Curioso entremés que realiza una revisión del papel que las inteligencias artificiales (IA) tienen y, sobre todo, tendrán en nuestra actividad radiológica, especialmente aplicadas al intervencionismo oncológico. Para ello, repasa múltiples artículos (el 90% son del 2020 o más recientes, lo que indica la novedad del tema), tras realizar una búsqueda exhaustiva de la literatura aunque, eso sí, con criterios no del todo aclarados (por lo que no deja de ser un artículo de opinión, in a way). Así, detallan varios papeles relevantes (presentes o futuros) de la IA en nuestra actividad:

• Segmentación automática de órganos, tumores, y áreas de tratamiento (ablación), en donde presentan trabajos con superposiciones de 0.83-0.96 en el hígado y de 0.54-0.98 en el pulmón para definir el órgano, el tejido ablacionado o la segmentación tumoral.
• Simulación de tratamiento:
  • Seleccionando áreas a ablacionar (por ejemplo, calculando el efecto disipador de calor en áreas próximas a vasos, o prediciendo la bola de hielo en crioablaciones, mejorando incluso los modelos de los proveedores).
  • Calculando la dosis absorbida en radioembolizaciones (pues las microesferas no siempre se distribuyen uniformemente).
• Incrementar la calidad de imagen en procedimientos de TC y RM (p.ej, mejorando la visualización de pequeñas arterias hepáticas, la señal/ruido de los tumores, o las arterias tumorales nutricias). Además, disminuye la dosis de radiación al adquirir imágenes (especialmente útil en procedimientos dado el frecuente reposicionamiento de agujas o la realización de varios procedimientos), disminuye los artefactos metálicos (agujas), realiza estudios sin contraste virtual, o mejora la calidad de la angiografía por sustracción.
• Predicción de respuesta a tratamiento. Especialmente en hepatocarcinomas, con varios metaanálisis publicados. También aporta alguna investigación en pulmón, combinando en su mayor parte la potencialidad de la IA con la radiómica.
• Detección de recurrencias postratamiento. Ya es útil detectando lesiones (nódulos pulmonares, p.ej.), pero resulta más difícil detectar recurrencias en áreas tratadas. En investigación se están obteniendo buenos resultados para detectar la progresión tumoral en hepatocarcinoma (accuracy 92.7-97.6, AUC 0.97-0.99).

Los propios autores indican que la mayoría de estas aplicaciones se encuentran aún en estudio, si bien la lectura de este artículo ayudará a perder ese miedo tan humano a lo desconocido y a comprender que las IA, que ya están tomando un papel muy relevante por ejemplo en la mejora de la calidad de imagen o en las segmentaciones tumorales, no han venido a sustituirnos, sino a complementarnos. De lectura sencilla y claridad de exposición, resulta recomendable para algún ludita del siglo XXI (ludIAta? LuditIA?), para aquellos que tan últimamente quieren matar nuestra especialidad, y para los residentes con pesadillas sobre su futuro laboral.

PUNTOS DÉBILES:

• No deja de ser una revisión no sistemática, lo que limita su nivel de evidencia.
• Si bien no todas, muchas de las potenciales aplicaciones que aporta aún se encuentran en investigación.

PUNTOS FUERTES:

• Realiza un somero repaso de sencilla lectura y clara exposición por los diversos aspectos que potencialmente van a colaborar a mejorar las IA en nuestra actividad diaria, especialmente aplicada a la patología oncológica.

Dr. David Macía Suárez

Editor de la sección de músculo-esquelético.