Publicación

El impacto de la Inteligencia Artificial en el análisis de imágenes médicas

miércoles 1 julio, 2020 Publicado por Jorge Castillo / Experto en Soluciones Cognitivas
COMPARTIR:

Mediante el uso de herramientas que admiten reentrenamiento continuo por parte de especialistas, las tareas habituales de interpretación de imágenes médicas pueden automatizarse para contribuir a aliviar las cargas de trabajo de los radiólogos y acelerar los diagnósticos de cara al paciente

El potencial de la Inteligencia Artificial (IA) y sus diversas aplicaciones en el campo de la medicina son ampliamente conocidos. Debido a la congestión de los centros de atención médica, en muchos casos los especialistas se ven sobrepasados por la escasez de radiólogos capacitados y, precisamente por el ritmo acelerado que se vive en las urgencias, la realidad amerita el uso de tecnologías que proporcionen soluciones y afronten el análisis de imágenes médicas con rapidez y eficiencia.

Adaptarse a la complejidad de la situación y mejorar las buenas prácticas de trabajo deben ser puntos focales para los médicos, teniendo en cuenta un objetivo: brindar una buena atención a sus pacientes. Y para ellos, la mayoría de las veces esto significa recibir un diagnóstico rápido que garantice el acceso a tratamientos correctos sin tiempos de espera adicionales.

En años recientes, algunas empresas y prestadores de salud han comenzado a usar Inteligencia Artificial y aprovechar algoritmos de aprendizaje automático para analizar imágenes médicas tales como: resonancias magnéticas, tomografías axiales computarizadas y rayos X, entre otras.

En un principio podría pensarse que este es un uso estándar de IA, pero en la práctica implica que los procesos de atención se aceleran y perfeccionan gracias al uso de tecnología de punta.

 

En este contexto: ¿Qué esperamos de la Inteligencia Artificial?

Existen muchas expectativas con respecto al rol de la IA en el análisis de imágenes médicas: en resumen, puede aplicarse para acelerar el proceso de diagnóstico y brindar tratamientos más efectivos gracias a su asertividad y velocidad de aprendizaje. La toma de decisiones clínicas, dirigida por personal humano con experiencia en radiología, proporciona el contexto necesario y permite que el trabajo de los médicos pueda centrarse en los casos más complejos.

Usualmente, la capacidad de los radiólogos está limitada por su experiencia, ya que sus diagnósticos se basan en imágenes que han analizado durante su carrera médica.

El estudio automatizado de imágenes permite comparar casos propios con gigantescos bancos globales para potenciar la información que recibirá el paciente con respecto a una patología, su estado actual y las opciones de tratamientos disponibles. Asimismo, el uso de IA facilita el cruce de múltiples fuentes de información y el acceso a casos similares en otros países, aumentando la capacidad de aprendizaje del radiólogo y de los sistemas que utilizan.

La Inteligencia Artificial también es útil para predecir el avance y/o desarrollo de las enfermedades en una red de atención médica.

Por ejemplo, en diciembre de 2019 un sistema empleado en EE. UU. fue capaz de leer un artículo redactado en mandarín y sus algoritmos alertaron sobre dos términos clave: “neumonía” y “causa desconocida”.

BlueDot, una startup creada en Toronto, había utilizado un algoritmo impulsado por IA y, mediante el procesamiento de lenguaje natural (NLP), cruzó los datos obtenidos para contrastarlos con más de 150 tipos de enfermedades. Teniendo los resultados, pudo advertir a sus usuarios finales sobre un probable brote de coronavirus.

Este análisis de datos permitió predecir cuál sería el alcance del Covid-19 y determinar que, a los pocos días de su aparición, el virus llegaría a Bangkok, Seúl, Taipei y Tokio.

 

Soluciones tangibles en Chile

En la actualidad, Cognitiva y ChileRad cuentan con el Análisis Cognitivo de Imágenes Médicas (ACIM), un novedoso sistema complementario de diagnóstico médico entrenado a partir de más de 200.000 imágenes radiológicas de tórax anónimas que componen la base de datos de Chilerad y la Universidad de Stanford.

Su capacidad de aprendizaje automatiza el proceso de lectura e interpretación de imágenes para mejorar los tiempos de análisis y elaboración de informes médicos, ya que los radiólogos de turno solo deben cargar al sistema las imágenes radiológicas del paciente para analizarlas e indicarle al médico tratante un prediagnóstico acertado sobre la patología presentada.

Gracias a la retroalimentación establecida entre los usuarios y las soluciones de Inteligencia Artificial, es posible garantizar el mejoramiento continuo de la experiencia de atención en el sistema de salud, lo que apunta a un mejor uso del equipo hospitalario y a la descentralización de los procesos médicos, así como a la disminución de errores humanos.

A su vez, las aplicaciones basadas en IA no reemplazarán a los radiólogos, sino que contribuirán en su formación y potenciarán sus capacidades profesionales.

Ante este escenario, solo depende del componente humano (prestadores de salud y pacientes) darle un voto de confianza a la IA incorporando nuevas tecnologías a sus procesos habituales, con el fin de priorizar urgencias, brindar mejores resultados clínicos y apoyar la transformación digital dentro del sistema de salud público y privado.

___

Fuentes: