Podcast de Imágenes Médicas Sin Límites, ep.4 - con Brian Casey de The Imaging Wire

– Hola Brian, y gracias por aceptar nuestra invitación al Podcast de Limitless Medical Imaging. ¡Estamos felices de tenerte aquí! Comenzaré pidiéndote que te presentes, por favor.

– Genial. Bueno, es bueno estar aquí, Andra. Mi nombre es Brian Casey, soy editor gerente de The Imaging Wire y The Imaging Wire es un sitio web y boletín dedicado a escribir sobre imagenología médica, radiología y todo lo relacionado con eso. He estado en radiología durante unos 30 años, para una variedad de publicaciones. Así que estuve en SIIM la semana pasada, y pensé que fue un gran evento. Creo que hubo muchas discusiones interesantes. Mucha gente estaba realmente emocionada por lo que ha estado sucediendo en la gestión de imágenes, la gestión de imágenes digitales, imágenes empresariales y especialmente en AI.
Así que muchas buenas charlas, mucho buen networking allí.

– Por eso quería hablar contigo porque sabía que asististe a SIIM, y quería averiguar de la persona que más sabe sobre lo que sucedió allí. ¿Cuáles fueron los temas principales que se discutieron este año? ¿Qué tendencias prevés?

– Esta fue mi primera SIIM en algunos años. La última a la que fui fue en Portland en 2016. Y supongo que mi primera fue probablemente en 2001, en ese entonces se llamaba Scan y fue en Salt Lake City. La cosa número uno que más me sorprendió fue lo poco que se habló de COVID, porque en todas estas reuniones, ya sabes, COVID ha sido una gran sombra sobre las reuniones médicas en los últimos tres años. Y esta fue la primera reunión donde simplemente no parecía ser un gran tema. Y no había mucha gente usando mascarillas y realmente no había mucha preocupación sobre COVID en absoluto. Así que eso fue realmente agradable. Y fui a una charla un día, creo que fue el jueves, fue por el Dr. Jim Whitfield, y habló sobre la importancia de estar juntos, y la razón de eso fue que el Dr. Whitfield fue en realidad el presidente o director de SIIM en 2020 cuando se suponía que iba a celebrarse ese año. Y tuvieron que cancelarlo, obviamente debido a COVID y al igual que todas las reuniones médicas ese año, así que lo sustituyeron por una reunión virtual. Y como muchas otras sociedades, ha habido muchas reuniones virtuales. Y muchos de nosotros nos hemos acostumbrado a eso. Y hemos asumido que, bueno, ya sabes, ¿es realmente tan diferente, ya sabes, reunirse virtualmente en lugar de reunirse en persona? Y él pasó por varios de los aspectos negativos de la tecnología virtual y las relaciones humanas y hablo sobre algunos de los impactos que hemos visto en adolescentes y la productividad laboral.

Así que, cuando se trata de contenido, lo que realmente dominó en SIIM fue la inteligencia artificial y específicamente ChatGPT. Como escribí en uno de mis artículos sobre SIIM para The Imaging Wire, la Inteligencia Artificial realmente le ha dado a SIIM una nueva misión, porque SIIM tiene una larga historia, originalmente era la Sociedad para Aplicaciones Informáticas en Radiología, y la misión original era enseñar a las personas sobre PACS y la gestión de imágenes digitales, y cuando PACS llegaron a principios de los noventa, la gente no sabía, seguimos usando película en radiología. Y entonces realmente había una necesidad de entrenar a la gente en eso. Pero a lo largo de los años, todo el mundo ha adquirido PACS. Y entonces, al menos en los hospitales occidentales, toda la imagenología es digital ahora, así que no hay esa necesidad de aprender lo que AI ha hecho, es esta nueva tecnología que podría tener un impacto tan grande como radiología PACS ha tenido, pero que realmente sigue siendo un misterio.

Y así SIIM ha cambiado para centrarse bastante en AI y hablar sobre cómo AI puede ser usada en radiología. Y así, eso ha sido realmente agradable de ver en SIIM y muchas de las discusiones fueron sobre IA y podemos profundizar en eso con más detalle si lo deseas.

– Sí, por supuesto. De las discusiones que has tenido, ¿cuáles has visto como desafíos en el desarrollo de algoritmos en radiología?

– Bueno, hay varios desafíos y lo positivo es que la mayoría de los radiólogos parecen ya no estar en contra de la IA, de usar IA, cuando los primeros AI algoritmos llegaron, muchos radiólogos se preocuparon mucho por esto. Y hubo aquella famosa cita de Jeffrey Hinton, donde dijo que deberíamos dejar de entrenar radiólogos ahora mismo. Y así que la buena noticia es que los radiólogos parecen haber superado esa reticencia sobre la IA. El problema es que está tomando mucho más tiempo para que la IA penetre en la radiología de lo que la gente esperaba. Y simplemente la adopción clínica está tomando mucho tiempo. Estuve en otra reunión, AI Med en San Diego hace dos semanas. Otro tema allí fue, ¿qué tenemos que hacer para que los radiólogos comiencen a usar más IA? Y creo que algunos de los problemas son, que debe ser más fácil para los radiólogos ponerlo en práctica. No se puede tener a los radiólogos eligiendo entre algoritmos mientras están leyendo una exploración, eso simplemente no va a funcionar. Así que muchos proveedores están abordando esto desde un enfoque de plataforma, en lugar de vender algoritmos a radiólogos de manera individual. Necesitamos tenerlos en una plataforma donde, idealmente, el algoritmo pueda simplemente lanzarse y analizar un estudio en tiempo real sin tener mucha interacción del radiólogo. Así que el enfoque de plataforma es realmente grande. También hay mucha preocupación sobre la calidad, sobre el acceso a datos para entrenar algoritmos de IA.

