¿Cómo ayuda la IA a la automatización y eficiencia de la radiología?
¿Los flujos de trabajo rutinarios de radiología pueden ser más rápidos, precisos y menos engorrosos? Con el auge de la inteligencia artificial (IA), la respuesta es sí. A medida que aumentan los volúmenes de imágenes y aumentan las restricciones de personal, la IA se está convirtiendo en una herramienta clave para ayudar a los equipos de radiología a gestionar y automatizar las tareas repetitivas con rapidez y coherencia.
Las aplicaciones radiológicas de IA ahora ayudan con la clasificación de casos, el análisis de imágenes, la generación de informes y otros procesos rutinarios que a menudo consumen un tiempo valioso. Al automatizar estas tareas, los radiólogos pueden centrarse en los casos de alta complejidad y, al mismo tiempo, mantener las expectativas de calidad y respuesta. La IA no reemplaza el juicio clínico. Por el contrario, la respalda con datos fiables que mejoran la eficiencia y la confianza en el diagnóstico.
Este artículo explora cómo la IA agiliza los flujos de trabajo rutinarios de radiología. Analizaremos las tareas más comunes basadas en la IA, las principales ventajas, como la rapidez en la elaboración de informes y la reducción de las tasas de error, y las limitaciones que las prácticas deben tener en cuenta. A lo largo del camino, haremos referencia a estadísticas e información del mundo real para ofrecer una visión completa del creciente papel de la IA en la radiología.
La necesidad de automatización en radiología
A medida que los volúmenes de imágenes siguen aumentando y los equipos de radiología se enfrentan a una presión cada vez mayor para obtener resultados más rápidamente, la automatización se ha convertido en un imperativo tanto clínico como operativo. Los radiólogos tienen la tarea de gestionar flujos de trabajo cada vez más exigentes en un contexto de escasez de personal y un agotamiento cada vez mayor. Al automatizar los procesos repetitivos, la IA ayuda a mantener la coherencia y la calidad, incluso en entornos de alta presión.
Aumento de la demanda y escasez de radiólogos
A nivel mundial, los radiólogos escasean. El volumen de los estudios de diagnóstico por imágenes aumenta hasta 5 por ciento anual, mientras que el número de radiólogos capacitados no sigue el ritmo. Solo en los Estados Unidos, se proyecta una escasez de hasta 42.000 radiólogos para 2033. En toda Europa, el El NHS del Reino Unido informa de un déficit laboral del 30 por ciento, y algunos países de bajos ingresos tienen menos de dos radiólogos por millón de personas. A medida que la brecha se amplía, los departamentos de radiología se ven presionados para hacer más con menos recursos.
Tareas rutinarias que consumen mucho tiempo
Las tareas como las mediciones, las comparaciones, el etiquetado de imágenes y la redacción de informes exigen tiempo, pero no siempre requieren una interpretación de alto nivel. La automatización de estos pasos repetitivos ayuda a los radiólogos a priorizar los casos complejos y a dedicar más atención a la toma de decisiones clínicas. Soluciones como Omega AI® y PowerServer™ permiten la clasificación inteligente, la segmentación automática y la gestión inteligente de las listas de trabajo que direccionan los estudios en función de la urgencia, todo lo cual contribuye a una prestación de atención más rápida y eficiente.
Agotamiento y error humano
El agotamiento continúa afectan a más del 45 por ciento de los radiólogos, impulsada por largas horas de trabajo y cargas administrativas. La fatiga aumenta el riesgo de errores humanos, especialmente durante los turnos de gran volumen o nocturnos. El análisis de imágenes basado en inteligencia artificial ayuda a los radiólogos a detectar hallazgos críticos, posibilitar la priorización y respaldar los flujos de trabajo de segunda lectura. Cuando se integra cuidadosamente, la IA mejora la confianza en el diagnóstico y contribuye a una atención más segura y eficiente.
Estas ventajas reflejan la visión más amplia beneficios de la inteligencia artificial en radiología, donde el análisis y la automatización de imágenes ayudan a reducir la variabilidad del diagnóstico, acelerar los flujos de trabajo y respaldar una atención de alta calidad centrada en el paciente sin comprometer la supervisión clínica.
Tareas de radiología automatizadas impulsadas por IA
La inteligencia artificial está transformando el flujo de trabajo diario de los departamentos de radiología al automatizar las tareas rutinarias y repetitivas que antes consumían tiempo y atención valiosos. La IA mejora la precisión, acelera las revisiones de casos y facilita que los equipos de radiología dediquen más atención a los casos de alta complejidad y a la toma de decisiones clínicas.
