La IA leyó mi resonancia y dijo que no tenía nada; el médico vio un desgarro del 50%
El día que recogió el informe de su resonancia, Antoine estaba sentado en la consulta escuchando al médico: desgarro parcial de grado III (más del 50% de la anchura) en el tendón infraespinoso del hombro derecho, localizado en la inserción distal. Apenas había asimilado el diagnóstico cuando ya había empezado el tratamiento: el aparato de ondas de choque directamente sobre el hombro, y la recomendación de repetir la sesión tres veces.
Todo ocurrió demasiado deprisa. Al salir de la clínica, Antoine tenía un runrún: ¿no se habría precipitado el médico?
Hizo lo que cualquier programador en su lugar habría hecho: metió los 267 MB de datos brutos de la resonancia en una IA. Usó Claude Code con el modelo Opus 4.8: dejó que la IA instalara los paquetes de procesamiento de imagen médica y analizara plano a plano cientos de cortes DICOM. Una hora después, la IA emitió su informe.
El médico dijo «desgarro de más del 50%». La IA dijo «tendón intacto».
Dos conclusiones radicalmente opuestas. ¿A quién creer?
La historia llegó a la portada de Hacker News hace unos días: más de 300 puntos y 403 comentarios. Y la parte más reveladora no está en el artículo original, sino en los comentarios.
El radiólogo dijo una sola frase y todo el mundo se calló
El comentario más votado en HN lo firmaba un radiólogo, usuario sxg. Su primera frase dio justo en el clavo:
«Soy radiólogo, pero sin ver los datos completos de la resonancia en 3D no puedo emitir un juicio real.»
Y a continuación, giró el argumento y señaló algo que Antoine no había percibido en absoluto en su artículo.
Antoine se quejaba de que la clínica, tras una ecografía, dictaminó «sin calcificaciones» y aun así le aplicó ondas de choque. Consultó las guías clínicas con ChatGPT y descubrió que las ondas de choque no están recomendadas para tendinopatías sin calcificación, así que empezó a desconfiar de la profesionalidad de la clínica.
La respuesta del radiólogo sxg despejó todas las dudas:
«La ecografía no es una buena herramienta para evaluar calcificaciones. Puede detectar las grandes, pero se le escapan fácilmente las pequeñas. Una placa simple (rayos X) sería más útil, aunque la resonancia también podría detectarlas. La cuestión clave es que, cuando un informe radiológico dice que un hallazgo “no existe”, siempre lleva implícita una premisa: ese hallazgo no existe dentro de los límites de esta técnica de imagen y de las imágenes obtenidas en esta exploración.»
En otras palabras: un informe de ecografía que dice «no hay calcificaciones» y un informe de rayos X que dice «sí hay calcificaciones» no se contradicen. La ecografía funciona con ondas sonoras y los rayos X con radiación ionizante; sencillamente no ven lo mismo — igual que no puedes usar un telescopio para saber si la comida está salada.
Y este es justamente el defecto central que la IA dejó al descubierto en este episodio.
El problema de la IA es que «no sabe qué está mirando»
Para entender por qué la IA patina con las imágenes médicas, hay que partir de un dato: los grandes modelos de lenguaje (LLM) actuales no han sido diseñados para leer imagen médica.
Han sido entrenados para entender y generar texto. Incluso aunque modelos frontera como Claude y GPT-5.5 tengan capacidades multimodales de «visión», su manera de entender una imagen es radicalmente distinta de la de un radiólogo.
Cuando un radiólogo mira una resonancia, su cerebro ejecuta un razonamiento integrado complejo: ¿qué significa esta sutil variación de intensidad entre este corte y el siguiente? ¿Es normal o anómala la intensidad de señal de esta zona en esta secuencia de adquisición concreta? ¿Qué relevancia clínica tiene este hallazgo a la luz de la edad del paciente, su sexo y su cuadro sintomático? Un LLM, en cambio, cuando procesa una imagen médica, esencialmente empareja patrones de píxeles con asociaciones «imagen-texto» que vio durante su entrenamiento.
En una declaración de posicionamiento publicada por la Sociedad Norteamericana de Radiología (RSNA) en julio de 2025, los expertos enumeraron los principales obstáculos de los LLM en radiología: tendencia a «alucinar» (inventar información que no existe), opacidad de los datos de entrenamiento que impide rastrear los sesgos, y — el más importante — falta de una verdadera capacidad de comprensión espacial de la imagen.
