Priorización de radiografías de tórax basada en IA en la vía diagnóstica del cáncer de pulmón: ensayo aleatorizado LungIMPACT

Por qué este estudio importa a los pacientes

El cáncer de pulmón es uno de los más mortales en parte porque con frecuencia se detecta en fases avanzadas. Muchos esperan que la inteligencia artificial pueda señalar rápidamente las radiografías de tórax preocupantes para que las personas reciban antes las pruebas y el tratamiento necesarios. Este gran ensayo evaluó si usar IA para adelantar las radiografías sospechosas en la cola de trabajo del Servicio Nacional de Salud del Reino Unido aceleraría realmente el diagnóstico del cáncer de pulmón. La respuesta ofrece un control de la realidad importante sobre cómo debe emplearse la IA en la atención sanitaria cotidiana.

Cómo se detecta habitualmente el cáncer de pulmón

Para muchas personas, el primer paso hacia un diagnóstico de cáncer de pulmón es una radiografía de tórax solicitada por el médico de cabecera. Si la radiografía parece anómala o el paciente tiene alto riesgo, debería realizarse a continuación una exploración más detallada llamada TAC y ver a especialistas con rapidez. Las guías nacionales en Inglaterra recomiendan que idealmente una TAC se haga en un plazo de tres días tras una radiografía sospechosa, pero la presión sobre los equipos y el personal suele causar retrasos. Estas esperas pueden empeorar los resultados y causar gran ansiedad en los pacientes que quedan pendientes de sus resultados.

Qué se esperaba que hiciera el sistema de IA

Los investigadores probaron un programa de IA que examina las radiografías de tórax tan pronto como se realizan. En algunos días, si la IA consideraba que una radiografía podía ser anómala, ese caso se adelantaba al principio de la lista de trabajo de radiología para una revisión humana rápida. En otros días, las marcas de la IA seguían siendo visibles para el personal, pero no había priorización especial. Se incluyeron más de 93 000 radiografías de casi 87 000 adultos en cinco grupos hospitalarios del NHS. Las preguntas principales eran si la priorización por IA acortaba el tiempo hasta las TAC y hasta los diagnósticos confirmados de cáncer de pulmón en comparación con la práctica habitual.

Qué encontró realmente el ensayo

A pesar de la envergadura del estudio, la priorización por IA no aceleró los pasos clave en la vía del cáncer de pulmón. Entre más de 13 000 personas que se realizaron una TAC, la espera típica desde la radiografía hasta la TAC fue de 53 días tanto si se usó priorización por IA como si no. Entre las 558 personas diagnosticadas con cáncer de pulmón, el tiempo medio desde la radiografía hasta el diagnóstico fue de alrededor de mes y medio en ambos grupos. Tampoco hubo diferencias significativas en la rapidez de las derivaciones urgentes, en el inicio del tratamiento o en la etapa en que se detectaron los cánceres de pulmón. La IA sí ayudó a acortar el tiempo desde la radiografía hasta el informe escrito, pero esta reducción no fue lo bastante grande como para cambiar lo que ocurría después para los pacientes.

Qué acertó y qué falló la IA

El equipo examinó detenidamente los casos en los que la IA y los lectores humanos discrepaban. Tales desacuerdos ocurrieron en aproximadamente una de cada tres radiografías. Revisoras y revisores expertos juzgaron que en casi una cuarta parte de estos casos discordantes había hallazgos importantes que requerían alguna acción, incluidos muchos cánceres detectados posteriormente. En general, la IA detectó la mayoría de los cánceres en categorías como sombras evidentes, pero también produjo un número notable de falsas alarmas y pasó por alto una pequeña fracción de cánceres, sobre todo nódulos sutiles. Estos controles adicionales pueden aumentar la carga de trabajo del personal ya ocupado y provocar fatiga por alertas, cuando las advertencias frecuentes hacen que la gente responda menos con el tiempo.

Qué significa esto para el futuro de la IA en las clínicas

El mensaje principal de este ensayo es que simplemente usar IA para reorganizar las radiografías en la cola de informes no acelera, por sí solo, el diagnóstico del cáncer de pulmón en una vía sanitaria ya establecida. Cualquier beneficio de lecturas informáticas más rápidas se vio limitado por cuellos de botella del mundo real, como la disponibilidad de escáneres y la capacidad de las consultas. Los autores concluyen que las herramientas de IA para radiografías de tórax no deberían desplegarse únicamente para la priorización de listas de trabajo en este contexto. En su lugar, los esfuerzos futuros deben explorar cómo combinar la IA con cambios más amplios en la vía, como decisiones el mismo día y pruebas agrupadas, y cómo puede apoyar mejor —en lugar de reemplazar— el juicio humano cuidadoso.

Cita: Woznitza, N., Smith, L., Rawlinson, J. et al. AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial. Nat Med 32, 1737–1744 (2026). https://doi.org/10.1038/s41591-026-04253-5

Palabras clave: cáncer de pulmón, radiografía de tórax, IA médica, vías diagnósticas, ensayos clínicos