Análisis y detección de imágenes
Los algoritmos de IA se entrenan con grandes volúmenes de datos de imágenes anotados para identificar patrones asociados con anomalías como tumores, fracturas, hemorragias y nódulos pulmonares. Mediante el uso de modalidades como la tomografía computarizada, la resonancia magnética y la radiografía, estas herramientas analizan rápidamente los conjuntos de imágenes y destacan las regiones de interés para su posterior revisión.
Al escanear miles de estudios con gran precisión, la IA mejora la velocidad y la coherencia del diagnóstico. Los estudios revisados por pares informan que los modelos basados en Yolo han logrado hasta Precisión del 98,7% en la detección de nódulos pulmonares en tomografías computarizadas[1]. Este nivel de rendimiento permite a los radiólogos centrarse más en la interpretación avanzada y el diagnóstico diferencial, lo que contribuye a obtener mejores resultados clínicos y a aumentar la confianza en el diagnóstico.
Clasificación del flujo de trabajo y priorización de casos
Las plataformas de triaje con IA analizan los estudios de imágenes entrantes en tiempo real y los clasifican automáticamente según la urgencia y la relevancia clínica. Los hallazgos críticos, como la sospecha de un accidente cerebrovascular, un neumotórax o una hemorragia intracraneal, se priorizan y ocupan un lugar prioritario en las listas de trabajo de los radiólogos. Cada centro puede personalizar los estados para reflejar los protocolos y prioridades clínicas locales. Estos sistemas inteligentes se integran directamente en el RIS, el PACS y las plataformas de imágenes empresariales para mantener una continuidad fluida del flujo de trabajo.
Esta automatización es particularmente vital en los centros de radiología de emergencia y de diagnóstico por imágenes de gran volumen, donde las demoras en la interpretación y la subestimación de las enfermedades de alto riesgo pueden retrasar la atención médica urgente. Por ejemplo, la interpretación de las radiografías de tórax asistida por inteligencia artificial ha ayudado a reducir los tiempos de respuesta promedio de De 11,2 días a 2,7 días[2], que ilustra el valor operativo y clínico de la priorización automatizada. Este enfoque mejora el tiempo necesario para el diagnóstico, mejora la productividad de los radiólogos y reduce la duración de la estancia de los pacientes de alto riesgo. La IA en la medicina de urgencias permite ver los casos críticos con listas de trabajo en las que se muestran los casos más críticos, en lugar de «el primero en llegar, el primero en ser leído».
Segmentación y anotación
Las herramientas de IA ahora gestionan tareas como la segmentación de lesiones, el etiquetado anatómico automatizado y la identificación de regiones de interés con una precisión impresionante. Estas funciones reducen el esfuerzo manual y mejoran la coherencia de las anotaciones de las imágenes entre los radiólogos y las instituciones.
La segmentación automatizada desempeña un papel fundamental en la planificación quirúrgica, la segmentación de la radioterapia y el seguimiento de la respuesta al tratamiento. Por ejemplo, los sistemas compatibles con la IA pueden calcular el volumen de los tumores, marcar puntos de referencia anatómicos o rastrear la progresión de la enfermedad a lo largo del tiempo. Este nivel de automatización garantiza la reproducibilidad, apoya la medicina de precisión y reduce la variabilidad en los flujos de trabajo clínicos complejos.
Al estandarizar las anotaciones y minimizar la entrada manual, la IA también reduce la variabilidad entre observadores, un factor clave para el acuerdo diagnóstico y los estudios longitudinales.
Generación de informes y documentación
Los sistemas impulsados por inteligencia artificial pueden extraer datos estructurados de los estudios de imágenes y generar borradores de informes para que los radiólogos los revisen y finalicen. El procesamiento del lenguaje natural (PNL) mejora aún más este proceso al convertir los hallazgos médicos en resúmenes concisos y legibles con menos dictados.
Los algoritmos de PNL son particularmente útiles para transformar notas orales o escritas en informes radiológicos estructurados. De RamSoft Omega AI® y PowerServer™ integre las herramientas de reconocimiento de voz con plantillas de informes estructuradas para completar automáticamente las impresiones de diagnóstico, las mediciones y los detalles del procedimiento. Los procesos de IA también automatizan la comparación y la selección de plantillas, el mapeo de dictados de los hallazgos clave y la generación automática de códigos de facturación.
