Radiología reclama una partida para 'machine learning' en los PGE de 2023

La inteligencia artifical cada vez está más presente en el ámbito sanitario. Esto es así, sobre todo, por la incorporación de herramientas como el 'machine learning', o como se traduce al castellano: "El entrenamiento de máquinas". Un tipo de inteligencia artificial que prepara a un algoritmo para "diferenciar o precedir los diferentes tipos de radiografías y así detectar precozmente las enfermedades". Un proceso que para los radiólogos españoles "se debe incorporar en los Presupuestos Generales" del Estado.

Así lo asegura Josep Munuera, responsable científico de la Sociedad Española de Radiología Médica (SERAM) y especialista en Neurorradiología del Hospital Sant Joan de Déu, a Redacción Médica. El radiólogo explica que "los Presupuestos Generales deben incorporar consideraciones como el 'machine learning' en los Servicios de Radiología y no solo tener en cuenta las máquinas pesadas".

Además de esta necesidad, Munuera señala que, desde el punto de vista de la práctica clínica y para poder incorporar a ella el 'machine learning', al Sistema Nacional de Salud (SNS) le falta otro aspecto, el "económico": "En este sentido, las administraciones públicas y las direcciones de los hospitales deben entender que estos algoritmos mejoran la precisión diagnóstica y la seguridad del paciente".

"A pesar de que a día de hoy se está evolucionando muchísimo, el 'machine learning' todavía no está del todo implantado en España"

A pesar de que para el radiólogo "a día de hoy se está evolucionando muchísimo en este aspecto para que los profesionales tengan acceso a estos algoritmos, todavía no está del todo implantado en España". Ante esto, Munuera pone el ejemplo de los Estados Unidos, donde se estila el "movimiento contrario". Este consiste en que "el 'machine learning' se usa para que el radiólogo se asegure de que el diagnóstico es final y no hay ningún error al detectar la enfermedad".

Implantar el 'machine learning' en el SNS

Este tipo de 'entrenamiento de máquinas' es un tipo de inteligencia artificial que consiste en entrenar a un algoritmo (lenguaje de programación), que va a permitir crear un código de frases que marca unas instrucciones. Dicho código procesa esos datos y emite unos resultados. Esta arquitectura es "parecida a la del cerebro humano", según Munuera.

Para entrenar al algoritmo, "el radiólogo le facilita una imagen médica, como puede ser una radiografía, y ese código fragmente los datos de esta prueba de imagen, es decir, cuántos bordes hay, cuál es el tamaño y el porcentaje de píxeles que son brillantes, etc". Toda una información que pretende decirle al algoritmo: "La radiografía es normal o patológica".

Un proceso que "todavía está muy por desarrollar en la imagen médica". Así se manifiesta Munuera al valorar cómo esta herramienta de inteligencia artificial "todavía no está implantada a nivel nacional y que aún queda muchísimo camino por recorrer". A este respecto, el radiólogo destaca que, por un lado, "para cuando se habla de 'machine learning' de visión de computación o en Radiología, existe el ámbito de investigación y el de implantación en la práctica diaria".

El 'machine learning' "permitirá al radiólogo priorizar en su lista de lectura de casos aquellos en los que se han encontrado ciertas anomalías"

En cuanto a la práctica diaria, "todavía falta mucho". Sin embargo, Munuera señala que "cada día hay más experiencias en las que herramientas de inteligencia artificial basadas en machine learning están ayudando en los cribados". Así, el radiólogo pone el ejemplo de las zonas donde faltan especialistas, donde hay hospitales que para poder tener un primer lector que priorice las patologías ya se usan estos algoritmos. De tal forma que cuando el radiólogo llegue a su puesto, empiece a analizar, prioritariamente, aquellos que les ha marcado el programa".

Una herramienta de inteligencia artificial que "permitirá al radiólogo priorizar en su lista de lectura de casos aquellos en los que se han encontrado ciertas anomalías y así detectar precozmente enfermedades".