¿Cómo puede la IA ayudar a transformar la radiología?
En UW Health en Wisconsin , los radiólogos han comenzado a adoptar el uso de inteligencia artificial en todos sus flujos de trabajo .
Los miembros del equipo han adoptado algoritmos de reconstrucción de imágenes de IA para las máquinas de resonancia magnética, tomografía computarizada y tomografía por emisión de positrones, lo que permite capturas más rápidas e imágenes de mayor calidad.
Los algoritmos de IA también se utilizan para analizar imágenes médicas y ayudar a diagnosticar a los pacientes. Por ejemplo, como parte del proceso de triaje del servicio de urgencias, las herramientas de detección asistida por computadora pueden detectar posibles anomalías en las exploraciones y priorizarlas para su revisión, afirma el Dr. Scott Reeder, director del departamento de radiología de la Facultad de Medicina y Salud Pública de la Universidad de Washington .
“Vemos casos en los que se toma una radiografía y, uno o dos minutos después, se marca y aparece en la estación de trabajo”, dice Reeder, quien también es radiólogo en UW Health, el centro médico académico afiliado a la universidad. “Así que, leí ese caso a continuación y, efectivamente, si hay alguna anomalía, llamé al médico de urgencias y le dije: 'Este paciente tiene un hallazgo urgente', y ellos pueden tratarlo de inmediato”.
El sector sanitario se enfrenta a la escasez de personal y al agotamiento profesional de los profesionales clínicos en diversas disciplinas, incluida la radiología. A medida que las capacidades de IA y aprendizaje automático siguen mejorando, los profesionales sanitarios esperan que las herramientas de radiología asistidas por IA ayuden a los expertos a analizar mejor las imágenes para una toma de decisiones clínicas más precisa y a aliviar la carga administrativa.
Investigadores médicos académicos y empresas tecnológicas están uniendo esfuerzos para desarrollar estas nuevas herramientas. Las soluciones iniciales están mostrando resultados positivos para mejorar la atención al paciente y agilizar las operaciones, según los radiólogos.
Para adoptar sin problemas la IA en radiología, las organizaciones de atención médica pueden aprovechar su infraestructura tecnológica existente, incluidos los sistemas de almacenamiento de imágenes médicas, pero deben repensar partes de su empresa, dice Mutaz Shegewi, director de investigación senior de IDC Health Insights.
“Necesitan integración del flujo de trabajo. Necesitan potencia informática y van a necesitar gobernanza y seguridad”, afirma Shegewi.
Exploraciones más rápidas y mejor atención en urgenciasA medida que los investigadores de radiología de la UW exploran la adopción de IA en su campo, deben tener en cuenta que solo la tecnología de IA aprobada por la Administración de Alimentos y Medicamentos de EE. UU. puede llegar a su sistema de salud, dice Reeder.
Por ejemplo, UW Health ha incorporado en sus máquinas de escaneo un sistema avanzado de reconstrucción de imágenes aprobado por la FDA, que produce imágenes más nítidas con menos ruido y artefactos, y reduce el tiempo de escaneo entre un 30% y un 50%, lo que puede reducir la exposición del paciente a la radiación, agrega.
“A los pacientes les gusta. A nosotros también, porque nos permite programar citas más cortas para los exámenes”, dice Reeder. “Mejora el rendimiento y el flujo de trabajo. Es revolucionario”.
Para potenciar las herramientas de IA en radiología, UW Health se basa en servidores internos, la nube, computadoras de uso general y las propias máquinas de imágenes, solo por nombrar algunos, dice John Garrett, director de informática de imágenes en el departamento de radiología de UW.
Por ejemplo, mientras que algunos modelos de IA se ejecutan en computadoras estándar, el software de perfusión cerebral por TC y RM impulsado por IA, que analiza los escáneres cerebrales y produce imágenes codificadas por colores de cómo fluye la sangre en el cerebro, se ejecuta en un servidor local, agrega.
Los exámenes que requieren mayor potencia de procesamiento se ejecutan en GPU en la nube , como las tomografías computarizadas, que son evaluadas por entre 10 y 12 herramientas de triaje de IA, afirma Garrett. Según el algoritmo específico, Amazon Web Services y Microsoft Azure procesan los datos en tiempo real, mientras que algunas herramientas utilizanGoogle Cloud Platform .
En situaciones de triaje en urgencias, los datos se envían a la nube, donde son procesados por múltiples algoritmos de IA. Los resultados se envían al sistema de archivo y comunicación de imágenes de UW Health. Un widget de escritorio en las estaciones de trabajo PACS de los radiólogos puede alertarlos sobre hallazgos de alta prioridad, afirma Garrett.
Los radiólogos de UW Health también utilizan el software de reconocimiento de voz Nuance PowerScribe, basado en IA, en sus computadoras Dell para facilitar la redacción de informes. Reeder ha utilizado la solución durante mucho tiempo y, según él, ha mejorado continuamente.
“Nos permite generar informes de forma eficiente, precisa y estandarizada”, afirma. “Si bien no es perfecto, es preciso. Basta con usar términos médicos sofisticados para que funcione correctamente”.
El Hospital General Brigham de Massachusetts, con sede en Boston, ha adoptado diversas herramientas de IA para radiología en su práctica clínica. Estas incluyen herramientas de procesamiento de imágenes para mejorar la calidad de la imagen y realizar la "cuantificación de imágenes", lo que puede ayudar a los radiólogos a interpretar imágenes médicas, afirma el Dr. Bernardo Bizzo, director sénior del área de IA del Hospital General Brigham de Massachusetts.
