | Hombre | Mujer | Valor p | Residente | <5 a | 5-9 a | 10-20 a | >20 a | Valor p | |
| n=35 | n=48 | n=19 | n=44 | n=56 | n=11 | n=16 | n=12 | n=31 | n=32 | |||||
| Implicaciones de la introducción de la IA en radiología | 0,000 | 0,416 | 0,644 | 0,069 | ||||||||||
| Amenaza a corto plazo <5 años | 5 (4,90) | 3 (8,57) | 2 (4,17) | 0 (0,00) | 2 (4,55) | 3 (5,36) | 1 (9,09) | 2 (12,50) | 1 (8,33) | 0 (0,00) | 1 (3,12) | |||
| Amenaza a largo plazo>10 años | 8 (7,85) | 5 (14,29) | 3 (6,25) | 0 (0,00) | 5 (11,36) | 3 (5,36) | 2 (18,18) | 0 (0,00) | 2 (16,67) | 3 (9,67) | 1 (3,12) | |||
| Efectos indiferentes | 10 (9,80) | 4 (11,43) | 4 (8,33) | 2 (10,53) | 5 (11,36) | 5 (8,93) | 1 (9,09) | 2 (12,50) | 3 (25,00) | 1 (3,23) | 3 (9,38) | |||
| Oportunidad | 79 (77,45) | 23 (65,71) | 39 (81,25) | 17 (89,47) | 32 (72,73) | 45 (80,35) | 7 (63,64) | 12 (75,00) | 6 (50,00) | 27 (87,10) | 27 (84,38) | |||
| Cambios en la profesión | 0,01570 | 0,941 | 0,819 | 0,491 | ||||||||||
| 1 (sin cambios) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 0 (0,00) | |||
| 2 | 2 (1,96) | 1 (2,86) | 1 (2,08) | 0 (0,00) | 1 (2,27) | 1 (1,79) | 0 (0,00) | 0 (0,00) | 1 (8,33) | 0 (0,00) | 1 (3,12) | |||
| 3 | 25 (24,51) | 11 (31,43) | 11 (22,92) | 3 (15,79) | 9 (20,45) | 15 (26,79) | 3 (27,27) | 6 (37,50) | 4 (33,34) | 7 (22,58) | 5 (15,62) | |||
| 4 | 41 (40,20) | 16 (45,71) | 18 (37,50) | 7 (36,84) | 17 (38,64) | 23 (41,02) | 5 (45,46) | 8 (50,0) | 4 (33,33) | 11 (35,48) | 13 (40,63) | |||
| 5 (cambio máximo) | 34 (33,33) | 7 (20,00) | 18 (37,50) | 9 (47,37) | 17 (38,64) | 17 (30,31) | 3 (27,27) | 2 (12,50) | 3 (25,00) | 13 (41,94) | 13 (40,63) | |||
| Efecto de la IA en la protección de datos personales - sanitarios | 0,02051 | 50.941 | 0,696 | 0,966 | ||||||||||
| 1 (sin efecto) | 2 (1,96) | 0 (0,00) | 1 (2,08) | 1 (5,26) | 1 (2,27) | 1 (1,79) | 0 (0,00) | 0 (0,00) | 0 (0,00) | 1 (3,23) | 1 (3,12) | |||
| 2 | 11 (10,79) | 4 (11,43) | 6 (12,50) | 1 (5,26) | 6 (13,64) | 5 (8,93) | 1 (9,09) | 3 (18,75) | 1 (8,33) | 4 (12,90) | 2 (6,25) | |||
| 3 | 31 (30,39) | 11 (31,43) | 13 (27,08) | 7 (36,85) | 10 (22,73) | 20 (35,71) | 2 (18,18) | 6 (37,50) | 3 (25,00) | 8 (25,81) | 12 (37,50) | |||
| 4 | 31 (30,39) | 11 (31,43) | 14 (29,17) | 6 (31,58) | 15 (34,09) | 16 (28,57) | 5 (45,46) | 3 (18,75) | 5 (41,67) | 8 (25,81) | 10 (31,25) | |||
| 5 (cambio máximo) | 27 (26,47) | 9 (25,71) | 14 (29,17) | 4 (21,05) | 12 (27,27) | 14 (25,00) | 3 (27,27) | 4 (25,00) | 3 (25,00) | 10 (32,25) | 7 (21,88) | |||
| Consecuencias jurídicas negativas para los radiólogos | 0,02811 | 0,962 | 0,509 | 0,136 | ||||||||||
| No | 73 (72,28) | 24 (70,59) | 35 (72,92) | 14 (73,68) | 30 (68,18) | 41 (74,55) | 5 (50,00) | 15 (93,75) | 8 (66,67) | 23 (74,19) | 22 (68,75) | |||
| Sí | 28 (27,72) | 10 (29,41) | 13 (27,08) | 5 (26,32) | 14 (31,82) | 14 (25,45) | 5 (50,00) | 1 (6,25) | 4 (33,33) | 8 (25,81) | 10 (31,25) | |||
Se utilizó la prueba X2 para el valor p. Se ha utilizado el método exacto de Fisher cuando las frecuencias absolutas son inferiores a 5. Las pruebas se realizaron con un nivel de significación de dos lados de 0,05.
