Índice
Incluido en la revista Ocronos. Vol. IX. N.º 7–Julio 2026.
Pág. Inicial: Vol. IX; N.º 7: 1036
Autor principal (primer firmante): Johana Sánchez Fernández
Fecha recepción: 30/06/2026
Fecha aceptación: 27/07/2026
Ref.: Ocronos. 2026;9(7): 1036
https://doi.org/10.58842/GRIK3788
Autores:
Johana Sánchez Fernández, Cristina Muneta Ibáñez, Joanna Martínez Rudi, Sergio Gil Echávarri, Inés Ordás González y Ainhoa Goñi Bouzourene
Categoría profesional:
Técnico Superior de Imagen para el Diagnóstico (TSID)
Resumen
La Inteligencia Artificial (IA) está transformando el diagnóstico por imagen en mamografía, la cual es considerada la técnica de referencia en el cribado y detección precoz del cáncer de mama, lo que hace que la introducción de estos algoritmos basados en el aprendizaje profundo nos permita mejorar la detección de lesiones sospechosas, optimizando así los tiempos de lectura y aumentando la eficacia de los programas de cribado poblacional. No obstante, el éxito o el fracaso de estas herramientas dependerán en gran medida de la calidad de las imágenes obtenidas y de su correcta aplicación en la práctica clínica.
El Técnico Superior de Imagen para el Diagnóstico (TSID) desempeña un papel fundamental en el proceso, ya que es el responsable de la adquisición de las imágenes diagnósticas de alta calidad y de la adaptación a nuevos entornos tecnológicos. En este artículo vamos a analizar los avances de la IA en mamografía, así como las ventajas del empleo de estos sistemas respecto a los métodos convencionales y que implicaciones puede tener el ejercicio profesional del técnico.
Palabras clave:
Inteligencia Artificial, mamografía, cáncer de mama, cribado mamográfico, calidad de imagen, Técnico Superior de Imagen para el Diagnóstico (TSID)
Introducción
El cáncer de mama constituye el tumor maligno más frecuente en mujeres a nivel mundial y una de las principales causas de mortalidad por cáncer. La detección precoz que se realiza en los programas de cribado mediante el uso de la mamografía ha demostrado ser la estrategia más eficaz para la disminución de la mortalidad asociada a esta enfermedad, permitiendo identificar lesiones en estadios iniciales y aumentando así las posibilidades del paciente de recibir un tratamiento curativo.
Tradicionalmente, la interpretación de las mamografías dependía exclusivamente de la experiencia de los radiólogos, sin embargo, el incremento que se ha producido sobre la demanda asistencial de este tipo de pruebas y la necesidad de mejorar la precisión diagnóstica han favorecido al desarrollo de herramientas basadas en Inteligencia Artificial, las cuales son capaces de analizar imágenes médicas y detectar patrones sugestivos a malignidad.
Es importante que se considere el papel que desempeña el Técnico Superior de Imagen para el Diagnóstico, ya que es el responsable de la adquisición de imágenes de calidad y es una pieza clave en la implementación de estas nuevas tecnologías.
Objetivos
Objetivo general
- Analizar la influencia de la Inteligencia Artificial en la mamografía y que repercusiones puede tener en las funciones y competencias del Técnico Superior de Imagen para el Diagnóstico.
Objetivos específicos
- Comparar las ventajas de la IA frente a los métodos convencionales.
- Describir las aplicaciones actuales de la IA en mamografía.
- Analizar el papel del TSID en la obtención de imágenes aptas para el análisis mediante IA.
- Identificar las nuevas competencias profesionales derivadas de la implantación de estas tecnologías.
- Evaluar los retos éticos, técnicos y organizativos asociados a su utilización.
Material y métodos
Se realizó una revisión bibliográfica narrativa mediante la consulta de artículos científicos, revisiones sistemáticas, documentos de consenso y publicaciones relacionadas con la aplicación de la Inteligencia Artificial en mamografía, seleccionando publicaciones de relevancia científica relacionadas con el diagnóstico mamográfico, los sistemas de IA y el papel de los profesionales implicados en la adquisición de imágenes.
Resultados
Aplicaciones actuales de la inteligencia artificial en mamografía
Los sistemas de IA basados en el aprendizaje profundo son capaces de identificar microcalcificaciones, masas, asimetrías y distorsiones anatómicas con gran precisión. Estas herramientas se emplean como un sistema de apoyo al diagnóstico, ayudando al radiólogo en la detección de hallazgos que podrían pasar desapercibidos durante una lectura convencional.
Además, este sistema permite clasificar los estudios según niveles de riesgo, dándoles prioridad a exploraciones sospechosas y agilizando de esta forma los programas de cribado poblacional, ya que permite dar mayor prioridad a estudios de alto riesgo.
Ventajas respecto a la mamografía convencional
La literatura científica revisada muestra diversas ventajas derivadas de la utilización de los sistemas de IA:
- Incremento de la sensibilidad diagnóstica.
- Optimización de los tiempos de lectura.
- Reducción de falsos negativos.
- Mayor eficiencia en programas de cribado.
- Mejora la detección precoz del cáncer de mama.
- Disminución de la variabilidad entre observadores.
- Posibilidad de establecer un seguimiento más personalizado.
A diferencia de los métodos de obtención de imágenes tradicionales, que generaban alertas poco específicas, los algoritmos actuales presentan una mayor precisión y capacidad de aprendizaje.
