Usé Claude Code para obtener una segunda opinión sobre mi resonancia magnética

Límites de los LLM para la Imagen Médica

• Muchos comentaristas sostienen con firmeza que los LLM de propósito general actuales no son fiables para el diagnóstico basado en imágenes, especialmente modalidades 3D complejas como la resonancia magnética.
• Investigadores de radiología y de MRI señalan que los modelos de vanguardia no están entrenados ni validados para interpretar imágenes médicas sutiles y tienden a alucinar hallazgos que suenan plausibles.
• Varias referencias a trabajos que muestran “mirage reasoning”: los modelos describen y razonan con confianza sobre imágenes que en realidad nunca se proporcionaron.
• Profesionales informan que evalúan modelos de vanguardia en conjuntos de datos médicos reales (p. ej., otoscopía, láminas de patología) y encuentran mala calibración y errores con alta confianza.

Matices de Radiología e Imagen

• Detalles de MRI: protocolos comunes de cortes “2D” con espacios frente a escaneos 3D isotrópicos reales; compensaciones entre resolución, velocidad y artefactos por movimiento.
• La ecografía en ortopedia es útil para tejidos blandos y tendones, pero mala para hueso y pequeñas calcificaciones; las radiografías simples o la MRI pueden detectar calcificaciones que la ecografía pasa por alto.
• Los radiólogos subrayan que los hallazgos negativos siempre dependen de la modalidad y la técnica; “no X” en una ecografía no significa “no X” de forma absoluta.

IA como Segunda Opinión / Herramienta para Pacientes

• Algunos usuarios comparten anécdotas positivas en las que los LLM ayudaron a detectar diagnósticos erróneos o a sugerir condiciones o tratamientos pasados por alto, especialmente a partir de informes de texto y datos de laboratorio.
• Otros informan resultados descaradamente incorrectos o internamente inconsistentes en sus propias MRI/radiografías, o fallos obvios como interpretar mal tableros de ajedrez e imágenes básicas.
• Un patrón recurrente de “mejor uso”: usar los LLM para entender informes, generar preguntas o señalar guías y diagnósticos diferenciales, y luego discutirlo con un clínico humano.

Confianza, Autodiagnóstico y “Psicosis de IA”

• Los clínicos se preocupan por que los pacientes traten las salidas de la IA como autoritativas, erosionando la confianza y consumiendo el escaso tiempo de consulta para desmontar tonterías dichas con seguridad.
• Varios comentarios comparan esto con un problema amplificado de “Dr. Google”, con un peligro adicional porque las respuestas suenan expertas y personalizadas.
• Algunos describen una sobreconfianza cuasirreligiosa en la IA (“psicosis de IA”), donde la retroalimentación experta contraria se descarta como falta de visión.

Problemas e Incentivos del Sistema Sanitario

• Muchas historias de diagnósticos erróneos, opiniones contradictorias, sobretratamiento (p. ej., imágenes innecesarias, procedimientos, inyecciones homeopáticas), infratratamiento y visitas apresuradas de 5 a 15 minutos.
• Esto empuja a los pacientes hacia los LLM por frustración y falta de acceso, no solo por tecnooptimismo.
• Varios sostienen que la IA podría ser poderosa como herramienta interna para médicos (búsqueda de guías, generación de hipótesis, listas de verificación), pero no como diagnóstica autónoma, especialmente para imagen médica.