IA y Radiología ¿Dónde estamos?

El mundo de la medicina está en constante evolución. Con la irrupción de la Inteligencia Artificial  Generativa en el campo de la radiología, y los avances en las tecnologías digitales para el sector de la salud, nos encontramos presenciando un antes y un después en el campo del diagnóstico por imágenes.

En las últimas dos décadas, la combinación de potentes dispositivos informáticos con las inversiones de los gigantes tecnológicos, y el aumento de la disponibilidad de los datos, ha abierto nuevas puertas a la investigación de la IA. En el ámbito de las imágenes médicas, esto se está viendo reflejado en la aparición de nuevas y prometedoras aplicaciones que ya están mejorando la calidad y la rapidez de las las pruebas diagnósticas.

La IA se está convirtiendo en la mejor aliada de los médicos radiólogos y en este artículo exploramos su gran capacidad para “aumentar” el potencial de esta figura profesional clave, no sólo en la vertiente diagnóstica, sino también terapéutica.

IA y Radiología ¿Dónde nos ubicamos hoy?

La aparición de modelos de Inteligencia Artificial como herramientas de alto valor para la radiología es el resultado de un progreso sustancial en varios dominios. En primer lugar, la disponibilidad y asequibilidad de los dispositivos informáticos significa que se han desarrollado mecanismos de procesamiento de datos más eficientes. Además, el significativo incremento de la cantidad de imágenes médicas y datos de imágenes hace que los conjuntos de datos estén más disponibles, y esto permite desarrollar algoritmos más precisos, y entrenar y mejorar modelos de aprendizaje profundo.

Por todo esto, podemos afirmar que la IA ya está presente en todas las fases de los procesos de obtención de imágenes médicas, independientemente de la modalidad o especialidad, ya sea en diagnóstico por imágenes, radiología intervencionista o radiómica.

Pero ¿Cómo las herramientas de IA desempeñan su papel en el diagnóstico por imágenes?

Desde la adquisición de datos hasta la reconstrucción y el análisis de imágenes o la generación de informes, la IA puede ayudar a los radiólogos de muchas maneras. La carga de trabajo del radiólogo promedio ha aumentado de forma constante en los últimos años: algunos informes indican que el radiólogo promedio que interpreta exámenes de tomografía debe evaluar una imagen cada 3-4 segundos durante una jornada laboral de 8 horas. Esta presión, inevitablemente puede conducir a errores que la IA tiene el potencial de reducir.

La IA ayuda a mejorar los flujos de trabajo y automatizar tareas. Esto evita el tener que hacer “malabarismos” con diversos sistemas y minimiza las tareas repetitivas que no aportan valor. Pero la IA también ha demostrado su valía en entornos de alta presión, como los departamentos de emergencias, gracias a sus capacidades interpretativas (en particular, la capacidad de reconocer hallazgos) y no interpretativas, como la priorización de tareas. La IA puede incluso ayudar a redactar informes: un estudio reciente evaluó las capacidades de redacción de ChatGPT y concluyó que eran satisfactorias. Otras aplicaciones de IA incluyen redes generativas adversarias, codificadores automáticos variacionales y codificadores automáticos, que pueden contribuir, cada uno a su manera, a mejorar los procesos de diagnóstico y de toma de decisiones, eliminando ruido y segmentando imágenes, aprendiendo a comprender imágenes y detectar anomalías, o creando imágenes realistas con fines de formación o investigación.