El papel del TSID en la mamografía asistida por IA
La introducción de la IA no sustituye el papel del técnico ni reduce su importancia, sino que aumenta la necesidad de obtener imágenes de máxima calidad.
Los algoritmos analizan exclusivamente la información contenida en la imagen; por tanto, cualquier error relacionado con el posicionamiento, la compresión mamaria, la presencia de artefactos o la exposición puede afectar negativamente al rendimiento del sistema.
Entre las funciones del TSID destacan:
- Correcta identificación del paciente.
- Obtención de proyecciones diagnósticas adecuadas.
- Optimización de parámetros técnicos.
- Control de calidad de los equipos.
- Supervisión de la calidad de imagen antes de su procesamiento.
- Detección de incidencias durante la adquisición.
La calidad de los resultados proporcionados por la IA dependerá de la calidad de las imágenes obtenidas por el TSID.
Nuevas competencias profesionales
El uso de estas herramientas digitales requiere la adquisición de nuevas competencias por parte de los técnicos, quienes deberán adquirir formación sobre conocimientos básicos sobre la IA, manejo de plataformas de análisis automatizado, la integración de herramientas de IA en los sistemas RIS y PACS, la interpretación de indicadores de calidad generados por el algoritmo y una formación continuada sobre las tecnologías emergentes.
Estas competencias contribuirán a mejorar la colaboración multidisciplinar entre técnicos, radiólogos e ingenieros biomédicos.
Limitaciones y desafíos
A pesar de sus múltiples beneficios, la IA presenta también ciertas limitaciones:
- Dependencia de bases de datos de entrenamiento.
- Discusiones éticas relacionadas con la protección de datos.
- Posibles sesgos algorítmicos.
- Necesidad de validación continua.
- Riesgo de dependencia tecnológica.
Por estos motivos, la supervisión humana sigue siendo indispensable para garantizar una calidad asistencial y seguridad en los pacientes.
Discusión
La incorporación de la Inteligencia Artificial en mamografía supone uno de los mayores cambios experimentados en el diagnóstico por imagen en las últimas décadas. La implantación de la IA se centró inicialmente en mejorar la capacidad diagnóstica de los radiólogos, aunque se ha comprobado que la calidad de éxito de estas herramientas depende de la calidad del trabajo realizado por el TSID.
La calidad técnica de la mamografía sigue siendo el factor más determinante para la obtención de resultados fiables, ya que el algoritmo no puede compensar errores derivados de un posicionamiento inadecuado o de una adquisición deficiente. En este contexto, el técnico tiene un papel muy importante para garantizar la calidad diagnóstica.
El avance en la digitalización de los servicios sanitarios está impulsando a la creación de nuevos perfiles profesionales con competencias tecnológicas avanzadas y que sean capaces de adaptarse a entornos más automatizados, participando activamente en la validación, optimización y supervisión de los sistemas basados en IA.
Lejos de sustituir a los profesionales, la incorporación de este tipo de tecnologías está redefiniendo las funciones y favoreciendo una práctica asistencial más eficiente, segura y orientada hacia la excelencia diagnóstica.
Conclusiones
La Inteligencia Artificial está modificando la práctica de la mamografía, mejorando la capacidad diagnóstica y optimizando los programas de detección precoz del cáncer de mama.
Sin embargo, a efectividad de estas herramientas dependerá de la obtención de imágenes de alta calidad por parte del Técnico Superior de Imagen para el Diagnóstico, como profesional esencial en este proceso.
La adquisición de nuevas competencias digitales y a adaptación a tecnologías emergentes son aspectos fundamentales para futuros retos profesionales. La integración de la IA no supone la sustitución del técnico, sino una oportunidad de reforzar el papel de este dentro del equipo multidisciplinar, el cual estará cada vez más especializado y tecnológicamente más avanzado.
Referencias bibliográficas
- Lehman CD, Wellman RD, Buist DSM, et al. Diagnostic accuracy of digital screening mammography with and without computer-aided detection. JAMA Intern Med. 2015;175(11):1828-1837.
- McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94.
- Rodríguez-Ruiz A, Krupinski E, Mordang JJ, et al. Detection of breast cancer with mammography: effect of an artificial intelligence support system. Radiology. 2019;290(2):305-314.
- Houssami N, Lee CI. The impact of artificial intelligence on breast imaging. Clin Radiol. 2022;77(1):1-7.
- McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94.
- Yala A, Schuster T, Miles R, et al. A deep learning mammography-based model for improved breast cancer risk prediction. Radiology. 2019;292(1):60-66.
- Doi K. Computer-aided diagnosis in medical imaging: historical review, current status and future potential. Comput Med Imaging Graph. 2007;31(4-5):198-211.
- Lang K, Dustler M, Dahlblom V, Zackrisson S. Artificial intelligence supported screening mammography compared to double reading. Eur Radiol.
- Freer TW, Ulissey MJ. Screening mammography with computer-aided detection. Radiology. 2001;220(3):781-786.
- Dembrower K, Wåhlin E, Liu Y, et al. Effect of artificial intelligence-based triaging of breast cancer screening mammograms on cancer detection and radiologist workload. Lancet Digit Health. 2020;2(9):e468-e474.
- European Society of Breast Imaging (EUSOBI). Artificial intelligence in breast imaging: position paper. Insights Imaging. 2022;13(1):1-14.