Voluntad de aprender y aplicar la IA en radiología
| Total | Grupos de edad | Sexo* | Experiencia profesional | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| n=102 | <40 años | 40-55 años | >55 años | Valor p | Hombre | Mujer | Valor p | Residente | <5 a | 5-9 a | 10-20 a | >20 a | Valor p | |
| n=35 | n=48 | n=19 | n=44 | n=56 | n=11 | n=16 | n=12 | n=31 | n=32 | |||||
| Profundizar el conocimiento sobre la IA aplicada a la radiología | 1,000 | 0,799 | 0,782 | 0,742 | ||||||||||
| No | 14 (13,73) | 6 (17,14) | 6 (12,50) | 2 (10,53) | 5 (11,36) | 8 (14,29) | 1 (9,09) | 4 (25,00) | 3 (25,00) | 2 (6,45) | 4 (12,50) | |||
| Sí | 70 (68,62) | 25 (71,43) | 32 (66,67) | 13 (68,42) | 32 (72,73) | 37 (66,07) | 8 (72,73) | 10 (62,50) | 8 (66,67) | 22 (70,97) | 22 (68,75) | |||
| Quizá | 18 (17,65) | 4 (11,43) | 10 (20,83) | 4 (21,05) | 7 (15,91) | 11 (19,64) | 2 (18,18) | 2 (12,50) | 1 (8,33) | 7 (22,58) | 6 (18,75) | |||
| IA introducida en los planes de estudios de los residentes | 0,000 | 0,799 | 0,235 | 0,038 | ||||||||||
| No | 8 (7,84) | 3 (8,57) | 3 (6,25) | 2 (10,53) | 5 (11,36) | 2 (3,57) | 0 (0,00) | 1 (6,25) | 4 (33,33) | 1 (3,23) | 2 (6,25) | |||
| Sí | 94 (92,16) | 32 (91,43) | 45 (93,75) | 17 (89,47) | 39 (88,64) | 54 (96,43) | 11 (100,00) | 15 (93,75) | 8 (66,67) | 30 (96,77) | 30 (93,75) | |||
Se utilizó la prueba X2 para el valor p. Se ha utilizado el método exacto de Fisher cuando las frecuencias absolutas son inferiores a 5. Las pruebas se realizaron con un nivel de significación de dos lados de 0,05.
Los encuestados tenían opiniones variadas sobre cómo afectará la IA a la seguridad de los datos personales y datos sanitarios. Una minoría (1,96%) creía que no tendría ningún impacto, mientras que una porción mayor (30,39%) anticipaba un impacto significativo, y otro 26,47% preveía un impacto radical sobre estos datos (p <0,05). Las opiniones de los encuestados sobre las expectativas relacionadas con la implantación de la IA en radiología y sus consecuencias se presentan en la tabla 3 del material adicional.
