Impacto clínico de la Inteligencia Artificial Explicable (XAI) en la optimización y calidad de las imágenes por resonancia magnética: una revisión documental

Abstract

El desarrollo y la integración de algoritmos de inteligencia artificial (IA), especialmente los basados en redes neuronales profundas, han transformado el diagnóstico por imágenes en la resonancia magnética (RM) y la tomografía computarizada (TC). Estos algoritmos permiten una mejora significativa en la calidad de imagen mediante la corrección automática de artefactos, la optimización de la resolución espacial y la reducción de los tiempos de escaneo, lo cual favorece la eficiencia clínica, la precisión diagnóstica y la experiencia del paciente.No obstante, la adopción clínica de estas tecnologías enfrenta desafíos relevantes, como la falta de estandarización, la necesidad de validación rigurosa en contextos reales, la presencia de sesgos en los conjuntos de datos de entrenamiento y la limitada comprensión de los modelos por parte del personal médico. Ante estas limitaciones, la Inteligencia Artificial Explicable (XAI) emerge como un componente crucial para garantizar la transparencia, trazabilidad y confianza en la toma de decisiones automatizadas, particularmente en entornos hospitalarios con recursos limitados o alta carga asistencial. El presente estudio, sustentado en una revisión sistemática de literatura reciente, entre los años 2010 y 2025, analiza el impacto clínico y ético de los algoritmos de IA aplicados a imágenes médicas. Se abordan los beneficios técnicos como la segmentación anatómica precisa y la reducción de variabilidad interobservador y los retos de interpretación clínica, integración operativa y responsabilidad médica. Asimismo, se propone fortalecer la colaboración entre ingeniería, radiología y bioética como condición indispensable para una adopción segura, efectiva y humanizada de la IA en el ámbito diagnóstico.