Un macroestudio de pruebas de estrés publicado este mismo junio en Nature Medicine lo confirma. El equipo liderado por Eric Topol sometió a varios modelos frontera — GPT-5.5 Pro, Claude 3.5, Gemini 2.5 Pro y otros — a pruebas de razonamiento médico multimodal. La conclusión es de una franqueza inquietante:
«GPT-5.5 Pro obtuvo 79 puntos sobre 100, una mejora respecto a los 69 de la generación anterior, pero muy lejos de lo que se consideraría fiable para uso médico. Estos modelos presentan errores de razonamiento, atajos de pensamiento inapropiados y alucinaciones.»
Un 79 sobre 100, en un examen, quizá sea un notable. Pero en el contexto clínico, cada punto que falta puede ser un diagnóstico omitido o erróneo.
El «exceso de confianza» de la IA es el riesgo real para la sociedad
En el ámbito médico hay un fenómeno repetidamente demostrado: los modelos de diagnóstico por IA pueden igualar o incluso superar a los humanos cuando operan dentro de la distribución de sus datos de entrenamiento; pero en cuanto se enfrentan a algo fuera de esa distribución — un equipo de escaneo distinto al del hospital donde se entrenaron, una población de pacientes con características diferentes, unas guías clínicas de otro país —, su precisión se desploma.
Un estudio del MIT de 2024 sacó a la luz un problema aún más insidioso: los modelos de IA que mejor predicen la raza y el sexo de un paciente a partir de una radiografía de tórax son precisamente los que presentan las mayores «brechas de equidad» — las mayores diferencias de precisión diagnóstica entre distintos grupos de población. Es decir, la IA puede «ver» características que el ojo humano no detecta (como deducir la raza a partir de una placa de tórax), y esas características pueden convertirse en atajos que conducen a errores de diagnóstico.
Volviendo al caso de Antoine, hay otro detalle que a muchos se les pasó por alto: le dio a la IA menos información clínica que al médico. En su artículo cuenta que solo introdujo en Claude Code una frase — «dolor en el hombro derecho desde hace 2-3 semanas» — como contexto, mientras que el médico había realizado una historia clínica completa.
Más tarde, Antoine volvió a pedir a la IA que actuara de «árbitro»: le dio a leer los dos informes contradictorios y añadió el historial de su conversación con ChatGPT sobre maniobras de exploración del hombro. Esta vez, la IA se inclinó por el diagnóstico de «sin desgarro». Pero un usuario de HN lo expresó con una lucidez demoledora:
«Estoy suscrito a varios modelos grandes a la vez. Si les hago la misma pregunta médica, en conversaciones diferentes me dan respuestas completamente contradictorias, y cada una formulada con una seguridad aplastante. Lo más terrorífico es que puedes conducir con mucha facilidad a cada modelo hacia la respuesta que quieres: cuando en tus sucesivas preguntas vas mencionando la dirección que te ha dado otro modelo, la conversación deriva silenciosamente en esa dirección.»
Esta es la esencia del exceso de confianza de la IA: ha sido entrenada para «resultar convincente». Los tests A/B demuestran una y otra vez que los usuarios humanos, cuando puntúan las respuestas de una IA, valoran más «el tono agradable» que «la corrección del contenido» — igual que unas bonitas vistas desde la habitación del hospital no mejoran la calidad asistencial, pero influyen significativamente en las encuestas de satisfacción del paciente.
La diferencia entre el médico y la IA no está en la técnica, sino en «saber qué no hay que responder»
En los comentarios de HN, una técnica de ecocardiografía dijo algo que impacta:
«Soy técnica de ecocardiografía. Cuando oigo discutir sobre si la IA va a quitarle el trabajo a los radiólogos, solo puedo decir una cosa: pedirle a una IA que te enseñe a manejar una sonda de ecografía para obtener imágenes es como subir al escenario a alguien que jamás ha tocado un instrumento y decirle ‘tranquilo, la IA te enseñará a tocar’.»
Esta frase describe simultáneamente el límite del potencial de la IA y la insustituibilidad del médico humano.
