La IA en Radiología Intervencionista mejora la selección de pacientes

La inteligencia artificial (IA) en la Radiología intervencionista puede mejorar la selección de pacientes, planificación y ejecución del tratamiento, calidad de imagen, eficiencia y precisión en informes, apunta Fernando Gómez, miembro de la Sociedad Española de Radiología Médica (SERAM) y ponente del 37 Congreso Nacional de la SERAM, que se celebrará del 22 al 25 de mayo en Barcelona, con la ponencia 'Grupo de trabajo sobre Inteligencia Artificial de la Sociedad de Radiología Cardiovascular e Intervencionista de Europa (Cirse)'.

“El objetivo de la integración de la IA es utilizar de manera más eficiente las imágenes obtenidas durante la intervención y brindar apoyo en el proceso de toma de decisiones, lo que llevaría a mejores resultados clínicos, menos complicaciones, una mejor experiencia del paciente y/o costos reducidos para el sistema de atención médica” comenta Gómez.

La IA tiene potencial para personalizar tratamientos considerando historial médico, genética y estilo de vida. Además, puede cerrar la brecha entre entornos con recursos diferentes, haciendo que la radiología intervencionista sea más accesible en áreas desatendidas y mejorando los resultados para todos los pacientes, gracias a la disponibilidad permanente de la experiencia humana a través de la IA.

Gómez señala que, sin embargo “la principal preocupación a la que nos enfrentamos es reconocer las limitaciones actuales en el uso de la IA en la radiología intervencionista desde una perspectiva técnica, porque existe una necesidad urgente de estandarización de imágenes y procedimientos, así como conjuntos de datos de alta calidad. Esto representa un desafío significativo, especialmente considerando los diferentes software y algoritmos de reconstrucción de proveedores, así como las preferencias locales y los protocolos institucionales”.

Problemas éticos y legales con el uso de la IA

Además, antes de implementar la IA en la práctica clínica diaria, es necesario tener en cuenta que: incluye garantizar que el sistema de IA sea suficientemente preciso y confiable, que se integre sin problemas con los sistemas y flujos de trabajo existentes, y que cumpla con los requisitos y estándares regulatorios. También es importante abordar problemas éticos y legales relacionados con el uso de la IA en medicina, como: la privacidad de los datos, la autonomía del paciente y la responsabilidad en caso de complicaciones relacionadas con las recomendaciones de la IA.

Un comunicado conjunto europeo y norteamericano sobre la IA en radiología destaca la necesidad de un uso ético que promueva el bienestar, minimice el daño, sea transparente y altamente confiable, manteniendo la responsabilidad con los diseñadores u operadores humanos. “La ciberseguridad se vuelve aún más importante, ya que las redes neuronales podrían ser reprogramadas para causar daño” puntualiza Gómez.

Además, también existe una necesidad real de una estrecha colaboración entre radiólogos intervencionistas, investigadores en inteligencia artificial, expertos en ética, la industria y los organismos reguladores. Para Gómez, “sin duda, los radiólogos intervencionistas deben participar en todas las etapas y formar parte del equipo al tomar decisiones sobre el uso de la IA en el área, ya que son ellos quienes deben implementar y aplicar las soluciones de IA en sus prácticas y asumir las consecuencias en caso de fallos”.

“La IA ofrece la posibilidad de hacer la experiencia permanentemente disponible si se seleccionan datos de entrenamiento adecuados y la salida se valida clínicamente. Pero para participar en estas decisiones, los médicos necesitan aumentar su nivel de conocimiento y competencia en informática, siendo esto tan crucial en el futuro como lo es hoy en bioestadística. Es esencial que los médicos comprendan a fondo lo que sucede dentro de la "caja negra" de la IA para impulsar el desarrollo de la IA adecuada y estar al tanto de posibles resultados incorrectos, engañosos o sesgados. Afortunadamente se están desarrollando enfoques, como la inteligencia artificial explicativa (XAI), para hacer que la "caja negra" de la IA sea más comprensible para los humanos, proporcionando información sobre cómo se logran las predicciones de la IA” explica Gómez.

Un proyecto piloto

Desde el Cirse se lleva a cabo un proyecto piloto para evaluar la viabilidad, practicidad, coordinación necesaria y posibilidad de implementación clínica de la IA, así como proporcionar las primeras estimaciones de costos y beneficios de la misma. Además, “pretende poder reconocer automáticamente los tumores que vamos a tratar, las características de las zonas en las que se ha realizado el tratamiento, y, en un último paso, ser capaces de predecir si en esas áreas van a quedar células tumorales viables que impliquen un cambio en el plan terapéutico” acota Gómez.

Para Gómez, “como comunidad médica y científica, debemos estar preparados para la integración de la inteligencia artificial en nuestra línea de trabajo profesional, de manera que podamos dar forma proactivamente a su desarrollo e implementación. En general, la visión futura de la inteligencia artificial en la radiología intervencionista probablemente sea de crecimiento y evolución continuos. A pesar de los desafíos para implementar e integrar la tecnología de IA en entornos clínicos, los beneficios potenciales de una mayor precisión y seguridad, eficiencia y resultados para los pacientes hacen de ella una herramienta prometedora”.