¿Cómo cambiará la IA la radiología?

La imagen médica es crucial para el manejo de diferentes condiciones y un elemento principal para asegurar la continuidad de la atención, desde la prevención, detección y diagnóstico oportuno, hasta decisiones de tratamiento informadas y mejores resultados y rehabilitación.

Si las primeras décadas de la radiología fueron sobre mejorar la resolución de las imágenes tomadas del cuerpo, entonces las próximas décadas estarán dedicadas a interpretar esos datos para asegurarse de que no se pase nada por alto.

Desde el diagnóstico hasta el tratamiento

La imagen médica está comenzando a avanzar desde su enfoque inicial—que era diagnosticar problemas de salud—a desempeñar un papel esencial en el tratamiento también, especialmente en oncología. 

Los médicos están comenzando a confiar en las imágenes para ayudarlos a observar y hacer un seguimiento de la evolución de los tumores y la propagación de las células cancerosas para tener una forma más rápida de saber si el tratamiento está funcionando. 

La imagen contribuirá al tipo de tratamiento que reciben los pacientes, pero también contribuirá a la forma en que los médicos trabajan, ofreciendo retroalimentación oportuna que les permitirá ser más eficientes.

La imagen funcional se convierte en parte del cuidado

También veremos una transición a la imagen funcional, para fines de mayor precisión: la imagen funcional (o imagen fisiológica) es una técnica de imagen médica para detectar o medir cambios en el metabolismo, el flujo sanguíneo, la composición química regional y la absorción.

A diferencia de la imagen estructural, la imagen funcional se centra en revelar actividades fisiológicas dentro de un determinado tejido u órgano utilizando modalidades de imagen médica que emplean sondas para reflejar su distribución espacial dentro del cuerpo.

La creciente demanda de radiología

La imagen ha pasado a ser clave en el cuidado de enfermedades transmisibles y no transmisibles. Sin embargo, hay grandes carencias de equipos de imagen y fuerza laboral, especialmente en países de bajos y medianos ingresos (1.9 radiólogos por millón de personas en países de bajos ingresos y 97.9 en países de altos ingresos).

Por otro lado, la creciente demanda de radiología combinada con sistemas de inteligencia artificial hace de la inteligencia artificial una herramienta útil para mejorar las revisiones de imágenes médicas y la evaluación de riesgos.

Inteligencia artificial en radiología

Los algoritmos de computadora han sido entrenados para detectar cuando las imágenes están fuera de los parámetros normales, y cuantas más imágenes reciben, mejor se vuelven en identificar anomalías.

El objetivo es automatizar la lectura de tomografías computarizadas, resonancias magnéticas o ecografías tanto como sea posible, y ahorrar tiempo a los radiólogos, a medida que están bajo creciente presión para leer e interpretar cientos de imágenes por día.

Hasta ahora, la FDA (Administración de Alimentos y Medicamentos de EE. UU.) ha aprobado aproximadamente 420 algoritmos involucrando imágenes para diversas enfermedades (principalmente cáncer), pero la FDA aún requiere que un humano tome la decisión final sobre lo que detecta el algoritmo.

Casos de uso de la detección asistida por IA en radiología

Detectar cosas temprano y llevar al paciente al tratamiento mucho más rápido es el objetivo en la detección asistida por computadora. Estos son algunos de los casos de uso de la IA en radiología:

• aumentando las imágenes cardíacas
• clasificando tumores cerebrales
• detectando fracturas vertebrales
• diagnosticando ELA
• detectando la enfermedad de Alzheimer
• detectando cáncer de mama
• detectando neumonía
• detectando aneurismas
• detectando embolismos y signos de accidente cerebrovascular

Seguimiento y monitoreo del paciente

Mientras que el triaje asistido por computadora es el primer paso para integrar el soporte de IA en la atención médica, el aprendizaje automático también se está convirtiendo en una forma poderosa de realizar un seguimiento de incluso los cambios más pequeños en las condiciones de los pacientes, especialmente en la atención contra el cáncer, a medida que los pacientes se someten a quimioterapia.

Predicción de eventos adversos

Con suficiente datos de imágenes, los algoritmos de IA podrían incluso encontrar anomalías para cualquier condición que ningún humano podría detectar, como ciertos biomarcadores que pueden alertar cambios cuando alguien es probable que sufra un derrame cerebral o un ataque al corazón.

Mejorar el acceso a la imagen médica con IA en países de bajos y medianos ingresos

La IA ya tiene el potencial de mejorar los flujos de trabajo en radiología, y podría ayudar a detectar automáticamente anomalías en el tórax, el cerebro y otras regiones del cuerpo, lo que tendrá un impacto considerable en los países de ingresos bajos y medianos. Debería avanzar el acceso libre a la imagen médica con apoyo de IA para enfermedades de alta prioridad, como la tuberculosis.

¿Cómo llegamos allí?

Para poder hacer realidad estas tecnologías, necesitaríamos toneladas de datos.

Pero los silos de datos que existen en los sistemas de salud hacen más difícil acceder, compartir, colaborar y, en última instancia, aumentar los datos de imágenes médicas.

A través de Medicai, hemos construido una infraestructura de nube descentralizada que permite a los sistemas de salud intercambiar datos de una manera segura y conforme, haciendo posibles nuevos caminos de cuidado, flujos de datos y, consecuentemente, integraciones de IA que antes eran inalcanzables.

Fuentes: 1, 2, 3, 4.

¿Quiere aprender más sobre cómo la tecnología puede apoyar su creciente práctica? Vea nuestra última guía, El Futuro de la IA en la Atención Médica. Ofrece insights sobre los principales desafíos, tendencias emergentes y mucho más.