Implementación de la IA en el entorno clínicoEn cuanto a la implantación de la IA y sus posibles consecuencias negativas en términos legales para los radiólogos, la mayoría de los participantes no creía que la IA les afectaría negativamente. De los 28 participantes que creían que los radiólogos se enfrentarían a nuevas repercusiones legales debido a la introducción de la IA, 10 pensaban que podría deberse a un aumento de las obligaciones legales, cuatro participantes citaron carencias en la legislación actual y un participante mencionó limitaciones en la precisión diagnóstica de la IA. Sin embargo, dos encuestados atribuyeron las repercusiones legales a la pérdida de autonomía del profesional en la toma de decisiones (p <0,05).
Con relación a la cuestión de la privacidad de los datos personales y sanitarios de los pacientes, solo dos de cada 102 encuestados (1,96%) creen que la introducción de herramientas de IA no tendrá ningún impacto sobre ellos. Por el contrario, la gran mayoría de los encuestados (56,86%) afirmó que podría tener un impacto significativo o incluso sustancial en la protección de dichos datos.
La pregunta abierta sobre tres posibles aplicaciones prácticas de la IA en radiología recibió un total de 137 respuestas. La mayoría de los participantes sugirieron utilizar la IA como herramienta para el cribado de diferentes patologías (23,36%), seguida de la interpretación de imágenes y la elaboración de informes (21,17%), el orden de obtención de imágenes y la programación de pacientes (14,60%), la medicina de precisión (11,68%), la radiómica (8,76%), los estudios de seguimiento (7,30%), la adquisición de imágenes (5,8 %), la planificación de resultados y tratamientos (4,38%) y el posprocesamiento de imágenes (2,92%).
Temores y dudas sobre el uso de la IALa pregunta abierta sobre los temores, necesidades o expectativas respecto al futuro de la radiología reveló diversas razones por las que los profesionales están preocupados por el futuro de sus puestos de trabajo. La mayor preocupación entre la población encuestada era el aumento constante de la carga de trabajo diaria (24,14%), mientras que otras preocupaciones incluían mantenerse al día de las innovaciones y avances en el diagnóstico por imagen (9,48%), el riesgo de no dar con el diagnóstico correcto o de realizar un diagnóstico equivocado (7,76 y 8,62%, respectivamente), mejorar el flujo de trabajo y la precisión diagnóstica, familiarizarse con los avances tecnológicos y elegir el protocolo de diagnóstico por imagen y el tratamiento/manejo adecuados para los pacientes (7,76% cada uno). Solo unos pocos encuestados mencionaron la IA como una posible amenaza.
Aprendizaje sobre la IALas opiniones de los encuestados sobre las actitudes hacia el aprendizaje sobre la IA y su inclusión en el plan de estudios de la residencia se detallan en la tabla 4 del material adicional. La mayoría de los encuestados (68,62%) respondió que le gustaría aprender más sobre la IA aplicada a la radiología, frente al 13,73% que no estaba interesado en hacerlo y al 17,65% que no estaba seguro. La mayoría de las respuestas afirmativas fueron dadas por participantes de los grupos de menor edad, pero no se encontraron diferencias significativas entre todos los grupos de edad (p=0,80), experiencia profesional (p=0,74) o sexo (p=0,78). Además, según la gran mayoría de los encuestados (92,16%) la formación específica en IA debería incluirse en el plan de estudios de los residentes de radiología sin diferencias entre grupos de edad (p=0,80) ni de sexo (p=0,23) pero con una diferencia significativa en la experiencia profesional (p <0,05). Entre las 54 respuestas de los participantes dispuestos a profundizar en aspectos más específicos de la IA, la mayoría expresó su interés por conocer sus aplicaciones básicas (53,70%) o sus aplicaciones en campos específicos de la radiología (27,78%). Los encuestados también mostraron interés por explorar las ventajas e inconvenientes previstos, la viabilidad de la implantación de la IA en la práctica diaria y las consecuencias a las que se enfrentará la profesión de radiólogo en el futuro en términos legales/éticos o desde el punto de vista económico.
DiscusiónNuestro estudio es, según nuestro conocimiento, el segundo más amplio realizado en España sobre el tema de la IA entre radiólogos y residentes, después del estudio de Eiroa et al., que fue el primero en explorar la comprensión de la terminología de la IA y la necesidad de una formación estructurada sobre IA entre los profesionales españoles10. A diferencia del estudio de Eiroa, nuestro objetivo era investigar los conocimientos y actitudes sobre las TIC y la IA, examinando específicamente las diferencias generacionales entre los baby boomers, la generación X y la generación Y. De hecho, estas cohortes generacionales poseen cualidades distintas influidas por los avances tecnológicos y los cambios en la sociedad14.
