Estrategia para disminuir los errores diagnósticos en radiología en servicios de urgencias de baja complejidad, mediante el uso de la inteligencia artificial
Cargando...
Fecha
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Los errores diagnósticos en radiología son una fuente importante de eventos adversos en los servicios de urgencias, especialmente en entornos de baja complejidad donde la demanda, la fatiga y la escasez de especialistas aumentan la probabilidad de omisiones e interpretaciones incorrectas. Este estudio propone y describe una estrategia integral para reducir errores diagnósticos en radiología, combinando cinco líneas de intervención: gobernanza y gestión del dato, estandarización de procesos, intervención responsable de tecnología Inteligencia Artificial (IA), educación continua y certificación, y cultura de seguridad. La propuesta se fundamenta en una revisión integrativa de la literatura (52 artículos revisados, 18 seleccionados) y en una encuesta aplicada a 40 médicos de urgencias y radiólogos, cuyo objetivo fue conocer percepciones sobre el uso de IA, nivel de formación y barreras operativas. Los hallazgos confirman que los errores diagnósticos son principalmente perceptivos (60–70%) y que la IA puede disminuir omisiones y mejorar la detección, siempre que exista validación local, gobernanza y formación del personal. La encuesta mostró disposición favorable a la adopción de IA pero señaló necesidades de capacitación, interoperabilidad y garantías éticas. Se propone un plan en fases (preparación, piloto, escalado y sostenibilidad) con protocolos operativos, indicadores de desempeño y un programa formativo certificado. Se concluye que la IA, integrada responsablemente, puede reforzar la seguridad del paciente y la precisión diagnóstica en urgencias de baja complejidad; su impacto dependerá de la gobernanza institucional, la estandarización de procesos y la formación sostenida del personal.
Descripción
Abstract
Diagnostic errors in radiology are a major source of adverse events in emergency departments, particularly in low-complexity settings where high demand, fatigue, and a shortage of specialists increase the likelihood of omissions and misinterpretations. This study proposes and describes a comprehensive strategy to reduce diagnostic errors in radiology through five lines of intervention: data governance and management, process standardization, responsible integration of Artificial Intelligence (AI) technologies, continuous education and certification, and safety culture. The proposal is based on an integrative literature review (52 articles reviewed, 18 selected) and on a survey conducted among 40 emergency physicians and radiologists, aimed at assessing perceptions of AI use, training levels, and operational barriers. The findings confirm that diagnostic errors are predominantly perceptual in nature (60–70%) and that AI can reduce omissions and enhance detection accuracy, provided there is local validation, robust governance, and adequate staff training. The survey revealed a favorable disposition toward AI adoption but highlighted the need for training, interoperability, and ethical safeguards. A phased implementation plan is proposed (preparation, pilot, scale-up, and sustainability), including operational protocols, performance indicators, and a certified training program. The study concludes that responsibly integrated AI can strengthen patient safety and diagnostic accuracy in low-complexity emergency settings; its impact will depend on institutional governance, process standardization, and sustained professional development.
Palabras clave
Inteligencia artificial, Errores diagnósticos, Radiología, Urgencias, Seguridad del paciente