Este whitepaper de Arkangel AI es una síntesis narrativa rápida de evidencia que reúne 27 fuentes sobre cinco tareas de radiología seleccionadas: lectura asistida de mamografías, detección de hallazgos específicos en radiografía de tórax, priorización y eficiencia, segmentación o cuantificación, y apoyo textual a los informes. La búsqueda principal se hizo el 13 de junio de 2026, con una recuperación reproducible en PubMed en julio que devolvió 2,337 registros únicos para el mapeo y una verificación de fuentes en septiembre. La selección no fue exhaustiva ni la hicieron dos revisores independientes, y cada tarea se clasificó en seis niveles de evidencia, desde la discriminación retrospectiva hasta la implementación rutinaria.
En este corpus, la evidencia prospectiva más desarrollada correspondió al apoyo a la lectura de mamografías en programas de tamizaje organizados, en particular el ensayo sueco MASAI. En un ensayo aleatorizado unicéntrico con 10,476 participantes de chequeo médico, los radiólogos que leyeron radiografías de tórax con apoyo de IA hallaron nódulos accionables confirmados por TC en el 0.59% de los participantes, frente al 0.25% sin ella. La priorización mostró efectos heterogéneos en tiempos de lectura y carga de trabajo, la segmentación no alcanzó un nivel general de madurez clínica y el apoyo de modelos de lenguaje a los informes aún requiere supervisión humana por sus errores. Las fuentes regionales, incluido un estudio retrospectivo mexicano con un AUC de 0.774 para COVID-19 en TC, no demuestran efectividad generalizable en América Latina. Es un whitepaper sin revisión por pares, y sus autores están afiliados a Arkangel AI.
