Inteligencia artificial en radiología: ¿Amigo o enemigo?

Hace cinco años, la inteligencia artificial era apenas un problema en la pantalla del radar de la radiología. Pero, hoy en día, es difícil encontrar una conferencia de la industria que no incluya varias sesiones sobre cómo estos avances tecnológicos influyen en la práctica diaria o cómo pueden facilitar el diagnóstico.

El crecimiento ha sido exponencial, según los expertos de la industria, y no hay señales de que se esté desacelerando. Con base en datos de Tractica, una firma de inteligencia de mercadotecnia que se enfoca en la interacción humana con la tecnología, la industria de la inteligencia artificial (IA) aumentará de $ 2 mil millones a $ 3 mil millones en 2016 a más de $ 60 mil millones en la década. Y, la parte de eso de las imágenes médicas probablemente será de $ 19 mil millones para 2025.

Pero, ¿qué significa eso para ti? ¿Qué necesita saber sobre la IA ahora, qué debe mantener los ojos abiertos durante los próximos cinco a 10 años y qué se está haciendo para avanzar en esa dirección? El temor generalizado ha sido que la IA comenzaría a socavar los trabajos, erosionando lentamente la población de proveedores. Si bien esa preocupación no se está haciendo realidad, la tecnología se convertirá en un socio eficaz.

"La inteligencia artificial no necesariamente reemplazará a los radiólogos, pero reemplazará a los radiólogos que no usan inteligencia artificial", dice Raymond Liu, MD, radiólogo asociado del Hospital General de Massachusetts. "La idea es que la inteligencia artificial será una herramienta de aumento".

La combinación de la destreza de la IA y los radiólogos puede crear una inteligencia híbrida que podría conducir a una mayor precisión de diagnóstico y mejores estándares de seguridad. También podrían servir como sistemas efectivos de apoyo a la toma de decisiones, facilitando diagnósticos y reduciendo el agotamiento del médico.

Que viene

Hasta la fecha, los esfuerzos de AI se han centrado principalmente en el aprendizaje automático, la capacidad de una máquina para recopilar datos y aprender cómo evaluarlos. Los próximos pasos serán mucho más complejos con el aprendizaje profundo, dice Bradley Erickson, MD, un radiólogo oncólogo en la Clínica Mayo en Rochester, Minnesota.

"Estaremos casi limitados por la imaginación. El aprendizaje automático tradicional, por ejemplo, se ha centrado mucho en detectar el cáncer ", dice. "El aprendizaje profundo puede hacer eso, pero puede hacer otras cosas en las que ni siquiera estábamos pensando".

Aquí hay algunos desarrollos a seguir:

IA integral: en muchos sentidos, el aprendizaje automático ha sido una IA limitada: herramientas que han tenido una aplicación limitada, como la identificación de neumonía. El siguiente paso, dice Liu, será crear herramientas que lo ayuden a leer y analizar las radiografías de tórax. En otro ejemplo, el Shirley Eye Institute de la Universidad de California en San Diego ha desarrollado una tecnología que puede identificar si la lente ocular se captura en una tomografía computarizada. Evitar la lente es crítico porque es particularmente sensible a la radiación. Una herramienta que puede identificar de inmediato este problema y alertar a los proveedores o tecnólogos puede ser vital para mejorar la atención del paciente.

IA no interpretativa: la mayor parte de la atención prestada a la IA en radiología se ha prestado a software y otras herramientas que mejoran las capacidades diagnósticas y terapéuticas. Sin embargo, la tecnología también se puede aplicar a tareas no interpretativas, como mejorar el flujo de trabajo operativo, la gestión financiera y la mejora de la calidad. Por ejemplo, FlowSigma, dirigido por Erickson, automatiza e integra las tareas para ahorrarle tiempo.

“La inteligencia artificial se utiliza en gran medida en radiología para la interpretación de imágenes e identificación de reconocimiento de patrones. Cuando piensas en la creación de imágenes de valor, la interpretación y la adquisición son solo un paso en el proceso ”, dice Liu. "Pero, la cadena de valor también incluye tareas de programación, post-interpretación y conexión con la comunicación".

Patrón AI : la IA ha sido eficaz en la identificación de patrones en imágenes, pero se está trabajando para aumentar aún más lo que la tecnología puede percibir. Por ejemplo, dice Erickson, los oncólogos de radiación actualmente usan imágenes para centrarse en la histología y la clasificación de tumores, pero las nuevas herramientas pueden encontrar marcadores moleculares que son mejores indicadores de pronóstico y terapéuticos.