Esto reduce la carga cognitiva de los radiólogos y minimiza los errores administrativos.
Las clínicas que adoptan herramientas de elaboración de informes asistidas por IA han registrado avances cuantificables tanto en velocidad como en precisión. Los radiólogos pueden finalizar los informes de manera más eficiente, cumplir con los acuerdos de nivel de servicio y dedicar más tiempo a comunicar los hallazgos a los médicos remitentes. En entornos de procesamiento de imágenes de gran volumen, este nivel de automatización mejora significativamente la entrega de informes y permite una continuidad de la atención más fluida.
Beneficios de la IA para la eficiencia en radiología
La inteligencia artificial mejora más que solo los flujos de trabajo. Ayuda a los departamentos de radiología a brindar una atención más rápida, uniforme y consciente de los recursos. A medida que aumenta el volumen de pacientes y se pide a los equipos que hagan más con menos recursos, la IA actúa como una herramienta estratégica que aborda las ineficiencias y mejora la forma en que se prestan los servicios de diagnóstico por imágenes. Las siguientes áreas demuestran cómo la IA contribuye de manera significativa a la eficiencia operativa en los entornos radiológicos modernos.
Velocidad aumentada
La IA mejora la eficiencia del escaneo al reducir el tiempo entre la adquisición de imágenes y el diagnóstico, automatizando los primeros pasos del proceso de interpretación. En lugar de revisar cada imagen manualmente, los radiólogos pueden confiar en los algoritmos de inteligencia artificial para analizar previamente los estudios, destacar los hallazgos clave y clasificar los casos en función de la urgencia clínica y, luego, enviar el estudio a la especialidad del radiólogo. En sistemas hospitalarios o redes de teleradiología con mucho tráfico, esta funcionalidad es fundamental para mantener las expectativas de nivel de servicio.
La IA también ayuda a eliminar el atraso al gestionar los casos rutinarios con mayor rapidez, lo que mejora el rendimiento general de los pacientes. Los tiempos de revisión más rápidos permiten reducir los plazos de presentación de informes y tomar decisiones de tratamiento más rápidas, lo que es especialmente importante en los entornos de urgencias y cuidados intensivos.
Precisión y coherencia del diagnóstico
Las plataformas de IA se entrenan en amplios conjuntos de datos y siguen criterios interpretativos coherentes, lo que ayuda a estandarizar el rendimiento del diagnóstico entre los radiólogos y los turnos. Estos sistemas son particularmente eficaces para identificar patrones sutiles que pueden pasarse por alto en entornos con poco tiempo, como las microfracturas, los tumores en estadio temprano o los cambios isquémicos leves.
Como parte del diagnóstico por IA, estas herramientas sirven como segundo lector, lo que aumenta la confianza y reduce los errores de omisión durante la imagen interpretation.AI ayuda a superar los sesgos de lectura, como los sesgos influenciados por el historial, la satisfacción de la búsqueda y las distracciones causadas por una patología.
Este nivel de consistencia es especialmente valioso en los programas de garantía de calidad y el monitoreo de enfermedades a largo plazo, donde las comparaciones precisas a lo largo del tiempo son esenciales.
Reducción de la carga de trabajo administrativa
La IA reduce significativamente el tiempo dedicado a tareas no clínicas, como la documentación y el etiquetado de imágenes. Los radiólogos suelen dedicar horas considerables a tareas administrativas que no requieren interpretación clínica. Con las herramientas de inteligencia artificial basadas en el procesamiento del lenguaje natural y el reconocimiento de voz, gran parte de esta documentación se puede automatizar. Las soluciones ayudan a extraer datos relevantes de las notas de EMR, el historial, los laboratorios y los historiales quirúrgicos, y luego a rellenar automáticamente las plantillas y a redactar los resúmenes de los informes. Esto permite a los radiólogos dedicar más tiempo a revisar casos complejos y a consultar con los médicos remitentes, lo que mejora tanto la productividad como la satisfacción laboral.
Ahorro de costos y optimización de recursos
La IA permite a los departamentos de radiología mejorar la eficiencia sin necesariamente ampliar el personal o la infraestructura. Al reducir los tiempos de respuesta y aumentar la precisión de los informes, la IA ayuda a minimizar la necesidad de repetir las exploraciones y realizar seguimientos innecesarios. Estas mejoras se traducen en un mejor uso de los escáneres, una programación más predecible y un mayor volumen de estudios por día.
