Este artículo de opinión fue escrito por Alison Murray, profesora de Roland Sutton y presidenta de radiología de la Universidad de Aberdeen, y fue publicada originalmente por The Conversation. Para obtener más información como esta, vea nuestro suministro de noticias sobre salud y bienestar .

Hay más exploraciones radiológicas que nunca, pero muy pocos radiólogos para interpretarlas. El médico futurista , CC BY

Han pasado casi 40 años desde que se utilizó por primera vez una máquina de resonancia magnética de cuerpo completo para escanear a un paciente y generar imágenes con calidad de diagnóstico. El escáner y los métodos de procesamiento de señal necesarios para producir una imagen fueron diseñados por un equipo de físicos médicos, incluidos John Mallard, Jim Hutchinson, Bill Edelstein y Tom Redpath en la Universidad de Aberdeen, lo que llevó al uso generalizado del escáner de resonancia magnética, ahora una herramienta omnipresente en departamentos de radiología en todo el mundo.

La resonancia magnética fue un elemento de cambio en el diagnóstico médico porque no requería exposición a la radiación ionizante (como los rayos X) y podía generar imágenes en múltiples secciones transversales del cuerpo con una excelente definición de los tejidos blandos. Esto permitió, por ejemplo, la visualización directa de la médula espinal por primera vez.

Los radiólogos están corriendo para quedarse quietos

La mayoría de las personas hoy se habrán sometido a una resonancia magnética o conocerán a alguien que lo haya hecho. Junto con las otras herramientas disponibles para los radiólogos, la resonancia magnética se ha vuelto esencial para confirmar el alcance de la enfermedad, identificar si el paciente ha respondido al tratamiento y demostrar complicaciones y, en algunos casos, guiar la intervención.

Pero la radiología se ha convertido en una víctima de su propio éxito, con un aumento exponencial en el número de exámenes de imágenes solicitados dentro de sistemas de salud cada vez más complejos que atienden a una población que envejece. La demanda supera la oferta de radiógrafos y radiólogos disponibles para producir estos escaneos en sistemas de salud financiados con fondos públicos como el NHS.

En Escocia, en particular, el número de radiólogos consultores se ha reducido en los últimos diez años, mientras que el alcance y la complejidad de los métodos de imagen aumentan con cada generación de escáneres. Los radiólogos están funcionando para quedarse quietos, incluso los departamentos más eficientes externalizan parte de su carga de trabajo a agencias externas.

La interpretación de los detalles extraordinarios de los escáneres de resonancia magnética es algo que podría automatizarse utilizando AI. mgdtgd , CC BY-SA

El potencial y los problemas de la IA

Mientras tanto, los innovadores en la industria han visto las oportunidades potenciales que la inteligencia artificial (IA) podría brindar a la atención médica, particularmente la radiología y la patología que se basan en imágenes digitales. Los algoritmos de aprendizaje automático alimentados con grandes cantidades de diagnósticos pasados pueden generar nuevas reglas para clasificar escaneos basados en ejemplos pasados. El enfoque de aplicar esta técnica a las exploraciones diagnósticas se conoce como radiómica .

Una barrera para un uso más amplio es la falta de acceso seguro a datos sensibles del paciente con los que desarrollar y probar modelos de IA. Otra es la falta de confianza del público en los nuevos métodos, a pesar de que la toma de decisiones informatizada en la atención médica se remonta a principios de la década de 1970 . Finalmente, está el problema de evaluar nuevos métodos basados en datos del mundo real.

Podríamos preguntarnos si necesitamos inteligencia artificial en la atención al paciente. Pero el poder de estas nuevas técnicas podría ofrecer grandes oportunidades. No importa cuán habilidosos, los humanos están sujetos a la fatiga, el aburrimiento y las interrupciones regulares, y esto es cuando pueden ocurrir errores.

Las máquinas pueden funcionar sin cansarse, pero se desconoce su capacidad para tomar decisiones intuitivas o confiar en años de experiencia para reconocer cuando una anomalía plantea un riesgo urgente. Incluso sin depender de la inteligencia artificial para asuntos complejos, solo usarla para tareas cotidianas como reservar citas, asignar personal y equipo, priorizar los trabajos de los radiólogos o incorporar datos de registros de atención médica liberaría el tiempo de los médicos para otras tareas.

Un banco de pruebas para la atención médica futura

En el Reino Unido, iCAIRD , el Centro Industrial para la Investigación de Inteligencia Artificial en Diagnóstico Digital, reúne a expertos de las Universidades de Aberdeen, Edimburgo, Glasgow y St Andrews junto con el NHS y socios de la industria como Canon y Phillips en un centro de £ 15 millones. en Glasgow

Lanzado el año pasado, el proyecto probará qué tan bien los algoritmos de inteligencia artificial se comparan con la experiencia humana al proporcionar un acceso seguro a datos clínicos anónimos en áreas que incluyen la detección del cáncer de mama, el diagnóstico y el tratamiento del accidente cerebrovascular, las radiografías de tórax de A&E y la patología del cáncer de cuello uterino y endometrial . Utilizando un enfoque establecido para el acceso seguro a imágenes anónimas, informes y datos clínicos relevantes, los investigadores de IA podrán desarrollar y probar sus métodos. iCAIRD también creará una base de datos nacional de patología digital.

Del mismo modo que los nuevos medicamentos deben evaluarse adecuadamente antes de su uso, también lo deben hacer los nuevos métodos de inteligencia artificial.

La atención del cáncer generalmente involucra reuniones de equipo multidisciplinario entre médicos de diferentes especialidades: de la misma manera, el objetivo de iCAIRD es que se pueden integrar múltiples aplicaciones de inteligencia artificial para crear una reunión de equipo multidisciplinario virtual basado en IA, donde el conocimiento de radiología y patología puede dirigir Manejo personalizado de pacientes con cáncer .

Al igual que los nuevos medicamentos deben evaluarse adecuadamente antes de su uso, también lo deben hacer los nuevos métodos de inteligencia artificial. Somos afortunados de poder, a través de iCAIRD, evaluar el rendimiento de estos nuevos algoritmos con datos del mundo real. Es claramente crucial llevar al público en este viaje de evaluación de la IA como una posible solución.

Es probable que cualquier nueva forma de trabajo tenga un precio, ya sea una ganancia para las empresas que desarrollan IA, al igual que la industria farmacéutica se beneficia de los nuevos medicamentos, o un costo para el público por la pérdida de la privacidad absoluta de los datos del paciente. Cómo equilibrarlos y garantizar una buena gobernanza de la IA en la asistencia sanitaria debe ser un tema de debate público , y no el papel de un solo sector o de un puñado de empresas.

Finalmente, los beneficios se maximizarán si nosotros, como personal de atención médica, pacientes y miembros del público, estamos involucrados en determinar la dirección del viaje. La responsabilidad recae en todos nosotros.

Este artículo fue publicado originalmente por The Conversation . Para leer el artículo, haga clic aquí .

(Crédito de la imagen: Unsplash)