En agosto de 2026, un estudio publicado en Nature Medicine marcó un hito en la medicina de precisión: el sistema LiON (Liver DiagnOsis Network), desarrollado por investigadores chinos, demostró que la inteligencia artificial puede detectar cáncer de hígado con una precisión comparable a la de un radiólogo experto — pero en una fracción del tiempo.
El sistema fue entrenado con datos de 6,443 pacientes y validado retrospectivamente en 22,251 pacientes de múltiples centros en China. En el ensayo prospectivo, que incluyó 10,333 pacientes en práctica clínica real, LiON logró un AUC (área bajo la curva ROC) de 0.952 para el diagnóstico de malignidad hepática. Para contexto, un AUC de 1.0 es perfecto; 0.952 es excepcional.
Pero lo más relevante para los médicos latinoamericanos no es el número. Es lo que el sistema encontró.
51 lesiones que los humanos habían pasado por alto
En el ensayo prospectivo, la colaboración IA-humano identificó 51 lesiones previamente pasadas por alto, 15 de las cuales resultaron ser malignas. Esto no es un error menor: es una lesión cancerosa que, sin el sistema, habría llegado a consulta avanzada.
El sistema LiON no reemplaza al radiólogo. Funciona como un “lector adicional” dentro del flujo de trabajo existente. Analiza tomografías computarizadas con contraste (CE-CT) en múltiples fases, integra datos clínicos cuando están disponibles, y genera un puntaje de probabilidad de malignidad junto con una segmentación de ocho tipos de lesiones hepáticas.
¿Qué implica esto para Latinoamérica?
En la región, el diagnóstico de cáncer hepático es un problema serio. La detección temprana es infrecuente: más del 70% de los pacientes en América Latina se presentan en estadios avanzados, cuando las opciones terapéuticas se limitan. Los tiempos de lectura de imágenes son largos, especialmente en hospitales públicos con alta demanda y pocos radiólogos.
Sistemas como LiON podrían cerrar esa brecha. Pero para que su implementación sea viable en sistemas de salud latinoamericanos, se necesitan tres condiciones:
- Infraestructura de imagen: LiON requiere tomografías con contraste en múltiples fases. Muchos centros en la región aún dependen de ecografías como primera línea. Esto no invalida la herramienta, pero sí redefine su punto de entrada.
- Integración con sistemas de información: El sistema fue entrenado y validado en centros chinos con historiales electrónicos estandarizados. Su adaptación a sistemas heterogéneos (desde Epic hasta sistemas locales) requeriría validación regional.
- Certificación regulatoria: LiON aún no tiene aprobación de la FDA ni de agencias latinoamericanas como ANVISA o INVIMA. Esto limita su uso a investigación por ahora.
El ensayo ALLIANCE: otra cara de la moneda
No todo el panorama de IA diagnóstica es optimista. El ensayo ALLIANCE, publicado en septiembre de 2026 en medRxiv, evaluó un sistema de soporte diagnóstico basado en LLM certificado como dispositivo médico (con marca CE en Europa) en reumatología. Los resultados: la precisión diagnóstica no mejoró significativamente comparada con los recursos convencionales.
Sin embargo, el tiempo de procesamiento se redujo de 206 a 94 segundos, y la calidad percibida del soporte diagnóstico fue significativamente mayor. Esto sugiere que la IA actual es más útil para eficiencia que para accuracy pura — al menos en especialidades de alta complejidad diagnóstica como reumatología.
3 recomendaciones para médicos latinoamericanos
- Monitoree la evidencia, pero no espere la perfección. Sistemas como LiON muestran que la IA puede ser un “segundo lector” valioso, pero su implementación requiere validación local. Siga las publicaciones de Nature Medicine, The Lancet Digital Health y JAMA Network Open.
- Evalúe qué herramientas están disponibles en su contexto. En radiología, la IA ya está integrada en algunos PACS comerciales (por ejemplo, Google Health para mamografías). Verifique si su plataforma de imágenes ya ofrece funcionalidades de detección asistida.
- Priorice la integración sobre la innovación. El mayor impacto de la IA diagnóstica no será en los grandes centros de referencia, sino en consultorios y hospitales de baja complejidad donde un radiólogo no está disponible 24/7.
La IA diagnóstica no es el futuro: ya está aquí. Pero su valor real para los médicos latinoamericanos no está en los números de AUC, sino en su capacidad de reducir la brecha entre lo que los pacientes necesitan y lo que los sistemas de salud pueden ofrecer.
Para los médicos que buscan integrar tecnología diagnóstica en sus consultorios, Salutexa ofrece gestión de expedientes y análisis de laboratorio que facilitan la toma de decisiones basada en datos.
Fuentes:
- LiON: Large-scale AI-guided liver malignancy diagnosis — Nature Medicine (agosto 2026)
- ALLIANCE trial: LLM-based diagnostic support in rheumatology — medRxiv (septiembre 2026)
Imagen: MykhailoPervak, CC BY 4.0, vía Wikimedia Commons.