Las instituciones que implementan herramientas de IA están mejor posicionadas para satisfacer la creciente demanda sin sacrificar la calidad. Para obtener una visión más profunda de cómo funciona esto en la práctica, explore la clave beneficios de la inteligencia artificial (IA) para imágenes de atención médica.
Limitaciones y riesgos de la IA en radiología
La inteligencia artificial se está convirtiendo en una parte esencial de los flujos de trabajo de radiología modernos, ya que ofrece ganancias significativas en velocidad, precisión y eficiencia. Sin embargo, su implementación introduce nuevas complejidades que exigen una consideración estratégica y una gobernanza sólida. Estos factores deben abordarse para garantizar una implementación segura y eficaz en todos los departamentos de diagnóstico por imágenes, desde la calidad de los datos y la integración de los sistemas hasta los problemas normativos y la aceptación por parte de los médicos.
Calidad de los datos y sesgo algorítmico
La fiabilidad de los modelos de IA depende en gran medida de la calidad y la diversidad de los datos con los que se entrenan. Los conjuntos de datos diversos y de alta calidad son esenciales para crear algoritmos que funcionen de manera confiable en una amplia gama de escenarios clínicos. Cuando los datos de entrenamiento carecen de representación, los modelos pueden producir resultados sesgados o inexactos. Esto puede provocar diagnósticos erróneos o resultados desiguales para las poblaciones de pacientes subrepresentadas.
Además, los errores en los conjuntos de datos etiquetados o las inconsistencias en las anotaciones pueden desorientar los procesos de aprendizaje automático y reducir la precisión del modelo. Los equipos de radiología y los desarrolladores de inteligencia artificial deben invertir en prácticas sólidas de gestión de datos, incluida la validación en varios centros y grupos de pacientes, para mejorar la generalización y minimizar los sesgos. También es necesario volver a capacitar continuamente sobre los modelos con datos nuevos y verificados para mantener la relevancia clínica y la seguridad a lo largo del tiempo.
Integración en los sistemas existentes
Uno de los obstáculos que más se pasa por alto en la adopción de la IA es la complejidad técnica de integrar nuevas herramientas en los flujos de trabajo de radiología establecidos. Muchos departamentos confían en los sistemas PACS, RIS y EHR antiguos, que no están diseñados intrínsecamente para soportar las aplicaciones de inteligencia artificial. Sin una estrategia de integración bien planificada, la introducción de la IA puede crear fricciones e interrumpir la continuidad operativa en lugar de simplificarla.
Una implementación exitosa requiere interoperabilidad con los sistemas existentes y una interrupción mínima del flujo de trabajo clínico. Las herramientas de inteligencia artificial deben conectarse sin problemas al entorno del radiólogo, lo que elimina la necesidad de cambiar entre listas de trabajo y plataformas o volver a introducir los datos manualmente. Aquí es donde una infraestructura de TI sólida y una arquitectura de software adaptable son fundamentales.
De RamSoft PowerServer™ (una suite RIS/PACS basada en la nube) y Omega AI® (una plataforma RIS/PACS/VNA nativa de la nube que ocupa cero espacio) están diseñados para una integración perfecta con cualquier infraestructura de radiología. Ambas cumplen con los estándares del sector, como FHIR, HL7 y DICOM, y se conectan fácilmente con herramientas de terceros, como RADPAIR, Remedy Logic, iCAD, CARPL, Therapixel y NewVue, lo que las hace altamente adaptables a diversos entornos clínicos sin interrumpir los flujos de trabajo existentes.
Para las redes de atención médica que operan en múltiples ubicaciones o especialidades, la arquitectura nativa de la nube de OmegaAI simplifica aún más la integración y el escalado centralizados. Con flujos de trabajo configurables y una amplia compatibilidad, las soluciones de RamSoft permiten a los equipos de TI y a los líderes clínicos adoptar la IA con confianza sin comprometer la seguridad, el flujo de datos o la productividad.
Preocupaciones normativas y éticas
El uso de la IA en un entorno médico plantea importantes cuestiones normativas y éticas. Los datos de los pacientes deben manejarse con medidas de seguridad estrictas para garantizar la privacidad y el cumplimiento de las leyes de salud, como la HIPAA y el GDPR. Los sistemas de IA deben ser transparentes en la forma en que procesan los datos y generan resultados para mantener la confianza tanto entre los médicos como entre los pacientes.
