La IA como lupa cuantitativa sobre la imagen

La IA aplicada al estudio de los tumores cerebrales es uno de los campos donde la Radiología está aportando más valor a la investigación oncológica, ya que permite extraer de las imágenes “una cantidad de información cuantitativa que, hasta ahora, era muy difícil o demasiado laboriosa de obtener de forma rutinaria” expone el Dr. Pons.

Ya existen aplicaciones que permiten automatizar procesos como la segmentación y la volumetría de las lesiones, predecir determinadas características moleculares del tumor, estimar el pronóstico o valorar la respuesta al tratamiento; pero la IA es una herramienta para ampliar capacidades y debería entenderse como un medio y no como un fin. Puede proporcionarnos mediciones y biomarcadores más objetivos y reproducibles, pero posteriormente es el radiólogo quien debe interpretar esa información dentro del contexto clínico del paciente. “La medicina trabaja con pacientes individuales, no únicamente con probabilidades. La responsabilidad de realizar esa integración y convertir los datos en una decisión clínica continúa siendo nuestra”, comenta el Dr. Pons.

Cualquier herramienta que vaya a utilizarse en pacientes debe incorporarse de una forma controlada y segura, pero control y seguridad no deberían significar que trasladar una herramienta útil desde la investigación hasta la práctica clínica se convierta en un proceso prácticamente imposible. “Necesitamos encontrar vías que permitan evaluar e incorporar con mayor agilidad aquellas soluciones que hayan demostrado suficiente utilidad y robustez; ya que el beneficio para el paciente aparece cuando conseguimos transformar toda la información en mejores decisiones clínicas”, explica el Dr.

“Si no somos capaces de construir puentes entre ambos mundos, corremos el riesgo de generar una enorme cantidad de innovación científica que posteriormente tenga muy poco impacto real sobre nuestros pacientes” señala el Dr. Pons.

El “valle de la muerte”, espacio que separa una tecnología que funciona en investigación de una solución que realmente llega a utilizarse en la práctica

En inteligencia artificial aplicada a Radiología ese valle sigue siendo, en muchos casos, enorme. Por un lado, disponemos de numerosos algoritmos capaces de realizar tareas muy sofisticadas; por otro, en la práctica clínica seguimos realizando manualmente algunas de esas mismas tareas porque no existen vías sencillas para trasladar esas herramientas al entorno asistencial.

Tecnológicamente la IA ha avanzado enormemente y algunas herramientas alcanzan ya un grado de madurez muy elevado. Sin embargo, su incorporación real a la práctica clínica está avanzando mucho más lentamente.

Uno de los grandes retos continúa siendo la generalización, en salud el objetivo final no puede ser crear barreras tecnológicas que limiten el acceso a herramientas útiles; “un algoritmo no debería funcionar únicamente en el entorno en el que ha sido desarrollado. La tendencia debería ser justamente la contraria a la que ocurre: favorecer herramientas vendor-neutral, interoperables y suficientemente robustas para funcionar independientemente del fabricante o del hospital en el que se utilicen” expone el Dr. Pons.

Formación y criterio médico, la clave de futuro

Entre los próximos pasos, el Dr. Pons apunta a la validación de los algoritmos en distintos hospitales, equipos y poblaciones, la reducción del “valle de la muerte” mediante circuitos de evaluación ágiles y seguros, la integración transparente de la IA en el flujo de trabajo habitual y el refuerzo de la formación de los radiólogos.

“No creo que todos los residentes de Radiología tengan que convertirse en ingenieros ni saber programar una red neuronal desde cero. Es positivo conocer los fundamentos de estas tecnologías y entender cómo se han desarrollado y validado, pero nuestra prioridad debe seguir siendo formar excelentes radiólogos y excelentes médicos”, puntualiza el Dr. Pons.