La demanda de resonancia magnética sigue creciendo y, con ella, la presión sobre turnos, costos y disponibilidad de equipos. En ese contexto, un hospital universitario de Finlandia reportó que pudo sostener casi el mismo volumen de estudios pese a trabajar con un resonador menos, apoyándose en reconstrucción con aprendizaje profundo y ajustes de protocolo.
El trabajo fue publicado en European Journal of Radiology y se apoya en datos reales de operación y control de calidad.
Demanda creciente y costos que no acompañan
La resonancia amplía indicaciones clínicas, se usa más en medicina defensiva y atiende una población envejecida. Ese crecimiento suele chocar con presupuestos acotados, porque comprar y operar equipos implica inversiones altas y costos sostenidos.
En ese escenario, las estrategias de productividad pasan a ser parte de la agenda clínica, no solo administrativa.
Reorganización hospitalaria con menos equipos disponibles
El caso analizado corresponde al Hospital Universitario de Oulu. Tras una reorganización interna y una mudanza a un edificio nuevo, el servicio quedó con menor capacidad total de RM, obligando a radiólogos y tecnólogos a operar con menos escáneres.
En paralelo, el hospital incorporó software de reconstrucción con aprendizaje profundo (DLR) y comenzó a optimizar protocolos para acortar tiempos.
Reconstrucción con aprendizaje profundo en la rutina de RM
La DLR es un tipo de reconstrucción basada en modelos de aprendizaje profundo que busca mantener calidad de imagen con adquisiciones más eficientes. En la práctica, se integra a protocolos existentes y se evalúa con métricas operativas y con control de calidad clínico.
En este trabajo, la implementación se vinculó a la plataforma de monitoreo de desempeño de Siemens, utilizada para obtener duraciones de secuencias y exámenes.
Cómo se evaluó el cambio en productividad
Los autores compararon dos periodos equivalentes: enero a octubre de 2023, antes de DLR, con seis escáneres, y enero a octubre de 2025, después de DLR, con cinco escáneres.
Se analizaron registros de uso (logs) y se hicieron evaluaciones de calidad de imagen como parte del aseguramiento rutinario. Además, contrastaron lo observado con una predicción previa basada en simulación para estimar ganancia de capacidad.
Menos tiempo por estudio y rendimiento casi sostenido
El resultado operativo fue una reducción de tiempos por secuencia y por examen en los equipos optimizados. Pese a trabajar con un resonador menos, el rendimiento horario global de la flota cayó de forma limitada, lo que sugiere mayor productividad por escáner.
Los autores subrayan otro detalle: parte de ese desempeño se logró mientras la implementación y la optimización todavía estaban en marcha, lo que sugiere beneficio incluso en despliegues parciales.
Limitaciones técnicas que aparecieron en neuroimagen
El estudio también reportó un punto de cautela: desempeño “impredecible” en ciertos escenarios, especialmente en neuroimagen.
Se describieron artefactos en secuencias T2 y menor calidad en estudios con contraste, lo que refuerza la necesidad de control de calidad estricto cuando se adoptan herramientas de reconstrucción basadas en aprendizaje profundo. La productividad no se evalúa solo en minutos, sino también en consistencia diagnóstica.
Evaluación tecnológica con métricas clínicas y operativas
Más allá del caso puntual, el trabajo sostiene que las nuevas tecnologías radiológicas deberían evaluarse incorporando indicadores de productividad y costos junto con el valor diagnóstico.
En este estudio, los autores plantean que la comparación entre “comprar más equipos” versus “mejorar rendimiento con software y protocolos” requiere evidencia operativa, no solo supuestos. También señalan que la simulación puede ser útil para anticipar impacto, pero debe validarse con datos reales.
Señal para servicios que buscan sostener acceso
La experiencia de Oulu aporta un mensaje claro para gestores de imagen: la eficiencia puede venir de la combinación entre tecnología y rediseño de protocolos, pero el salto debe acompañarse con control de calidad y vigilancia de fallos por área clínica.
En radiología, “más rápido” solo es valioso si el servicio mantiene confiabilidad y evita degradación en escenarios críticos como neuroimagen con contraste.
Para más detalles puede visitar el European Journal of Radiology.
0 comentarios