Los especialistas en diagnostico por la imagen participan en el proceso de desarrollo e implementación de la inteligencia artificial (IA) desde el inicio del desarrollo de los algoritmos de IA hasta su aplicación a la práctica clínica, según el Dr. Anton Aubanell, especialista de la Sociedad Española de Radiología Médica (SERAM) y ponente del 37 congreso nacional de la SERAM. Evento que tendrá lugar en Barcelona del 22 al 25 de mayo.

“En un primer momento se deben de definir las necesidades y escenarios clínicos en los que se va a usar el software y diseñar una base de datos suficiente, y de calidad para poder desarrollar los algoritmos. Una vez estos han sido diseñados, los especialistas en diagnostico por la imagen deben de trabajar en su validación, así como en la parte más crucial del proceso. Es decir, la integración de estas herramientas en el flujo de trabajo diario” comenta el Dr. Aubanell.

La proliferación de algoritmos de IA en radiología ha sido exponencial en los últimos años, pero la permeabilidad de estas técnicas a la práctica clínica habitual ha sido menor por la necesidad de una validación para su uso, así como cumplir con las regulaciones relativas a los dispositivos médicos.

Las principales herramientas de IA que se usan en la práctica clínica actual en patología torácica se centran en la detección, segmentación y cuantificación. El Dr. Aubanell señala “los casos de uso más frecuentes son: en el tórax la detección y seguimiento automatizados de nódulos pulmonares, la cuantificación de patología pulmonar parenquimatosa e intersticial (fibrosis, enfisema…) y en imagen cardíaca la segmentación tanto de arterias coronarias y estructuras cardíacas en TC como estructuras cardíacas en RM a fin de poder definir la función ventricular”.

La aplicación de la IA en diagnostico por la imagen, y sobre todo su aplicación clínica, se encuentran en una fase inicial porque es necesario definir tanto el marco de aplicación, como las necesidades de validación clínica. “Aunque se están desarrollando algoritmos de diagnóstico para casi todos los órganos y sub-especialidades estos aún no se aplican de forma generalizada a la práctica clínica. El futuro pasa por facilitar esta integración y permeabilidad tanto al flujo de trabajo habitual como en el manejo de los pacientes” puntualiza el Dr. Aubanell.

El uso principal de los algoritmos de IA en la actualidad es aumentan la eficiencia del trabajo del radiólogo y proporcionan información cualitativa que facilite el diagnóstico y seguimiento. Consiste en ayudar al radiólogo en tareas tediosas y repetitivas (como puede ser la segmentación y cuantificación), así como proporcionar información sobre el proceso patológico que de otra forma no se tendría, o sería necesario mucho tiempo para poder obtener estos datos.

IA en estructuras pulmonares

La gran diferencia a la hora de estudiar estructuras pulmonares y cardíacas es que ambosórganos están sujetos al movimiento. La distinta expansión del parénquima pulmonar entre inspiraciones dificulta la alineación, segmentación y cuantificación. El mismo escenario es aplicable a la imagen cardíaca que también está limitada por el movimiento del corazón que dificulta la segmentación de las cavidades cardíacas, así como de los vasos.

El Dr. Aubanell especifica que “esta particularidad condiciona, por ejemplo, que los nódulos pulmonares se encuentren en localizaciones muy distintas en exploraciones seriadas dificultando, así la re-identificación y el seguimiento. Este hecho se debe tener en cuenta a la hora de desarrollar algoritmos”.

El salto diferencial en el uso de la IA en imagen cardiotorácica para el Dr. Aubanell es la integración en el workflow de trabajo del radiólogo, tanto en los softwares de visualización como en la práctica clínica, mediante informes estructurados, ya que es la única manera de que estos avances lleguen a la población general y tengan repercusión en el tratamiento de los pacientes.

Existe un gran número de patologías que se benefician, y/o podrían beneficiar, del uso de algoritmos de IA, el Dr. Aubanell resalta:

• Cáncer de pulmón: tanto en el desarrollo de programas de cribado de cáncer de pulmón mediante la detección de nódulos pulmonares, como en el seguimiento de pacientes con cáncer de pulmón en tratamiento de forma automática   se obtendrían las valoraciones volumétricas, por ejemplo.
• Fibrosis pulmonar: desarrollo de herramientas de cuantificación de la enfermedad (poniendo el foco en las áreas de fibrosis) así como para estandarizar el seguimiento.
• Enfermedad aterosclerótica coronaria: cuantificación automatizada de estenosis, así como la repercusión de esta en el flujo sanguíneo.
• Cardiopatías: análisis cuantitativo de volúmenes, flujos y contractibilidad, así como su evolución cuantitativa en el tiempo.