También es necesaria una supervisión ética. Confianza excesiva en las herramientas automatizadas sin una revisión humana adecuada pueden tener consecuencias no deseadas. Los reguladores, las juntas de los hospitales y los desarrolladores deben colaborar para establecer límites claros sobre cómo y cuándo se usa la IA. Esto incluye definir la responsabilidad cuando se producen errores y establecer estándares para la validación de los algoritmos antes de su implementación clínica. La vigilancia continua posterior a la comercialización es igualmente importante para hacer un seguimiento del rendimiento en el mundo real y abordar los riesgos emergentes.
Resistencia a la adopción
A pesar de los prometedores avances en la precisión del diagnóstico y la eficiencia del flujo de trabajo, la resistencia a la IA sigue siendo fuerte entre los radiólogos. En una encuesta de 2024, casi la mitad de los encuestados expresaron su preocupación por el hecho de que la IA pudiera eventualmente reemplazar partes de su trabajo. Estos temores son particularmente frecuentes entre los radiólogos más experimentados, quienes afirman que están menos dispuestos a adoptar la IA en comparación con sus homólogos que están comenzando su carrera.
La transparencia y la confiabilidad de los algoritmos también son barreras persistentes. Según la misma encuesta, el 42,9 por ciento de los radiólogos se preguntó si se podía confiar en la IA en situaciones críticas de diagnóstico.
La literatura también enfatiza que la falta de conciencia, la exposición práctica limitada y la ausencia de estrategias de implementación estructuradas contribuyen a la vacilación continua. Los radiólogos que solo tienen conocimientos básicos sobre la IA tienen muchas más probabilidades de temer su integración, mientras que los que tienen un conocimiento avanzado afirman que tienen una mayor confianza. Esto indica que la educación específica y la participación temprana son fundamentales para mejorar la adopción y la confianza.
Un enfoque colaborativo puede mitigar estas preocupaciones. Cuando los radiólogos participan en la evaluación y el despliegue de las herramientas de inteligencia artificial, es más probable que las consideren ayudas clínicas en lugar de sustituciones. La integración de la IA en el currículo médico y los programas de educación continua no solo aborda las brechas técnicas, sino que también replantea la IA como un aliado en la atención, lo que mejora, en lugar de socavar, el papel del radiólogo.
El futuro de la automatización en radiología
El papel de la IA en la radiología
La inteligencia artificial está transformando la forma en que trabajan los radiólogos al gestionar tareas repetitivas como el análisis de imágenes, la segmentación y los informes estructurados. Estas capacidades permiten a los radiólogos concentrarse en la interpretación, la atención al paciente y la toma de decisiones clínicas. La IA actúa como un socio confiable que ayuda a mejorar la coherencia del diagnóstico, reducir la fatiga y respaldar una atención oportuna y de alta calidad.
Al priorizar los estudios urgentes, extraer las mediciones al instante y organizar los datos de manera eficiente, la IA mejora la velocidad y la precisión del flujo de trabajo de imágenes. Esta asociación permite mejorar la calidad de los informes y reducir los tiempos de respuesta. A medida que los radiólogos se enfrentan al aumento de los volúmenes y la complejidad de las imágenes, la IA proporciona el apoyo necesario para mantener el ritmo sin comprometer los estándares clínicos.
De cara al futuro de la radiología basada en la IA
El futuro de la IA en radiología apunta hacia sistemas más inteligentes, conectados y sensibles al contexto. A medida que la tecnología evolucione, la IA combinará cada vez más las imágenes médicas con otras fuentes de datos clínicos para ofrecer un panorama diagnóstico más completo. Este nivel de integración ayudará a los radiólogos a tomar decisiones aún más rápidas e informadas en tiempo real. La IA beneficia a los pacientes al acortar los tiempos de escaneo y reducir la radiación. Además, la IA se está desarrollando para reducir u omitir los medios de contraste, especialmente en las resonancias magnéticas y las tomografías computarizadas, mediante la generación de imágenes sintéticas posteriores al contraste mediante modelos computacionales basados en la IA.
El crecimiento continuo dependerá de la colaboración en toda la atención médica, desde los radiólogos y los líderes de TI hasta los organismos reguladores y los desarrolladores. Sigue siendo esencial establecer estándares claros de seguridad, transparencia y validación clínica. En un sentido más amplio futuro de la IA en radiología, la automatización no solo aumentará la eficiencia, sino que también fortalecerá la atención a los pacientes mediante una mejor coordinación, una reducción de las demoras y un diagnóstico más fiable.
¿Estás listo para ver la IA en acción?
