Transferencia de sesgos y sesgo de automatización en radiología con inteligencia artificial

Abstract

El presente trabajo analiza el impacto de la inteligencia artificial (IA) en el campo de la radiología, centrándose en dos problemáticas relevantes: la transferencia de sesgos y el sesgo de automatización. La incorporación de sistemas basados en inteligencia artificial ha permitido mejorar la eficiencia en el análisis de imágenes médicas, optimizar la detección temprana de patologías y apoyar los procesos de toma de decisiones clínicas. Sin embargo, su implementación también plantea desafíos relacionados con la calidad de los datos utilizados para entrenar los algoritmos y con la confianza que los profesionales pueden depositar en las recomendaciones generadas por estos sistemas. El objetivo de esta investigación es analizar cómo la transferencia de sesgos y el sesgo de automatización pueden influir en la práctica radiológica y afectar la precisión diagnóstica. Para ello, se desarrolló una investigación con enfoque cualitativo, de tipo descriptivo y documental, basada en la revisión de literatura científica relacionada con inteligencia artificial, radiología, sesgos algorítmicos y ética en salud. Los resultados evidencian que la transferencia de sesgos puede producirse cuando los algoritmos son entrenados con datos poco representativos o con errores, generando diferencias en el rendimiento diagnóstico entre diversos grupos poblacionales. Asimismo, el sesgo de automatización puede llevar a que los profesionales de la salud otorguen una confianza excesiva a las recomendaciones emitidas por los sistemas de inteligencia artificial, disminuyendo el análisis crítico y aumentando el riesgo de errores diagnósticos. Se concluye que la inteligencia artificial debe ser utilizada como una herramienta de apoyo clínico que complemente el juicio profesional del radiólogo. Palabras Clave: inteligencia artificial, radiología, transferencia de sesgos, sesgo de automatización, apoyo clínico, diagnóstico por imágenes.