IA en radiología: mejora de la eficiencia sin reemplazar a los radiólogos

La integración de IA en radiología ha despertado una curiosidad generalizada, lo que ha llevado a muchos a preguntarse si la inteligencia artificial eventualmente reemplazará a los radiólogos o servirá como una herramienta para mejorar su desempeño. Si bien la IA es muy prometedora, especialmente en lo que respecta al manejo de grandes cantidades de datos de imágenes médicas, su función actual parece consistir en mejorar, no reemplazar, las capacidades de los radiólogos. En instituciones como Johns Hopkins y Harvard, los investigadores están estudiando cómo utilizar la IA de manera eficaz para gestionar las crecientes demandas de los radiólogos y, al mismo tiempo, mantener un alto nivel de atención.

En este blog, exploraremos cómo IA en radiología se está implementando, los desafíos a los que se enfrenta y la forma en que promete cambiar la forma en que abordamos el diagnóstico y la atención a los pacientes.

Te puede interesar leer: El auge de la IA en la investigación farmacéutica y la medicina personalizada

1. El papel de la IA en la radiología actual

La inteligencia artificial tiene el potencial de transformar el campo de las imágenes médicas al analizar grandes cantidades de datos con mayor velocidad y precisión que los radiólogos humanos. Por ejemplo, en Johns Hopkins, el Subcomité de Desarrollo de Inteligencia Artificial de Radiología (RAID) se estableció para evaluar e implementar herramientas de inteligencia artificial que pueden ayudar a los radiólogos en sus tareas diarias. El trabajo de RAID se centra en la integración IA en radiología de forma que aumente la confianza de los radiólogos en sus diagnósticos y mejore los resultados de los pacientes. Al clasificar los casos y destacar las anomalías, la IA puede garantizar que los radiólogos se concentren en las tareas más críticas sin verse abrumados por los grandes volúmenes de datos de imágenes.

Del mismo modo, los investigadores de Escuela de Medicina de Harvard están investigando cómo la IA afecta el desempeño de los radiólogos individuales. Los resultados han sido variados, lo que demuestra que si bien IA en radiología puede mejorar la precisión para algunos radiólogos, pero puede obstaculizar a otros. Esto subraya la importancia de adaptar los sistemas de IA a los médicos individuales para maximizar su eficacia. Los diversos efectos de la IA revelan una idea crucial: la IA debe considerarse como una herramienta que complementa la experiencia humana, no como un sustituto de la misma.

2. Aumentar la eficiencia, no reemplazar a los radiólogos

Uno de los principales objetivos de la integración IA en radiología consiste en reducir la carga que soportan los radiólogos mediante la automatización de las tareas de menor valor, lo que les permite centrarse en tareas de diagnóstico más complejas. Por ejemplo, en Europa, donde los departamentos de radiología se enfrentan a grandes retrasos, la inteligencia artificial ya ha empezado a ayudar a los radiólogos mediante la revisión automática de las radiografías de tórax y la elaboración de informes para los casos que parecen normales. Esto reduce el tiempo dedicado a los exámenes de rutina y permite a los radiólogos concentrarse en los casos más complicados.

Sin embargo, a pesar de que la IA ha demostrado su potencial, los radiólogos siguen siendo escépticos a la hora de transferir demasiada responsabilidad a los algoritmos. En Universidad de Stanford, los expertos señalan que, si bien la IA puede ayudar a interpretar las imágenes médicas, los radiólogos deben seguir involucrados en el diagnóstico final. La confianza en la IA solo aumentará si se controla cuidadosamente su precisión y si los radiólogos están capacitados para detectar los errores de la IA.

La posibilidad de IA en radiología funcionar como sistemas de piloto automático (realizar tareas críticas bajo la supervisión humana) ofrece un enfoque equilibrado de la adopción. Como explicó un radiólogo, usar la IA como un segundo par de ojos en la sala de lectura, en lugar de como una herramienta autónoma, ayuda a fomentar la confianza tanto entre los médicos como entre los pacientes.

3. Superar los desafíos en la integración de la IA

A pesar de su potencial, la adopción de IA en radiología ha sido más lento de lo esperado. Según las estimaciones, solo alrededor del dos por ciento de los consultorios de radiología en los Estados Unidos utilizan actualmente la tecnología de inteligencia artificial, a pesar de que más del 75 por ciento de los algoritmos de inteligencia artificial aprobados por la FDA están diseñados para la radiología. A ello contribuyen varios factores, como la falta de pruebas en el mundo real y la falta de transparencia en la forma en que se entrenan los modelos de IA.

