Hay un número que lo dice todo: el 30% de los cánceres de mama no son detectados en el screening convencional. A eso se suma la fatiga visual de los radiólogos, la alta variabilidad humana en la interpretación de imágenes y los falsos negativos en una de cada cinco mamografías. El problema no es de voluntad ni de recursos humanos —es estructural. Y la inteligencia artificial está empezando a resolverlo.
La Cámara de Instituciones de Diagnóstico Médico (CADIME) organizó un seminario virtual donde bioingenieros de Entelai y Tecnoimagen presentaron los resultados concretos de implementar IA en el diagnóstico por imágenes en hospitales públicos argentinos.
El dato más contundente lo aportó Martín Sánchez, representante de Entelai para América Latina: en algunas experiencias de implementación ya se redujo a la mitad el tiempo de revisión de mamografías que no presentaban hallazgos. Menos tiempo en los negativos significa más tiempo y atención para los casos que sí lo requieren.
Cómo funciona en la práctica
La tecnología de Entelai —validada con más de 1.000.000 de estudios de imágenes— se integra directamente al flujo de trabajo de los hospitales a través de sus sistemas RIS y PACS. En modo Triage, el análisis de una mamografía tarda menos de 5 minutos, identifica microcalcificaciones y nódulos, y genera reportes automatizados y estandarizados con una sensibilidad mayor al 95%. También funciona como segunda opinión para seleccionar pacientes candidatos a ecografía o tomosíntesis, y en radiografía de tórax ofrece mapas de calor que asisten en la detección de anomalías.
Los casos de uso dominantes hoy son tres: el screening masivo oncológico, la automatización de reportes clínicos y el triage en servicios de emergencia. En todos los casos, el objetivo es el mismo —acelerar el flujo de trabajo sin reemplazar al médico, sino asistirlo.
El modelo que hizo posible la adopción masiva
La pregunta obvia es cómo 77 hospitales públicos argentinos lograron adoptar esta tecnología. La respuesta la dieron Antonio Morales y Ernesto Ridel, de Tecnoimagen: eliminando la barrera de entrada del hardware importado y adoptando un modelo de pago por estudio —es decir, transformando el gasto de capital en gasto operativo. Los números que presentaron son difíciles de ignorar: 90% de ahorro en costos de infraestructura inicial, 40% en costos de almacenamiento masivo y 43% en el costo total de propiedad a lo largo del ciclo de vida del servicio, con ciberseguridad de grado bancario incluida.
Esos 77 hospitales ya llevan procesados con IA un total de 21.042 análisis históricos únicos. Es el 1,55% del total de estudios —todavía bajo, pero suficiente para que Morales afirme sin dudar que el empleo de inteligencia artificial como asistente del diagnóstico médico "ya es una realidad en la Argentina."
El camino que describe Sánchez tiene tres etapas: primero la modernización de los sistemas PACS y la gestión centralizada de imágenes en red; luego la adopción de algoritmos integrados para apoyo diagnóstico; y finalmente la optimización continua —etapa que los hospitales todavía están transitando. En otras palabras, esto recién empieza.