"En realidad, podemos predecir esos marcadores moleculares con alta precisión, como el 90 por ciento al 95 por ciento de la RM cerebral de rutina utilizando un aprendizaje profundo", dice. “Esto es algo, como radiólogo, no me acercaría a predecir con precisión. Esto es algo que los nuevos algoritmos están descubriendo que actualmente no percibimos. Es una cosa realmente emocionante ".

En última instancia, dice Erickson, que el laboratorio está trabajando en este tipo de herramienta, esta marca de IA revelará los detalles sobre los medicamentos que los proveedores no ven. Siemens Healthineers también ofrece una herramienta de reconocimiento de patrones, llamada marcación automática y análisis de la anatomía humana (ALPHA), que ofrece estructuras anatómicas más rápidas y mejora el flujo de trabajo.

Explicación de la IA: esta próxima ola de inteligencia artificial se diseñará para que los proveedores puedan entender cómo las herramientas de aprendizaje profundo llegan a sus conclusiones, lo que hace que los hallazgos sean aún más confiables, dice Erickson. Actualmente está siendo explorado por el Departamento de Defensa para mejorar los sistemas de focalización, pero la aplicación para radiología está ahí.

Por ejemplo, las herramientas explotables de la IA que identifican marcadores moleculares para indicar enfermedad en tumores, pero que son imperceptibles para el ojo humano, dice Erickson, identifican estos marcadores, brindando a los proveedores una mayor perspectiva de la biología del tumor y revelando una invasividad invisible. Las herramientas explotables también podrían ajustar los algoritmos utilizados para el diagnóstico, como los que se usan para identificar el neumotórax.

Apoyo para el avance de la IA

Navegar por el camino cambiante de la implementación de la IA en su práctica probablemente estará lleno de desafíos y cierta confusión. Tanto el liderazgo de la industria como el académico están tomando medidas para guiarlo a medida que determina qué herramientas emplear y la mejor manera de usarlas.

Primero, el Colegio Americano de Radiología (ACR) lanzó el Instituto de Ciencia de Datos (DSI). El objetivo es promover los estándares y la transparencia de la industria y proporcionar estudios de casos clínicamente relevantes en imágenes médicas, radiología intervencionista y oncología de radiación que describan las mejores formas de utilizar la IA, dice Liu. El DSI también tiene como objetivo crear formas de monitorear la efectividad de la IA y abordar los problemas reglamentarios, legales y éticos. En última instancia, la esperanza es que la Administración de Alimentos y Medicamentos (FDA) abrace y apruebe más fácilmente la tecnología AI.

"Es muy temprano, pero creo que la FDA está tratando de rehacerse y de ser flexible y fácil con los nuevos desarrollos", dice Liu. “No podemos predecir qué aspectos de la regulación se relajarán. Será un objetivo móvil a medida que la FDA se adapte a las nuevas tecnologías ".

Además, Massachusetts General y Brigham & Women's Hospitals crearon el Centro para la Ciencia de Datos Clínicos. Al combinar dos conjuntos de datos de gran volumen para entrenar herramientas de inteligencia artificial, ambas instituciones médicas académicas buscan oportunidades para diagnóstico, terapéutica, salud de la población y genética personal. La intención, dice Liu, es reforzar las asociaciones clínicas de la industria con los proveedores para proporcionar soluciones clínicamente útiles y de amplia aplicación.

Antes de invertir e implementar este tipo de herramientas, una vez que estén disponibles, asegúrese de que se haya preparado configurando la mejor gestión de flujo de trabajo posible, dice Erickson. Sin el software adecuado en su lugar, no podrá poner en práctica de manera efectiva y eficiente herramientas de AI más completas. Estos nuevos socios no eliminarán sus responsabilidades como proveedor radiológico, pero cambiarán la forma en que maneja su carga de trabajo.

"Al igual que las hojas de cálculo de Excel cambiaron la forma en que funcionan los contadores, la IA de aprendizaje profundo demostrará que lo mismo es cierto en radiología", dice Erickson. “Los algoritmos nos mostrarán algunas de las cosas de rutina para que seamos más eficientes con las tareas mundanas y los exámenes de rutina. Nos dará más tiempo para enfocarnos en los escaneos inusuales y atípicos ".