La distribución por sexos de la población que participó en nuestra encuesta refleja un ligero predominio de mujeres en concordancia con el último informe de la Sociedad Española de Radiología Médica (SERAM) sobre la presencia de mujeres en Radiología, que indica que el 54% de los miembros de la SERAM son mujeres15. Clasificamos las edades de los participantes en tres grupos en función de los tramos generacionales, tal y como se ha establecido previamente14. Dividimos intencionadamente a los participantes en grupos de edad para explorar las posibles variaciones en los conocimientos y actitudes hacia las TIC y las herramientas de IA en las distintas cohortes generacionales, incluidos los baby boomers (> 55 años), la generación X (40-55 años) y la generación Y (< 40 años). Esta categorización se diseñó para evaluar si las distintas características generacionales influían en las perspectivas de los participantes sobre las TIC y la IA.
Aunque no se encontraron diferencias significativas en estas categorías, la autoevaluación de los radiólogos con respecto a la experiencia en IA y TIC reveló diferencias dignas de mención. Los encuestados del grupo de mayor edad y con más experiencia laboral afirmaron comprender mejor las TIC y la IA; esto puede atribuirse a la experiencia práctica a través de años de práctica diaria. Sorprendentemente, más del 45% de los residentes en radiología reconocieron que solo tenían un conocimiento rudimentario de las TIC y la IA. Esto podría deberse a que los residentes o los programas universitarios de radiología no exigían una formación reglada sobre la IA, una tendencia observada en encuestas similares realizadas en otros países16–18.
Además, también surgieron diferencias significativas cuando se examinaron los grupos de sexo: los radiólogos varones más jóvenes tienen mayor comprensión de las TIC y la IA que sus homólogos femeninos. Esto puede explicarse por el menor interés en general que han mostrado las mujeres por los campos de la ciencia, la tecnología, la ingeniería y las matemáticas (STEM), según informan Sainz et al.19, un problema que suscita preocupación en las instituciones educativas y en el diseño de sus planes de estudios20. Aunque la mayoría afirmó tener conocimientos de IA y TIC, ninguno de los grupos considerados mostró una buena comprensión de conceptos como Python, Black box, IA fuerte/general frente a estrecha/débil, o radiómica. Esto sugiere que las habilidades TIC percibidas probablemente sean subjetivas, según la participación de cada individuo en tareas basadas en la tecnología. A diferencia de la opinión común, la mayoría de los encuestados consideraron la introducción de la IA en radiología como una oportunidad para nuestra profesión, lo que concuerda con los resultados obtenidos en la encuesta realizada por van Hoek et al., en la que la mayoría de los radiólogos afirmaron que la IA debería utilizarse en radiología21. Sin embargo, en otro estudio realizado por Huisman et al., los participantes mostraron una disposición globalmente diferente hacia la IA, ya que hasta el 38% de la población encuestada manifestó su temor a que los radiólogos acabaran siendo sustituidos por la IA en el futuro11. La variación en las actitudes hacia la IA entre nuestro estudio y los demás podría atribuirse a varios factores. En primer lugar, nuestro cuestionario se dirigía exclusivamente a especialistas y residentes de radiología españoles, mientras que otras encuestas incluían a un grupo más amplio y potencialmente más diverso de profesionales de diferentes regiones geográficas. En segundo lugar, el momento de la realización de nuestra encuesta probablemente influyera en una visión más positiva de la IA. La rápida escalada de las tecnologías IA en los últimos tiempos, que ha repercutido en diversos sectores de la sociedad, incluida la sanidad, puede haber contribuido a un cambio en la percepción de los profesionales. Por último, señalamos que nuestra encuesta evitó dar connotaciones negativas directas (es decir, términos como miedos o amenazas) a las preguntas relacionadas con la IA o mencionar la idea de que la IA sustituiría a la pericia humana, dejando a los participantes que expusieran libremente su opinión desde una posición neutral. En la pregunta sobre cómo podría cambiar la IA nuestra profesión, una gran proporción de los encuestados (73,5%) respondió que la IA tendrá un efecto perturbador o importante en