El campo de la radiología ha experimentado avances notables en las últimas décadas, con desarrollos que van desde la mejora de la calidad y digitalización de las imágenes hasta la detección asistida por computadora. Particularmente, la aparición de técnicas de Inteligencia Artificial basadas en Deep Learning y Visión Computacional han promovido soluciones innovadoras en el diagnóstico y el análisis radiológico.
Se explora la relevancia de los desarrollos y modelos open source en el progreso de estas técnicas, resaltando el impacto que la colaboración y el acceso abierto han tenido en el avance científico del campo.
La investigación tiene un enfoque cualitativo, con alcance descriptivo y retrospectivo, de corte longitudinal. Se realizó un análisis documental de la evolución y el impacto del open source en la Radiología, poniendo de relieve la colaboración multidisciplinar. Se examinaron casos de uso, ventajas, desafíos y consideraciones éticas en relación con la implementación de soluciones basadas en Inteligencia Artificial en Radiología.
El enfoque open source ha mostrado ser una influencia positiva en la Radiología, con potencial para influir en la atención médica, ofreciendo soluciones más precisas y accesibles. No obstante, se presentan desafíos éticos y técnicos que requieren atención.
Palabras clave: radiología; aprendizaje profundo; código abierto; desarrollo de software; diagnóstico por imagen; ética médica; difusión de innovación.

ABSTRACT
The field of radiology has seen notable advances in recent decades, with developments ranging from image quality improvement and digitization to computer-aided detection. Particularly, the emergence of Artificial Intelligence techniques based on Deep Learning and Computer Vision have promoted innovative solutions in diagnosis and radiological analysis. This article explores the relevance of open source developments and models in the progress of these techniques, highlighting the impact that collaboration and open access have had on the scientific advancement in this field. This research has a qualitative approach, with a descriptive, retrospective, longitudinal scope. A documentary analysis of the evolution and impact of open source in Radiology was carried out, highlighting multidisciplinary collaboration. Use cases, advantages, challenges and ethical considerations were also examined in relation to the implementation of AI-based solutions in Radiology.
The Open Source approach has been shown to be a positive influence in Radiology, with the potential to influence medical care, offering more precise and accessible solutions. However, there are ethical and technical challenges that require attention.
Keywords: radiology; deep learning; open source; software development; diagnostic imaging; medical ethics; diffusion of innovation.

Introducción: El creciente desarrollo computacional ocurrido en los últimos años, así como el acceso a gran número de datos (Big Data) ha posibilitado la explotación de los recursos informáticos para el desarrollo de algoritmos que aumentan la calidad y alcance de la inteligencia artificial (IA), la cual está tomando un rol central en la radiología.

Objetivo: Analizar el impacto de la Inteligencia Artificial en la Radiología y la necesidad de implementación en los servicios de imagenología.

Método: Se emplearon 23 referencias bibliográficas en inglés y español, la mayoría extraídas de PubMed, SciELO y ScienceDirect usando los descriptores “Inteligencia Artificial”, “Radiología” y “Aprendizaje automático” en idioma español y “Artificial Intelligence”, “Radiology” y “Machine Learning” para el inglés.

Desarrollo: No existe área de la Radiología en la cual no se haya implementado la inteligencia artificial, con el fin de mejorar y desarrollar programas que le faciliten al radiólogo y al técnico, la obtención y diagnóstico de imágenes. Cuba también está inmersa en este proceso; se están dando los primeros pasos por el desarrollo de estas tecnologías.

Conclusiones: La investigación, optimización de flujo de trabajo, radiómica, predicción y clasificación de imágenes son beneficios que nos aporta la IA; lograr un aumento en la calidad de estos procesos solo es posible a través de la alianza entre las ciencias médicas e informáticas.

Palabras clave: inteligencia artificial; radiología; aprendizaje automático.

ABSTRACT

Introduction: The growing computational development that has occurred in recent years, as well as the access to a large number of data (Big Data), has made the exploitation of computing resources possible to develop algorithms that increase the quality and scope of artificial intelligence (AI), which is taking a central role in radiology.

Objective: To analyze the impact of artificial intelligence in radiology and the need for its implementation in imaging services.

Method: A total of 23 bibliographical references in English and Spanish, most of them obtained from PubMed, SciELO and ScienceDirect databases, were analyzed using descriptors such as “inteligencia artificial”, “radiología” and “aprendizaje automático” for the Spanish language and "artificial intelligence", “radiology” and “machine learning” for the English language. 

Results: There is no area of Radiology in which artificial intelligence has not been implemented in order to improve and develop programs that make it easier for the radiologist and the technician to obtain and diagnose images. Cuba is also immersed in this process; the first steps are being taken towards the development of these technologies.

Conclusions: Research, workflow optimization, radiomics, prediction and classification of images are benefits that AI brings us; achieving an increase in the quality of these processes is only possible through the alliance between medical and computer sciences.

Keywords: artificial intelligence; radiology; automatic learning.

El nuevo coronavirus denominado SARS-COV2 causa diversas manifestaciones clínicas englobadas bajo el término COVID-19. El sistema de informe y datos conocidos por sus siglas en inglés como RADS, determinadas a partir del consenso de expertos producido por un grupo de trabajo multidisciplinario con el objetivo de mejorar la comunicación de los resultados, establece un enfoque estándar para la notificación de manifestaciones imagenológicas. El presente trabajo presenta el prototipo de aplicación CO-RADS que propone una herramienta digital sobre la base de una revisión actualizada del papel y la idoneidad de los estudios de imagenología para el diagnóstico y seguimiento de pacientes con sospecha o infección conocida de COVID-19, proporcionando terminología estandarizada de imágenes para lograr comunicar los resultados al médico de asistencia de manera clara y consistente. CO-RADS es una aplicación gratuita que se encuentra disponible en:

htttps://www.aplikis.cu/es/application/cu.sld.hlucia.corads    

Palabras Clave: imagenología; covid-19; radiología, tomografía axial computarizada; APK.

Abstract

The new coronavirus called SARS-COV2 causes various clinical manifestations encompassed under the term COVID-19. The data and reporting system known by its acronym in English as RADS, establishes a standard approach for the notification of 

imaging manifestations with the aim of improving the communication of results; was determined from the consensus of experts produced by a multidisciplinary working group. This paper presents the CO-RADS application prototype that proposes a digital tool based on an updated review of the role and suitability of imaging studies for the diagnosis and follow-up of patients with suspected or known COVID-19 infection, providing standardized imaging terminology to achieve clear and consistent communication of results to the attending physician. CO-RADS is a free application that is available at:

htttps://www.aplikis.cu/es/application/cu.sld.hlucia.corads

Key Words: imaging; covid-19; radiology; computerized axial tomography; apk.