Por ejemplo, muchos algoritmos de IA se entrenan con datos de hospitales de regiones específicas, lo que genera la preocupación de que estos algoritmos no funcionen tan bien en diferentes entornos clínicos. En Johns Hopkins, el Dr. Cheng Ting Lin señala que los algoritmos de terceros entrenados con diferentes datos demográficos de pacientes pueden no ser tan precisos cuando se usan con su población local de pacientes. Para abordar este problema, las instituciones están empezando a desarrollar herramientas internas de inteligencia artificial que puedan adaptarse a sus necesidades específicas.

Además, las preocupaciones legales y éticas sobre quién es responsable cuando la IA comete un error siguen sin resolverse. Es probable que los radiólogos sigan comprobando minuciosamente todos los resultados de la IA para evitar errores, que pueden anular algunos de los aumentos de productividad esperados. Solo cuando las herramientas de inteligencia artificial sean extremadamente precisas y confiables, los radiólogos podrán confiar plenamente en ellas en su flujo de trabajo.

4. El futuro de la IA en radiología

A medida que la IA continúa evolucionando, sus posibles aplicaciones en radiología se están expandiendo. En Johns Hopkins, el Laboratorio de IA de radiología (RAIL) colabora con varios departamentos para desarrollar aplicaciones de aprendizaje automático destinadas a mejorar la clasificación de imágenes médicas. Es probable que estas aplicaciones mejoren la velocidad y la precisión del diagnóstico, lo que permitirá tomar decisiones de tratamiento más rápidas.

Además, el uso de la IA para ayudar en la mamografía está ganando terreno. La iniciativa de RAID dirigida por médicos está probando varias herramientas de mamografía asistidas por IA que ya han demostrado ser prometedoras para aumentar las tasas de detección del cáncer y reducir las llamadas. Los expertos creen que la IA pronto se convertirá en una herramienta estándar en la mamografía, ya que ofrece una segunda opinión que puede aumentar la confianza de los radiólogos sin reemplazar su experiencia.

A medida que la tecnología avanza, instituciones como Johns Hopkins esperan convertirse en líderes en el desarrollo de herramientas de inteligencia artificial que puedan pasar de los laboratorios de investigación a los entornos clínicos. La atención se seguirá centrando en el desarrollo de algoritmos que aumenten el rendimiento humano y proporcionen a los radiólogos las herramientas que necesitan para mejorar su trabajo.

5. Conclusión: lograr un equilibrio con la IA en radiología

Si bien el debate sobre si IA en radiología reemplazará a los médicos humanos continúa, el consenso actual es claro: la IA es una herramienta diseñada para apoyar a los radiólogos, no para reemplazarlos. Instituciones como Johns Hopkins y Escuela de Medicina de Harvard están explorando formas de integrar la IA en los flujos de trabajo de radiología sin sacrificar la precisión del diagnóstico ni la calidad de la atención al paciente.

El futuro de IA en radiología probablemente implicará un enfoque híbrido en el que la IA se encargue de las tareas rutinarias, lo que permitirá a los radiólogos centrarse en trabajos más complejos y basados en el valor. Sin embargo, siguen existiendo desafíos, como garantizar la precisión de los modelos de IA, abordar las preocupaciones sobre la responsabilidad legal y fomentar la confianza entre los radiólogos.

Al final, IA en radiología es muy prometedor para mejorar la eficiencia y la eficacia de las prácticas de radiología en todo el mundo. Al integrar cuidadosamente esta tecnología y mantener un enfoque centrado en el ser humano, la IA puede convertirse realmente en un activo valioso en la sala de lectura.

¿Quieres conocer más sobre Inteligencia Artificial? ¡Programa una consultoría gratuita!

Fuentes:

¿La IA ayuda o perjudica el rendimiento de los radiólogos humanos? Depende del médico» de EKATERINA PESHEVA, publicado el 19 de marzo de 2024. Este artículo investiga cómo la IA afecta el rendimiento de los radiólogos de manera diferente, subrayando la importancia de personalizar las herramientas de IA (
S&P Global
).

«¿La IA reemplazará a los radiólogos o los hará más eficientes?» de Euronews, publicado el 15 de mayo de 2024. El artículo discute cómo la IA puede mejorar la precisión de los radiólogos y aliviar su carga de trabajo, aunque su adopción aún es limitada debido a preocupaciones sobre la confiabilidad de los algoritmos (
Plataforma de agentes de IA | Springs
).

«La radiología de Johns Hopkins explora el potencial de la IA en la sala de lectura», un artículo que describe cómo la Facultad de Radiología de Johns Hopkins, a través del subcomité RAID, está desarrollando y evaluando el uso de IA para mejorar la interpretación de imágenes médicas (
Springer
)

‍