La evolución de la inteligencia artificial (IA) ha introducido un desafío inesperado para la práctica médica: la generación de imágenes radiológicas sintéticas altamente realistas (deepfakes). Un estudio publicado en Radiology en 2026 evaluó la capacidad de radiólogos y modelos de IA para distinguir entre radiografías reales y generadas mediante modelos multimodales como ChatGPT.
El estudio incluyó 17 radiólogos de distintos países, quienes analizaron imágenes sin el conocimiento de que algunas eran artificiales. Solo el 41% sospechó la presencia de imágenes generadas por IA. Incluso tras ser informados, la precisión diagnóstica para diferenciar imágenes reales de sintéticas fue de aproximadamente 75%, lo que evidencia una limitación significativa en la detección.
Un hallazgo particularmente relevante es que la experiencia profesional no mejoró la capacidad de detección, lo que sugiere que este desafío afecta por igual a médicos en diferentes etapas de formación. Además, los propios sistemas de inteligencia artificial mostraron limitaciones, sin lograr identificar correctamente todas las imágenes sintéticas.
Desde el punto de vista clínico, estos resultados plantean implicaciones críticas. La posibilidad de que imágenes manipuladas ingresen a expedientes electrónicos, investigaciones o procesos médico-legales abre la puerta a errores diagnósticos, sesgos en algoritmos y potencial fraude.
No obstante, el estudio también reconoce el valor potencial de estas tecnologías en educación médica y entrenamiento, especialmente para simular patologías raras. La clave estará en equilibrar su utilidad con estrategias de seguridad robustas, como sistemas de verificación, marcadores digitales y entrenamiento específico para el reconocimiento de imágenes sintéticas.
En este contexto, la práctica médica enfrenta un nuevo paradigma: no solo interpretar imágenes, sino también cuestionar su autenticidad. La alfabetización digital y la implementación de mecanismos de validación serán esenciales para preservar la confianza en la imagenología diagnóstica.
Referencia:
1. Tordjman M, et al. The Rise of Deepfake Medical Imaging: Radiologists’ Diagnostic Accuracy in Detecting ChatGPT-generated Radiographs. 2026 Mar;318(3):e252094. https://pubs.rsna.org/doi/10.1148/radiol.252094#supplementary-materials
