La inteligencia artificial irrumpirá en el campo de las imágenes médicas
- Inteligencia Artificial
El diagnóstico por imagen es un campo fundamental en la medicina, tanto en el ámbito de la prevención como en la detección de lesiones y enfermedades y en las emergencias. Gracias a un puñado de startups, este sector pronto contará con el apoyo de nuevas aplicaciones de inteligencia artificial que permitirán mejorar la gestión de estas pruebas y su interpretación.
El diagnóstico por imagen es un campo fundamental en la medicina, tanto en el ámbito de la prevención como en la detección de lesiones y enfermedades y en las emergencias. Desde radiografías a escáneres, resonancias magnéticas y pruebas más complejas, estas tecnologías de exploración permiten a los médicos detectar los problemas que afectan a los pacientes. Normalmente, los profesionales expertos en estas materias son capaces de interpretar los resultados de estas pruebas, pero en un futuro muy próximo contarán con la ayuda de la inteligencia artificial, que les proporcionará información valiosa sobre todo el contenido de las imágenes de los pacientes, mejorando la atención sanitaria y facilitando el trabajo a los médicos.
Gracias a un puñado de startups, diferentes ramas de la inteligencia artificial están encontrando formas de ayudar a los servicios médicos en este campo, y se espera que en poco tiempo comiencen a implementarse en los hospitales más avanzados, cambiando la forma en que se obtiene información de las pruebas de diagnóstico por imagen. La radiología es la primera línea de batalla de toda una nueva generación de aplicaciones de IA, pensadas para mejorar la asistencia médica y la medicina preventiva. Esto abarca las radiografías, los TAC y las resonancias magnéticas, entre otras tecnologías.
Gracias a una combinación de reconocimiento de imágenes por ordenador y aprendizaje automático, sumado a un proceso de entrenamiento previo, se están creando aplicaciones capaces de analizar e interpretar con éxito las pruebas radiológicas. Desde hace dos años se trabaja en casos de estudio como la detección de cáncer de mama en mujeres, que perseguía lograr un 100% de fiabilidad al descartar la presencia de tumores malignos. Tras alimentar a la IA con 400 imágenes de alta resolución que mostraban al detalle ejemplos de esta enfermedad, el programa fue capaz de determinar con un éxito absoluto la presencia o ausencia de cáncer en otras 200 muestras que no habían sido analizadas previamente.
Después de este éxito han comenzado a aplicarse técnicas similares a diferentes tecnologías de diagnóstico por imagen, y enfocándose en diferentes patologías, lo que está incrementando los casos de uso de la IA en este campo de la medicina. Ejemplos de ello se están llevando a cabo en diferentes universidades, y también ciertas startups están enfocando sus esfuerzos en el desarrollo de este tipo de aplicaciones de IA.
Esto está siendo posible gracias a que muchas instituciones nacionales de salud han decidido publicar imágenes tomadas mediante estas técnicas de diagnóstico, y grandes cantidades de datos, con el fin de que cualquier organización pueda entrenar aplicaciones de IA mediante aprendizaje automático, para mejorar la precisión en la detección de diferentes enfermedades. El cáncer, en sus diferentes formas, es una de ellas, pero otras muchas ya están disponibles para los investigadores.
Ciertos expertos en la materia llevan tiempo alertando de que la llegada de la IA a este campo de la medicina propiciará que acaben desapareciendo los radiólogos. Pero la evolución actual de estas técnicas y las investigaciones más recientes sugieren que esto no tiene base, y que seguirán haciendo falta los profesionales de diagnóstico por imagen. Lo que sí implicará la adopción de la IA en este campo para los centros médicos es la necesidad de implementar una infraestructura de hardware y software que soporte las elevadas cargas de trabajo de esta tecnología.
La solución parece ser centros de datos perimetrales, específicamente diseñados para el trabajo con las ramas de inteligencia artificial implicadas, que son el reconocimiento de imágenes y el aprendizaje automático, principalmente. Y está previsto que en los próximos años surjan numerosas vías de aplicación de estas tecnologías para el diagnóstico en diversos campos, más allá de la oncología. Ahora mismo ya hay diferentes startups trabajando en áreas como la medicina interna, la neurología o la hematología, entre otras. Y, en principio, no todas requieren infraestructuras dedicadas, sino que algunos desarrolladores que ya están en camino a lanzar sus primeros productos finales aprovechan la TI existente en los hospitales, dando nuevos usos a sus servidores.
De momento puede ser una buena solución para lograr avanzar en la implementación de estas nuevas tecnologías, pero en el futuro, si los usos de la IA se extienden a otras áreas, será casi imprescindible que los hospitales inviertan en infraestructuras dedicadas, en vez de comprometer los recursos TI que tienen, y que también necesitan para mover sus aplicaciones internas.