El sistema de salud ha implementado herramientas de triaje asistidas por computadora y basadas en IA que ayudan a priorizar y notificar a los radiólogos sobre hallazgos urgentes, afirma. También ha probado docenas de modelos de IA que analizan imágenes médicas y, hasta la fecha, ha adoptado alrededor de una docena, añade Bizzo.
El Hospital General de Massachusetts Brigham gestiona estas herramientas de IA en centros de datos locales y en la nube . Por ejemplo, ha adoptado algunos modelos de IA dentro de la Red de Imágenes de Precisión Nuance de Microsoft (basada en Azure) y ha implementado modelos que detectan nódulos pulmonares en tomografías computarizadas y analizan resonancias magnéticas hepáticas.
RELACIONADO: Transforme las resonancias magnéticas con escáneres modernos y programas virtuales.
Estas herramientas de IA ayudan a los radiólogos a interpretar las exploraciones, pero sus beneficios actuales son limitados, ya que cada modelo suele estar diseñado para detectar uno o varios hallazgos. Los radiólogos deben adoptar una perspectiva holística y analizar la imagen para obtener un informe completo, añade Bizzo.
Cada herramienta de IA aprobada por la FDA detecta solo unos pocos hallazgos de imagen. Ayuda un poco en casos de uso específicos, pero no está logrando el impacto que todos esperamos de la IA, ya que el trabajo de un radiólogo va más allá de detectar solo algunos hallazgos, afirma.
Sin embargo, los radiólogos confían en que las nuevas herramientas de IA puedan madurar. Por ejemplo, el Hospital General de Massachusetts (Mass General Brigham) colabora con empresas de todo el mundo para probar sus modelos y herramientas de IA emergentes mientras buscan la aprobación de la FDA y su uso clínico en EE. UU. Esto incluye probar la IA generativa y herramientas integrales de IA . Estas nuevas herramientas pueden combinar múltiples algoritmos en un solo paquete para realizar diagnósticos más profundos, afirma Bizzo.
“En mi opinión, las herramientas de IA para la detección y el diagnóstico pueden ser de gran ayuda para los radiólogos, especialmente en la elaboración de informes en un futuro próximo”, afirma. “La IA tiene un gran potencial para mejorar la precisión y la eficiencia del diagnóstico”.
Herramienta de IA mide la eficacia del tratamiento de la enfermedad renalHace aproximadamente un año, el departamento de radiología de Weill Cornell Medicine construyó un clúster de IA avanzado, impulsado por servidores Dell que funcionan con GPU NVIDIA , que permite a los investigadores desarrollar y entrenar modelos de IA para radiología, y luego usarlos y probarlos en un entorno clínico.
Por ejemplo, los médicos del New York-Presbyterian Hospital /Weill Cornell Medical Center (el hospital de investigación y enseñanza de la facultad de medicina) están probando actualmente un modelo de IA para tomar medidas precisas de los riñones de los pacientes para determinar la progresión de la enfermedad y la efectividad del tratamiento, dice el Dr. Mert Sabuncu, vicepresidente de investigación de IA e ingeniería en el departamento de radiología de Weill Cornell Medicine y profesor de ingeniería eléctrica e informática en Cornell Tech.
Más específicamente, el modelo de IA fue diseñado para analizar exploraciones clínicas de pacientes con enfermedad renal poliquística, un trastorno genético en el que se forman quistes y se agrandan en los riñones, lo que puede provocar daño e insuficiencia renal.
Dr. Scott Reeder Jefe del Departamento de Radiología, Facultad de Medicina y Salud Pública de la Universidad de Washington
Los pacientes con PKD avanzada generalmente se someten a una resonancia magnética una vez al año.
“Los informes radiológicos estándar contienen muchas afirmaciones impresionistas”, afirma Sabuncu. “Los radiólogos describen lo que ven sin muchas mediciones cuantitativas, lo que significa que puede llevar varios años determinar si un medicamento como el tolvaptán funciona”.
Hace unos años, un equipo de investigación de Weill Cornell Medicine desarrolló un modelo de IA capaz de generar mediciones numéricas de alta precisión de la anatomía abdominal. Hoy en día, esta herramienta se utiliza para fundamentar la toma de decisiones clínicas y evaluar mejor la eficacia de un fármaco en los pacientes, afirma.
La IA puede cometer errores, por lo que, como parte del flujo de trabajo, un técnico o radiólogo revisa los resultados del modelo, realiza las correcciones necesarias y lo envía a otro radiólogo para su revisión final. También pueden rechazar los resultados si las mediciones del modelo de IA son incorrectas.
“Contamos con un humano involucrado para garantizar resultados precisos”, dice Sabuncu.
Weill Cornell Medicine espera obtener la aprobación de la FDA para el modelo de IA, pero por ahora, puede usarlo con pacientes como hospital de investigación académica. "Tenemos el lujo de poder utilizar herramientas de investigación de vanguardia", afirma.
Cree que estas herramientas están llamadas a revolucionar la radiología. «Estamos a punto de experimentar una gran transformación en los próximos cinco años. Habrá una enorme afluencia de herramientas de IA que mejorarán la radiología y transformarán la medicina», afirma Sabuncu.
healthtechmagazine