la radiología, lo que coincide con la percepción general de los participantes en otros estudios22,23. Teniendo en cuenta que en la encuesta realizada por la Sociedad Europea de Radiología (ESR) no se llegó a ningún acuerdo sobre cómo puede repercutir la IA en el mercado laboral o en la carga de trabajo11, decidimos no investigar las subespecialidades específicas de la radiología en las que se esperan cambios importantes. Cuando se les preguntó por las posibles aplicaciones de la IA en la práctica clínica, la mayoría de los encuestados se mostraron a favor de su uso en el cribado de diversas patologías (p. ej., cáncer de mama o cáncer de pulmón), y algunos sugirieron mejoras en el orden de las pruebas y la programación de los pacientes. En particular, el 37,9% de los participantes propuso la IA como herramienta para ayudar a los radiólogos a evitar tareas repetitivas y propensas a errores, como la lectura de cribados, o a reducir responsabilidades no diagnósticas como la revisión de la programación y el orden de las pruebas de imagen. Algunos estudios ya han evaluado la posible aplicación del software de IA en escenarios de cribado específicos, como en el diagnóstico por imagen de la mama. También hay estudios en curso que exploran la interpretación automatizada de radiografías normales de tórax mediante software de IA para reducir la carga de trabajo de los radiólogos24–28. En cuanto al uso potencial de los software de IA para solicitar las pruebas de imagen y la programación de los pacientes, los algoritmos aún están en su fase inicial, pero las perspectivas son prometedoras29. La mayoría de los encuestados coincidieron en la necesidad de que los radiólogos profundicen en la IA para que comprendan no solo sus aplicaciones básicas, sino también su uso en campos específicos de la radiología, incluidos los algoritmos que pueden utilizarse en la práctica diaria. Estos resultados ponen de manifiesto el continuo interés de los radiólogos por la tecnología puntera y su deseo de mantenerse al día. En base en la literatura reciente, debería incluirse una formación específica en IA en los planes de estudios de los residentes de radiología o incluso en los programas de pregrado de las facultades de medicina de todo el mundo. Esto subraya la necesidad urgente de una formación más extensa sobre los usos potenciales de la IA10,30,31. En la actualidad, solo unas pocas encuestas indagan sobre las necesidades y los temores de los radiólogos de cara al futuro. La literatura existente se centra predominantemente en sus perspectivas respecto a la influencia de la IA en su profesión y en si mantienen una visión escéptica u optimista. Nuestra encuesta reveló un sentimiento generalmente positivo hacia la integración de las nuevas tecnologías en radiología. La mayoría de los participantes expresaron su apoyo a la incorporación de la IA a la práctica radiológica, en consonancia con los hallazgos de cuestionarios similares31–34. Entre las 116 respuestas recogidas sobre las preocupaciones futuras en radiología, solo cuatro mencionaron la preocupación por ser sustituidos por la IA. Cabe destacar que este resultado difiere significativamente de las conclusiones del estudio de Eiroa et al., los cuales indicaron que el 25,1% de los radiólogos expresaron su preocupación por la pérdida de empleo debido a la IA10. Por otro lado, la principal preocupación según nuestros encuestados era la intensa carga de trabajo y su drástico aumento previsto para los próximos años. De hecho, esta cuestión ya se ha abordado en múltiples estudios realizados en todo el mundo6,35,36 y se ha descrito con detalle en el informe sobre el censo de personal del Reino Unido elaborado por el Real Colegio de Radiólogos para el año 202037.
En la actualidad, la FDA ha aprobado más de 500 dispositivos médicos basados en la IA y se espera que supongan un punto de inflexión para reducir la carga de trabajo clínico. Todos y cada uno de los pasos del flujo de trabajo radiológico pueden mejorarse con la IA38. Por ejemplo, los algoritmos informáticos pueden emplearse para ayudar a seleccionar la prueba diagnóstica por imagen más adecuada, mejorar la adquisición de las imágenes y el procesamiento de imágenes crudas, potenciar el posprocesamiento de imágenes (como la segmentación de imágenes, las reconstrucciones de imágenes multidimensionales, etc.) e incluso proporcionar apoyo en la redacción de informes39.
