Qué mide cada número
y qué no prueba

El cronómetro empieza cuando el radiólogo abre el editor de ese estudio y se detiene en la firma. Quedan fuera de la cuenta la adquisición de la imagen, la cola del PACS, el transporte del estudio y cualquier etapa administrativa antes o después. La métrica cubre exactamente el tramo en el que actúa la plataforma, y nada más allá.

Esa frontera es una elección contra nuestro propio interés. Un TAT medido desde la llegada del estudio hasta la firma daría un número mayor de minutos ahorrados. Y mediría, en buena parte, la operación de la institución, no el producto. Preferimos el recorte estrecho: es menor, es auditable y responde solo por nuestra parte del flujo.

La fuente disponible confirma el recorte, la muestra y los eventos de inicio y fin. No documenta públicamente la estratificación por modalidad, complejidad o institución, ni una política detallada de valores atípicos. Esa laguna impide tratar el resultado como representativo de cualquier servicio.

En el recorte histórico, la mediana es de 52 segundos. Entre los informes, el 54,6% queda por debajo de un minuto, y la media informada se sitúa entre 3 y 5 minutos. Los tres valores describen la distribución observada, pero no explican causalidad ni calidad clínica.

La estimación de cerca de 10 horas por cada 100 informes usa otra clase de evidencia. Combina la media interna redondeada de 4 minutos con un baseline externo aproximado de 10 minutos. No es tiempo ahorrado observado en una comparación pareada.

Retiramos la afirmación de reducción de hasta 78% porque mezclaba estadísticas y baseline sin una comparación pareada reproducible.

El baseline aproximado de 10 minutos por estudio se atribuye a Forsberg et al., Journal of Digital Imaging, 2017. La página lo clasifica como estimación basada en la literatura, no como medición de Laudos.AI.

La mezcla de modalidades, el año y el entorno del estudio externo pueden diferir de su servicio. Una línea de base medida localmente debe prevalecer en el piloto institucional.

El tiempo no describe la calidad. LaiBench es un benchmark interno controlado de fidelidad en un conjunto publicado y versionado. No constituye una validación clínica externa. La IA estructura y sugiere; el médico revisa, edita, valida y firma, conforme a la Resolución CFM 2.454/2026.

La puntuación de LaiBench y el tiempo del editor miden cosas diferentes. Ninguno de ellos, aislado o combinado, prueba desenlace clínico, seguridad en cualquier contexto ni superioridad sobre competidores.

La forma honesta de verificar es reproducir. Mida en su servicio, antes de cambiar cualquier cosa, el tiempo entre abrir el editor y firmar, con la misma definición de evento de esta página. Guarde la mediana y la media. Después ejecute el piloto y mida de nuevo, en la misma ventana de 30 días y sin descartar ningún caso.

Si la diferencia en su entorno es menor que la nuestra, el número que vale es el suyo. Queremos saberlo: publicamos la metodología aquí para que usted la cuestione con mediciones, no con opiniones.

El valor publicado corresponde al período fijo del 09/04/2026 al 09/05/2026, con 5.200 informes. Sin acceso a una fuente interna verificable más reciente, permanece congelado con su fecha.

Toda página que cite la mediana debe apuntar a este recorte. Actualizar la fecha o llamar al número ventana móvil sin recalcular la fuente sería fabricar actualidad.

Es WER de reconocimiento de voz, no acierto clínico. El número dice que la palabra dictada llegó escrita tal como se dijo. No dice que el informe sea correcto. Quien responde por el acierto es LaiBench, y las dos mediciones no se sustituyen: una transcripción perfecta de un razonamiento equivocado sigue siendo equivocada.

La comparación directa con otros sistemas no existe, y no vamos a fabricar una. Los números que ellos publican son en inglés, sobre conjuntos de prueba propios, con criterios de normalización propios. Apilar todo en la misma barra daría un gráfico bonito y una afirmación indefendible. Lo que este número sostiene es más estrecho. En dictado radiológico en portugués brasileño, con términos médicos dentro de la frase, la transcripción erró el 3,06% de las palabras.

La frase es controlada, y eso es una limitación, no un detalle. La guardia tiene ruido de sala, micrófono malo, acento, cansancio e interrupciones. El número de sala es el que aparece en su piloto, con su audio. Si sale peor que este, lo que vale es el suyo.

La muestra pública aún no está documentada para el WER. Faltan el número de audios, locutores y dispositivos, además de las especialidades y el protocolo de normalización. Hasta esa publicación, tratamos el resultado como benchmark interno controlado, incompleto para generalización.

La medición empieza con el editor abierto y termina en la firma. Incluye dictado, estructuración y revisión dentro de ese intervalo. No es el tiempo total desde la llegada del estudio. Y no afirma que todo caso lleve el mismo tiempo. La mediana describe el centro de la distribución, mientras que los casos complejos siguen siendo más largos y requieren un análisis aparte.

La tasa de 54,6% por debajo de un minuto dimensiona el efecto operativo, junto con la estimación de horas devueltas. Ninguna de las dos sustituye la línea de base de la institución. La modalidad, la complejidad, la experiencia y la calidad de la plantilla alteran el resultado. Por eso el piloto mide al propio equipo con los mismos criterios antes y después.

Una adopción clínica debe observar también correcciones, adendas, adherencia a la plantilla, discrepancias y la percepción de quien revisa. Ganar segundos y aumentar el retrabajo no sería ganancia. La metodología pública existe para que cualquiera cuestione, reproduzca y compare el número con la calidad, no para cerrar la conversación.