Artículo original: David B. Larson, Mythreyi Bhargavan-Chatfield, Michael Tilkin, Laura Coombs, Christoph Wald. The Road Map for ACR Practice Accreditation for Radiology Artificial Intelligence. Journal of the American College of Radiology. 2025;22(5):586–592
DOI: https://doi.org/10.1016/j.jacr.2025.02.008
Sociedad: American College of Radiology (@RadiologyACR)
Palabras clave: ACR accreditation, AI, ARCH-AI, recognition.
Abreviaturas y acrónimos utilizados: ACR (American College of Radiology), IA (inteligencia artificial).
Línea editorial: Journal of the American College of Radiology (JACR) es la revista oficial del American College of Radiology (ACR), con una periodicidad mensual y revisión por pares. Se distingue por su enfoque multidisciplinar y práctico, centrado en aspectos clínicos, técnicos, administrativos, éticos y de política sanitaria relacionados con la radiología. La revista busca proporcionar contenido relevante y de alta calidad tanto para radiólogos clínicos como para líderes académicos, investigadores, gestores sanitarios y responsables de políticas públicas. Cada número incluye en torno a 20 artículos organizados en distintas secciones: artículos originales de investigación clínica o de ciencias de datos, revisiones narrativas o sistemáticas, informes especiales, editoriales, cartas al editor y artículos de opinión. Además, dedica espacios específicos a la innovación tecnológica, inteligencia artificial, gestión de la calidad, seguridad del paciente, liderazgo, sostenibilidad, diversidad e inclusión.
Motivos para la selección: He elegido este artículo titulado «The Road Map for ACR Practice Accreditation for Radiology Artificial Intelligence» porque aborda un tema de gran actualidad e importancia en el ámbito del radiodiagnóstico: la integración segura y efectiva de la inteligencia artificial (IA) en la práctica clínica. En un momento en el que los algoritmos de IA están empezando a influir de manera directa en la toma de decisiones médicas, resulta fundamental establecer mecanismos formales de evaluación, supervisión y acreditación. El artículo ofrece una visión estructurada para desarrollar un programa de acreditación específico para la IA en radiología, aportando no solo un enfoque técnico, sino también ético y organizativo, con el objetivo de mejorar la calidad asistencial y proteger al paciente.
Resumen:
Este artículo expone la hoja de ruta propuesta por el ACR para establecer un programa formal de acreditación en radiología que integre de manera segura y efectiva el uso de la IA en la práctica clínica. La iniciativa parte de una preocupación clave: el rendimiento de los algoritmos de IA en el entorno real puede diferir sustancialmente del observado en estudios premercado, lo que supone un riesgo potencial si no se implementan mecanismos adecuados de supervisión y calidad.
El ACR plantea adaptar su consolidado modelo de acreditación (aplicado históricamente a modalidades como TC, RM o mamografía) al ámbito de la IA. Este modelo se basa en parámetros clínicos y estándares técnicosconsensuados, con revisión por pares, autoevaluación institucional, auditoría externa y planes de mejora continua.
Como paso preliminar hacia la acreditación formal, en 2024 se lanzó el programa ARCH-AI (ACR Recognized Center for Healthcare-AI). Esta iniciativa permite a los centros voluntariamente atestiguar el cumplimiento de criterios fundamentalesencinco áreas clave:
1. Gobernanza: establecimiento de un grupo local de supervisión de IA, inventario actualizado de modelos utilizados y validación en materia de ciberseguridad antes de la implementación.
2. Selección de modelos: uso de herramientas como AICentral.org, documentación clara de los estudios procesados por cada algoritmo y revisión periódica de su utilidad clínica.
3. Validación previa a la implantación: evaluación del rendimiento del modelo con datos locales, formación específica a los usuarios y distribución de manuales de uso.
4. Monitorización continua: seguimiento del rendimiento del modelo tras su implementación y participación en el registro nacional Assess-AI para benchmarking.
5. Modelos propios: notificación del uso de algoritmos desarrollados localmente sin aprobación de la FDA.
A la fecha de publicación, 18 centros han sido reconocidos por el programa ARCH-AI, y forman parte de una red de aprendizaje colaborativo cuya experiencia servirá de base para redactar los futuros Practice Parameters y Technical Standards. Estos documentos establecerán los estándares oficiales para el programa de acreditación definitiva, cuya aprobación por el Consejo del ACR está prevista para 2027.
El artículo subraya la necesidad de un liderazgo médico proactivo, en especial de los radiólogos, en la selección, validación y supervisión de las herramientas de IA, ya que muchas de estas reemplazan o complementan tareas clínicas esenciales. Asimismo, se destaca la importancia de una entidad externa como el ACR, con autoridad y experiencia, para garantizar de forma objetiva la calidad y seguridad en la aplicación de estas tecnologías en entornos clínicos.
En definitiva, este trabajo traza un plan sólido y progresivo para asegurar que la inteligencia artificial mejore la atención al paciente dentro de un marco de responsabilidad profesional, gobernanza ética y evaluación técnica rigurosa.
Valoración personal:
Este artículo me parece una iniciativa clave para asegurar la integración responsable de la inteligencia artificial en radiología. En un entorno clínico donde cada decisión diagnóstica tiene un impacto directo sobre el paciente, no basta con confiar en la validación técnica de un software por parte de los fabricantes. Es imprescindible que la comunidad médica, y en especial los radiólogos, lideren la supervisión de estas herramientas, estableciendo criterios comunes de calidad, seguridad y transparencia. Además, el enfoque progresivo del ACR, que parte de una red de centros reconocidos para ir construyendo colectivamente los estándares, me parece especialmente acertado. Este tipo de abordaje no solo favorece el consenso, sino que permite adaptarse a los rápidos avances tecnológicos sin comprometer la seguridad del paciente. Como futuro especialista en radiología, considero que esta línea de trabajo será fundamental para proteger nuestra actividad médica y asegurar que la IA sea una aliada, no una fuente de riesgo.
Guillermo Santabrígida Oreja
Hospital Universitario de Salamanca, R4
cbseram.com 
Deja un comentario