Radiología pediátrica en la era del deep learning: aplicando el principio ALARA para minimizar la exposición a radiación

Resumen

Revisar las estrategias actuales para la reducción de dosis en radiología pediátrcia, integrando el principio ALARA con las innovaciones tecnológicas recientes como las técnicas de recontrucción basadas en aprendizaje profundo y la tomografía con detectores de conteo de fotones (PCD-CT), destacando su impacto clínico y los desafíos de implementación. La población pediátrica presenta una mayor radio sensibilidad y una vida media más prolongada, lo que se debe optimizar cada exposición diagnóstica. Las técnicas clásicas de reducción de dosis (ajuste de kVp/mAs, modulación automática, limitación del campo y priorización de ecografía o RM) se complementan hoy con la reconstrucción iterativa y los algoritmos de deep learning (DLR), capaces de disminuir entre 40 y 80% la dosis efectiva manteniendo la calidad diagnóstica. El PCD-CT representa el siguiente paso, proporcionando resolución espacial superior y cuantificación espectral con dosis cercanas a radiografía. Las guías AAP 2024 y ESR-Euro Safe Imaging enfatizan además la monitorización continua mediante software de dosis y la comunicación con la familia sobre el riesgo y beneficios. La combinación de optimización física reconstitución basada en IA define el nuevo paradigma a ALARA-IA, centrado en seguridad, calidad y sostenibilidad. El futuro inmediato de la Radiologia pediátrica integra inteligencia artificial, física médica y ética radiológica. La aplicación sistemática del principio ALARA potenciado por IA permite alcanzar dosis submilisievert sin pérdida diagnóstica, consolidando un modelo de imagen pediátrica más segura, eficiente y humana.