La inteligencia artificial (IA) está avanzando rápidamente en el campo de la imagen médica. La adopción clínica de la IA por parte de los radiólogos ha pasado de ninguna a un 30% entre 2015 y 2020, según un estudio del American College of Radiology. En el campo de la imagen médica, esto podría consistir, por ejemplo, en decirle al ordenador qué imágenes contienen cáncer de mama y permitirle aprender de este conjunto de datos para encontrar características comunes a esas imágenes pero ausentes en las imágenes sin cáncer. Esto aumenta la capacidad del radiólogo para encontrar nuevos detalles en las imágenes relacionados con una patología que antes no hubiera podido identificar el ojo humano. Por tanto, los programas de IA pueden desarrollar formas totalmente nuevas de interpretar las imágenes médicas, a veces de manera incomprensible para los humanos.

Esta situación ha provocado una dualidad de emociones entre los radiólogos. Por un lado, algunos muestran entusiasmo por el potencial de la IA para reducir su carga de trabajo y, por otro, existe el temor de perder sus puestos de trabajo a manos de las máquinas. Sin embargo, lo que hemos visto desde hace 8 años, cuando algunos expertos predijeron que la IA reemplazaría a los radiólogos, es que la IA trabaja de la mano con ellos para aumentar su inteligencia, automatizando las redundancias y optimizando la forma en que los radiólogos practican. No sólo ahorrando tiempo, sino mejorando el diagnóstico evitando potencialmente lo que podría haber sido un fallo fácil.

Una informática del Instituto Tecnológico de Massachusetts, Regina Barzilay, desarrolló un algoritmo de aprendizaje automático que utiliza el análisis visual superior de los ordenadores para detectar patrones sutiles en las mamografías que el ojo humano podría pasar por alto.  De este modo, puede predecir con gran precisión a partir de una mamografía si una paciente tiene probabilidades de desarrollar un cáncer de mama hasta cinco años después. Esto es muy relevante porque las incertidumbres de la lectura de una mamografía podrían retrasar el diagnóstico y un diagnóstico posterior implica tratamientos agresivos, resultados inciertos y más gastos médicos.

Este es sólo uno de los muchos ejemplos de cómo la incorporación de software de IA en el flujo de trabajo del radiólogo puede mejorar la precisión y la puntualidad de los diagnósticos, al tiempo que permite a los radiólogos ejercer su profesión con la máxima eficiencia, acelerando su capacidad para ofrecer un valor óptimo y permitir la mejor atención posible al paciente. Además, los sistemas de IA podrían ampliar los límites y el alcance de los médicos para ofrecer un mejor tratamiento en los países en desarrollo y las regiones remotas que carecen de radiólogos. Ejecutar un algoritmo puede ser una forma barata de cerrar la brecha entre el nivel de atención prestado en las zonas más ricas y las más pobres, y puede hacerse incluso en un teléfono móvil.

Sin embargo, la inteligencia artificial aplicada a la imagen médica también tiene muchas limitaciones. La desconexión entre la forma de pensar de los ordenadores y la de los humanos presenta varios problemas de confianza que se convierten en una preocupación legal. Por ejemplo, si una IA se equivoca en un diagnóstico, puede ser difícil determinar si la culpa es del médico o del programa y cómo regular una máquina que aprende y cambia constantemente.

Además, los algoritmos pueden ser muy sensibles a las características de los datos con los que fueron entrenados; si alguno de los factores cambia, es posible que la precisión del modelo se reduzca. Las normas actuales para evaluar el riesgo de cáncer de mama son mucho menos precisas en las mujeres afroamericanas, dice Barzilay, porque esas normas se desarrollaron principalmente utilizando exploraciones de mujeres blancas.

Las limitaciones de la IA deberían tranquilizar a los radiólogos a los que les preocupa que las máquinas les quiten el trabajo, ya que aunque un algoritmo sea mejor para diagnosticar un problema concreto, la combinación con la experiencia del médico y el conocimiento de la historia individual del paciente dará lugar a un mejor resultado. A corto plazo, es más probable que los algoritmos de IA ayuden a los médicos que los sustituyan, y el mejor escenario sería que la inteligencia artificial y la humana trabajaran en sinergia.

Referencias

1.            Reardon, S. (2019). El auge de los radiólogos robot. Nature, 576(7787), S54-S54.

2.            Wallis, C. (2019). Cómo la inteligencia artificial cambiará la medicina. Nature, 576(7787), S48-S48.

3.            Siwicki, B. (2021). Mass General Brigham y el futuro de la IA en radiología. Healthcare IT News.