Y hubo una buena charla temprano por el Dr. Zied Obermeier en uno de los días donde discutió cómo necesitamos obtener mejores datos para el entrenamiento de IA. Entrenas algoritmos en pequeños conjuntos de datos, eso es problemático porque muchas veces esos algoritmos no son generalizables. No funcionan muy bien fuera del conjunto de datos en el que fueron entrenados. No podemos tener un algoritmo con una sensibilidad del 90% en los datos de entrenamiento. Y luego, cuando lo sacas al mundo real, eso baja al 65 o 70. Así que ese fue otro gran problema en SIIM. Todavía estamos en días muy tempranos para ChatGPT y no conozco a nadie que lo esté usando clínicamente en este momento.

Creo que en su mayoría estamos en esta fase donde estamos experimentando con ello. Y estuve en una charla donde, uno de los moderadores preguntó al público, ¿cuántos de ustedes no lo han usado clínicamente, pero cuántos de ustedes simplemente han jugado un poco con ChatGPT y, la mayoría de las personas en la audiencia dijeron que sí, que lo habían probado. Habiendo dicho eso, creo que todos estarían de acuerdo en que realmente no está en un punto en absoluto donde pueda usarse clínicamente. Y todavía estamos descubriendo maneras en las que puede ser usado. Así que eso es lo realmente emocionante. Creo que tiene mucho potencial en términos de asumir tipo de tareas mundanas y quitar algo de carga al radiólogo, por ejemplo, escribir un resumen de un radiología informe tal vez escrito a un nivel que un paciente podría entender. Creo que eso es una posibilidad. Y el radiólogo podría corregir y arreglar cosas. La gran preocupación con Chat GPT es este concepto llamado el efecto de alucinación donde ChatGPT simplemente inventa cosas. Y suena real, lo lees y dices, Oh, está bien, genial. Y luego profundizas en eso y es como, bueno, estas cosas no son ciertas. Así que creo que tendremos que lidiar con eso. Tendremos que lidiar con el efecto de alucinación. Tendremos que probar esto bastante, pero parece que tiene mucho potencial. Y parece que cada nueva iteración de esto, ve una mejora mucho mayor en el rendimiento. Creo que eso solo va a mejorar.

– Muchas gracias por esta perspectiva. De tus discusiones, ¿qué has visto sobre los médicos, cómo ven el futuro, el espacio de trabajo de imagenología moderna?

– Bueno, la gran cuestión allí es, simplemente el flujo de trabajo. Uno de los temas que se enfatizó realmente en SIIM fue simplemente el flujo de trabajo, flujo de trabajo, flujo de trabajo, y los radiólogos de todo el mundo están simplemente siendo sepultados por este increíble volumen de estudios de imagenología que se están produciendo. Tenemos estos escáneres ahora, escáneres de CT que están produciendo cientos o miles de cortes por examen. Y es realmente un desafío para los radiólogos tener que leer todas estas cosas. Y la población está envejeciendo, y la imagenología se está utilizando más a menudo. Los médicos necesitan herramientas que les ayuden a trabajar de manera más eficiente. No necesariamente creo que sientan que necesitan un algoritmo de IA para respaldarse a sí mismos porque su sensibilidad ya es bastante alta, pero necesitan tecnología que no se interponga en su camino y les ayude a hacer su trabajo y les ayude a lidiar con todo este volumen que estamos viendo. Así que creo que esa es su gran preocupación. Necesitan herramientas de productividad y realmente están reticentes a herramientas que puedan interponerse en su camino y ralentizarlos. Sabes, nadie quiere tener que pasar por una mamografía y tener que hacer un seguimiento de 20 marcas de lesiones sospechosas. Creo que ahí es donde los ganadores y perdedores se van a separar, las herramientas que puedan integrarse con el flujo de trabajo de los radiólogos y realmente ayudarlos a trabajar de manera más eficiente serán las que ganen aquí.

– ¿Cuáles fueron las principales preocupaciones sobre el almacenamiento y la seguridad, para la informática de radiología?

– Sí, estos son ambos grandes problemas, y realmente fueron tema de mucha discusión en SIIM. Ha habido una serie de violaciones de seguridad realmente de alto perfil tanto en departamentos o centros de radiología, instalaciones, como en salud en general. Así que la seguridad es un gran problema. Me parece que muchos de estos incidentes están forzando a los proveedores de salud a recurrir a proveedores de nube para sus datos, almacenamiento de datos y gestión, porque se están dando cuenta de que simplemente, ejecutar un departamento de ciberseguridad de alto nivel no está en su. Conjunto de habilidades y que hay otras personas por ahí que pueden hacer esto mejor. Y, ya sabes, estas son las personas de la plataforma como Amazon y Microsoft y Google. Y así estamos viendo mucho más interés en proveedores de nubegestión de imágenes basada en nube, y creo que históricamente la atención médica se había preocupado mucho por tener sus datos almacenados fuera de las instalaciones. Creo que eso está empezando a desaparecer un poco. Y creo que los problemas de seguridad están impulsando eso. Y así creo que vamos a seguir viendo la migración continua de la atención médica al alojamiento en la nube en el futuro.

– Bien. Increíble. Muchas gracias, Brian, por participar en este episodio y compartir con nosotros tu experiencia en SIM. Todos, por favor envíenos cualquier comentario o pregunta, o ideas que puedan tener para Brian o para nosotros, para Medicai. No duden en enviarnos un mensaje y suscribirse a este podcast. Hasta la próxima vez.