INTELIGENCIA ARTIFICIAL GENERATIVA: AMENAZA O INCREIBLE OPORTUNIDAD

Durante estos últimos años, en no pocas ocasiones, hemos sido testigos de la percepción de amenaza que supone la llegada de la Inteligencia Artificial generativa, como posible “competidor” en el desempeño de nuestra actividad radiológica . Sin embargo, si nos sumergimos  en el mundo de la inteligencia artificial generativa aplicada  a la salud, nos embarcamos en un viaje hacia el  futuro de La Radiología pero también del resto de las especialidades médicas, donde la innovación y el cuidado de la persona convergen para ofrecer una atención más personalizada con el reto de mejorar nuestros resultados en Salud.

El camino recorrido es largo y conviene aclarar conceptos básicos como que la Inteligencia Artificial (IA) es un campo de la ciencia que se focaliza  en crear sistemas que puedan realizar tareas por parte de las máquinas  que normalmente requieren inteligencia humana. El machine learning (ML) es un subconjunto de IA que utiliza algoritmos para buscar patrones en los datos a fin de crear automáticamente modelos lógicos. Requiere por tanto una actuación humana  para el entrenamiento de la máquina  mediante dichos algoritmos.  El deep learning (DL) es un subconjunto de ML compuesto por redes neuronales multicapa que pasan de tareas sencillas a otras más complejas  para llegar a ser capaces, por ejemplo,  de reconocer  imágenes o voces  y  su característica es que funciona sin intervención humana (training). Por su parte la tan mencionada  inteligencia artificial generativa (genAI) funciona con modelos grandes que están pre-entrenados en grandes corpus de datos y, por lo general, se denominan modelos fundacionales (FM). Entre sus propiedades  la IA generativa puede producir varios tipos de contenido, incluido texto, audio, imágenes y datos sintéticos.

La inteligencia artificial generativa  por tanto, va mucho más allá de las capacidades de análisis de datos  y machine learning tradicional y  sin duda  tenemos que admitir que la inteligencia artificial generativa va a transformar  radicalmente la forma en que los radiólogos abordamos  los desafíos más complejos a los que nos enfrentamos.

Las personas caminamos con miles de datos cada día, simplemente el código postal donde vivimos puede tener impacto en que desarrollemos una u otra enfermedad crónica. Se estima que el crecimiento de datos de salud se duplica cada dos años.  El dato por tanto es el nuevo petróleo y su estructuración, custodia y uso va a ser el primero de los retos. 

¿Pero,  en qué consiste realmente este impacto de la AI generativa en nuestra especialidad y  del que tanto se habla?

1. 1. Transforma la documentación clínica: muchos radiólogos dedican el doble de tiempo a tareas administrativas versus tiempo con sus pacientes o estudios a realizar, siendo esta una de las causas predominantes en el síndrome del “burnout”. La inteligencia artificial generativa puede disminuir los tiempos de documentación mediante tecnología de escucha ambiente, que permitan la transcripción y generación de informes o gestores de peticiones que ordenen y prioricen nuestros informes por hallazgos detectados en los  estudios, agilizando demoras de informes y por tanto los tratamientos correspondientes.
2. Permite la detección y diagnóstico temprano  acelerando así  los tratamientos. La inteligencia artificial generativa puede escanear volúmenes masivos de información visual, incluyendo radiografías,  TAC  y resonancias magnéticas, y ayudando a encontrar patrones y anomalías. En este caso, su  uso la  convierte en un asistente del  radiólogo,  aumentando su conocimiento y exactitud. Parece claro entonces que pasamos a perfiles de profesionales mucho más complejos y entrenados en esta herramienta  y lo que se elimina no es el radiólogo sino su papel como “mero hacedor de informes”.
3. Trabajar por una salud personalizada. Las historias clínicas electrónicas, así como otros dispositivos de salud proveen gran cantidad de datos como información genómica, estilo de vida…etc., que pueden ser asimilados con inteligencia artificial generativa, permitiendo a los radiólogos crear acciones personalizadas y específicas, así como planes de prevención, tratamiento y cuidados basados en la situación específica de la persona. De esto se está hablando mucho en el caso de las Campañas de Cribado de cáncer de mama. El objetivo es no aplicar la mamografía para todas por el único criterio de la edad,  sino indicar a cada mujer una tecnología y secuencia temporal acorde a su riesgo una vez identificados dichos patrones.
4. Gestión: la IA puede mejorar la organización de los servicios de Radiología mediante la optimización de los recursos, la reducción de los costes o la mejora de  productividad de informes. Por ejemplo, la IA puede asignar  la carga de informes a los radiólogos o distribuir el personal en el  equipamiento sanitario de forma más eficiente, en función de la demanda, la disponibilidad o la urgencia.

Por otro lado, puede proporcionar  herramientas colaborativas y de productividad individual de los profesionales reduciendo  los errores, mediante el control de calidad, la auditoría o la trazabilidad de los procesos.

5  IA puede facilitar el acceso a la atención médica, especialmente en zonas remotas o desfavorecidas, mediante el uso de plataformas digitales, como la telemedicina, los chatbots o los asistentes virtuales, que permiten ofrecer consultas, diagnósticos o incluso tratamientos y cirugías a distancia.

6 Fomentar la investigación   ayudando  a facilitar el enlace entre potenciales ensayos clínicos y perfiles de pacientes concretos y abriendo nuevos campos por su capacidad computacional.

A partir de este análisis de las aplicaciones e impactos de la IA en la Radiología, se pueden extraer algunas recomendaciones y retos para el uso de la IA en el sector salud, que se orientan a maximizar los beneficios y minimizar los riesgos de la tecnología, y a garantizar su uso ético y responsable a saber:

• Implicar a los profesionales, equipos directivos de hospitales y la sociedad en general, en  la implementación y la evaluación de los sistemas de IA, para asegurar que no se generan falsas expectativas y que  responden a las necesidades  y los valores de los  beneficiarios de la tecnología.
• Garantizar la calidad y la seguridad de los datos  para evitar sesgos, errores o vulnerabilidades que puedan afectar  la fiabilidad de la tecnología  o la confidencialidad de los mismos.
• Facilitar la transparencia y la trazabilidad tanto de los procesos  como de  los resultados de la IA, para permitir  la verificación y fomentar la confianza, la aceptación y el uso de la tecnología.
• Establecer mecanismos de control de la IA para asegurar el cumplimiento de los estándares y la legislación europea que regulan el sector salud, y para prevenir y  detectar posibles problemas o  daños  que puedan derivarse del uso
• Mejorar la formación y  la capacitación  de los profesionales de la salud y de los estudiantes de ingeniería en general, sobre las oportunidades, los desafíos y las implicaciones de la IA, para mejorar las competencias y  las habilidades  necesarias para el uso adecuado,  con sentido crítico y responsable de la  Inteligencia Artificial.  Probablemente sea necesario incluir formación de Bioética en las Facultades técnicas igual que ya se hace en Medicina

En conclusión, el viaje acompañado por la  inteligencia artificial generativa  que estamos comenzando,  requiere un ejercicio de innovación responsable e integración orientada a la acción por parte de TODOS los profesionales médicos. La protección de la persona (paciente) debe ser la máxima prioridad y este tipo de abordajes, para tener éxito,  requieren estar liderados clínica y operacionalmente, con un abordaje multidisciplinar y habilitado por la tecnología más avanzada y segura.

Es necesario formar a los equipos y a los profesionales para la gestión del cambio y, en mi humilde opinión,  para liderar este reto tecnológico entre los profesionales médicos en general    ¿quién mejor  que los radiólogos?