No obstante, la adopción de los software de IA en la práctica clínica sigue enfrentándose a importantes obstáculos en todo el mundo. Se han señalado varias razones por las que los departamentos de radiología son menos proclives a adoptar la IA. Entre ellas se incluyen las consecuencias éticas y jurídicas debidas a la ausencia de un marco regulador claro tanto a nivel nacional como internacional, la falta de conocimientos y formación específicos sobre IA, las limitaciones de la infraestructura digital y la desconfianza generalizada de las partes interesadas y las autoridades sanitarias11. Además, como se destaca en nuestra encuesta, existen preocupaciones como la privacidad de los datos sanitarios que pueden limitar su uso generalizado en la práctica clínica. Según la encuesta del ESR, solo un pequeño porcentaje de radiólogos que emplean la IA informan de una reducción significativa de la carga de trabajo40. Por último, el escepticismo sobre las capacidades de diagnóstico de la IA también se ha documentado como una barrera importante para el uso generalizado de la IA en radiología41.
Nuestro estudio tiene algunas limitaciones. Una de ellas está estrechamente relacionada con el método de distribución abierta empleado para la encuesta. Este enfoque dificulta la determinación exacta de la población objetivo que recibió el cuestionario. En consecuencia, las respuestas recogidas podrían no representar plenamente las opiniones generales de los radiólogos españoles.
Además, entre los que respondieron al cuestionario, los participantes pueden haber sido principalmente radiólogos con un interés especial en el tema y con opiniones más optimistas en comparación con los que no respondieron, lo que introduce un posible sesgo de selección en nuestro estudio.
ConclusiónLa IA es una tecnología en rápido crecimiento con un potencial transformador y disruptivo en muchos sectores de nuestra sociedad, entre ellos la sanidad y la radiología. Hemos observado una actitud generalmente positiva hacia la tecnología de IA entre los radiólogos españoles. Muchos radiólogos que participaron en nuestra encuesta no parecían preocupados por las consecuencias legales del uso de software de IA, aunque expresaron su preocupación por la privacidad de los datos sanitarios de los pacientes.
Muchos de los encuestados fueron incapaces de responder correctamente a preguntas específicas sobre la IA y consideramos que una comprensión sólida de los fundamentos de la IA es crucial para evaluar adecuadamente los riesgos y beneficios potenciales de la implantación de esta moderna tecnología en la rutina clínica diaria. Aconsejamos que se diseñe e implemente con la mayor brevedad un programa especializado de formación en radiología para médicos jóvenes y residentes, con el fin último de proporcionar a las nuevas generaciones de especialistas las habilidades y conocimientos esenciales para ser competitivos en el escenario dinámico de la radiología, sin miedo a quedarse atrás.
- •
Los grupos de edad diferían en cuanto a conocimientos sobre la IA; los radiólogos menores de 55 años tenían un mejor dominio.
- •
La mayoría de los encuestados veían la introducción de algoritmos de IA como una oportunidad para los radiólogos.
- •
Adquirir una comprensión profunda de los fundamentos de la IA puede ayudar a los radiólogos a evaluar los riesgos y beneficios asociados a la IA.
- 1.
Responsable de la integridad del estudio: AC y PP.
- 2.
Concepción del estudio: AC.
- 3.
Diseño del estudio: AC.
- 4.
Obtención de los datos: AC y GM.
- 5.
Análisis e interpretación de los datos: PP y GM.
- 6.
Tratamiento estadístico: PP.
- 7.
Búsqueda bibliográfica: AC, GM, SA y PP.
- 8.
Redacción del trabajo: AC, GM, SA y PP.
- 9.
Revisión crítica del manuscrito con aportaciones intelectualmente relevantes: AC, GM, SA y PP.
- 10.
Aprobación de la versión final: AC, GM, SA y PP.
Ninguna.
Conflicto de interesesLos autores no tienen ningún conflicto de intereses qué declarar que sea relevante para el contenido de este artículo.
Los autores dan las gracias a todos los radiólogos y residentes que compartieron o respondieron a la encuesta, así como a la Dra. Ángela Patricia Salazar Gómez, que colaboró en su redacción.