Descubra cómo RamSoft ayuda a las prácticas de radiología a prosperar en el futuro de la IA en radiología. Nuestras soluciones RIS, PACS y VNA nativas de la nube están diseñadas para acelerar los flujos de trabajo de imágenes, mejorar la confianza en el diagnóstico e integrarse a la perfección con las herramientas que ya utiliza. Con las funcionalidades de inteligencia artificial incorporadas y las infinitas posibilidades de integración, puede optimizar las operaciones, mejorar la colaboración y brindar una atención excepcional con confianza.
Solicita una demostración hoy y explore lo que la automatización inteligente puede hacer por su consultorio.
Preguntas frecuentes
¿Se puede automatizar la radiología?
Sí, muchos aspectos de la radiología se pueden automatizar mediante inteligencia artificial. Si bien reemplazar por completo al radiólogo no es ni la intención ni la realidad, la automatización permite realizar tareas clave como la clasificación de imágenes, la detección de anomalías, las mediciones, la generación de informes y las recomendaciones de seguimiento. Esto permite a los radiólogos dedicar más atención a las tareas de gran valor, lo que mejora tanto la eficiencia como la confianza en el diagnóstico.
¿Cuáles son los beneficios de automatizar las tareas de radiología?
La automatización de las tareas de radiología ofrece beneficios operacionales y clínicos claros. Reduce los tiempos de respuesta, minimiza los errores humanos y aumenta la coherencia de los informes. Los radiólogos dedican menos tiempo a tareas repetitivas, como las mediciones y la elaboración de protocolos, y más tiempo a decisiones diagnósticas complejas. La automatización también ayuda a gestionar los crecientes volúmenes de imágenes, reduce la fatiga y mejora la eficiencia general del flujo de trabajo. En última instancia, los pacientes reciben resultados más rápidos y precisos con menos demoras.
¿Qué puede hacer la IA en radiología?
Las soluciones de imágenes de IA pueden analizar imágenes médicas, detectar anomalías, segmentar estructuras, priorizar casos urgentes y ayudar a generar informes estructurados. Mejora la precisión del diagnóstico al descubrir indicadores sutiles que pueden no percibirse fácilmente durante la revisión manual. La IA también puede detectar inconsistencias, simplificar la documentación y reducir la sobrecarga administrativa.
¿Qué tipos de tareas radiológicas puede automatizar la IA?
La automatización de las tareas de radiología abarca el triaje de imágenes, la detección de anomalías, los cálculos de medición, el llenado previo de informes y las recomendaciones de seguimiento. También contribuye a la automatización del flujo de trabajo al organizar las prioridades de los estudios y optimizar la programación y las operaciones de recepción. Estas funciones automatizadas ayudan a los departamentos de radiología a aumentar el rendimiento, estandarizar los resultados y mejorar la coherencia del diagnóstico en grandes volúmenes de datos de imágenes.
¿Cuántos radiólogos utilizan la IA?
La adopción de la IA en radiología se está acelerando. Según una encuesta de 2024 realizada por la Sociedad Europea de Radiología, el 48% de los radiólogos ya utilizan herramientas de IA en la práctica clínica, y otro 25% planea adoptarlas pronto. Su uso es especialmente elevado en los grandes hospitales y grupos de teleradiología. A medida que aumente la confianza en la IA, se espera que su adopción se extienda en los centros de atención médica de todos los tamaños, lo que respaldará el futuro de la IA en radiología.
Referencias
[1] Abdulqader, A. F., Abdulameer, S., Bishoyi, A. K., Yadav, A., Rekha, M. M., Kundlas, M., Kavitha, V., Aminov, Z., Abdulali, Z. S., Alwan, M., Jawad, M., Mushtaq, H. y Farhood, B. (2025). Aprendizaje profundo multiobjetivo para la detección del cáncer de pulmón en imágenes de tomografía computarizada: mejoras en la clasificación, la localización y la eficiencia diagnóstica de los tumores. Descubra Oncology, 16, 529. https://doi.org/10.1007/s12672-025-02314-8
[2] Irmici, G., Cè, M., Caloro, E., Khenkina, N., Della Pepa, G., Ascenti, V., Martinenghi, C., Papa, S., Oliva, G. y Cellina, M. (2023). Radiografía de tórax en radiología de emergencia: ¿qué aplicaciones de inteligencia artificial están disponibles? Diagnósticos, 13(2), 216. https://doi.org/10.3390/diagnostics13020216