La IA es excelente para ciertas tareas: ayudarte a interpretar las cifras de una analítica, alertarte de interacciones entre medicamentos e incluso — como en el caso de Antoine —, cuando algo en un diagnóstico no te cuadra, ofrecerte una perspectiva distinta que te anime a buscar una segunda opinión. En estos escenarios, la IA ejerce de «lupa informativa», no de «tomador de decisiones».
Pero cuando le preguntas a la IA «¿tengo el tendón roto?», crees que está mirando tu resonancia. Lo que realmente está haciendo es: coger la imagen que le has dado, compararla probabilísticamente con la enorme cantidad de pares «imagen parecida a una RM + etiqueta» que ha visto durante el entrenamiento, y devolverte la respuesta con la fluidez más convincente posible.
No sabe qué se le ha escapado. No sabe si los parámetros de adquisición de esta máquina de resonancia coinciden con los de otro hospital. No sabe que ciertas lesiones tendinosas raras solo se ven desde un ángulo concreto. Y lo más grave: no sabe cuándo tiene que decir «no estoy seguro».
El radiólogo sxg, en cambio, lo primero que dijo en HN fue: «Sin ver los datos completos, no puedo emitir un juicio real.»
Esa contención disciplinada forma parte del núcleo mismo de la competencia profesional en medicina.
El diagnóstico médico es extraordinariamente complejo
Conviene aclarar un punto que se presta a malentendidos: este episodio no dice que «la IA no sirve para nada».
En tareas muy concretas de imagen médica — como la detección automática de nódulos pulmonares o el cribado de retinopatía diabética en fotografías de fondo de ojo —, la IA ha demostrado una precisión puntual cercana o incluso superior a la de los especialistas humanos. Pero todas estas son tareas realizadas en condiciones altamente acotadas: equipo fijo, protocolo de adquisición estandarizado, problema de clasificación binaria bien definido, datos de entrenamiento rigurosamente anotados y validados.
El escenario de Antoine era completamente distinto: una exportación DICOM no estandarizada, sin etiquetas, un LLM genérico en lugar de un sistema de IA médica especializada, una pregunta diagnóstica abierta y un contexto clínico mínimo. Si falla un solo eslabón de la cadena, la conclusión puede descarrilar.
El «conocimiento experto a nivel de modalidad» del radiólogo — saber qué ve bien cada técnica (ecografía, rayos X, TAC, resonancia), cuáles son sus puntos ciegos respectivos y cuándo conviene cambiar de modalidad diagnóstica — es un criterio que recorre toda la cadena y que la IA actual sencillamente no posee. La IA se limita a dar una respuesta «de aspecto plausible» sobre un conjunto de píxeles ambiguos.
Para terminar
Este artículo no pretende sentenciar a muerte a la IA ni generar alarma. Lo que quiero decir es lo siguiente: la velocidad y la forma en que la IA transformará la medicina probablemente no se parezcan a lo que muchos imaginan.
La IA no va a anunciarse un día con el titular «La IA sustituye a los radiólogos». Empezará por las tareas más tediosas y verificables: marcar regiones sospechosas, comparar cambios respecto a imágenes anteriores, reducir el trabajo repetitivo. Cuando estas herramientas estén realmente maduras, no las verás en los titulares de prensa, sino integradas en el flujo de trabajo diario de los médicos.
Mientras tanto, si metes tu resonancia en una IA y le preguntas «¿estoy bien?», recuerda el resumen de aquel usuario de HN:
«La clave está en disponer de mejor información, y la IA hoy por hoy no puede proporcionarla de forma fiable.»
La próxima vez que tengas delante un informe médico que no entiendes, antes de preguntarle a la IA, quizá sea mejor preguntarle al médico: ¿es esta la prueba adecuada para responder a mi duda? ¿Habría que complementarla con alguna otra? Las respuestas a estas preguntas merecerán más tu confianza que cualquier diagnóstico generado por una IA.
Enlaces de referencia:
- https://antoine.fi/mri-analysis-using-claude-code-opus
- https://news.ycombinator.com/item?id=48708941
- https://www.nature.com/articles/s41591-026-04501-8
- https://www.rsna.org/news/2025/july/using-llms-in-radiology
- https://news.mit.edu/2024/study-reveals-why-ai-analyzed-medical-images-can-be-biased-0628
- https://www.nature.com/articles/s41746-025-02226-5
- https://radiologybusiness.com/topics/artificial-intelligence/navigating-ai-diagnostic-dilemma-healthcares-no-1-patient-safety-concern-2026