Sergio Valencia, Residente de Radiología, Universidad del Bosque, Médico colaborador comité de Inteligencia Artificial, Asociación Colombiana de Radiología,
Emmanuel Salinas Miranda MD, director Comité de Inteligencia Artificial, Asociación Colombiana de Radiología, [email protected]
El acceso a los sistemas de información y la digitalización de los datos ha permitido el desarrollo de la inteligencia artificial (IA). La IA es un campo de las ciencias de la computación con la cual las máquinas pueden adquirir datos, aprender de ellos, y tomar decisiones usualmente mucho más rápidas que los humanos y eventualmente más acertadas que los mismos. Las aplicaciones de la IA han comenzado a incrementarse en el sector salud, dado que, con la información de los pacientes y de sus enfermedades se pueden entrenar sistemas para la toma de decisiones sobre el diagnóstico, el pronóstico y tratamiento de las enfermedades. Uno de los actores más activos en la supervisión y la educación sobre las aplicaciones de IA en salud ha sido la Asociación Colombiana de Radiología (ACR). La ACR, desde el año 2019, viene trabajando con el objetivo de asegurar la calidad y el uso adecuado de la IA en los servicios de salud en Colombia. Sin embargo, es clara la necesidad de educar a los pacientes y el público en general respecto a los conceptos y mitos que existen alrededor de la IA y la importancia de esta en el sector salud.
Como su nombre lo indica, la inteligencia artificial hace referencia a la simulación de la inteligencia humana de una forma artificial por máquinas, las cuales están programadas para pensar como humanos e imitar sus acciones para la solución de problemas.
Sin embargo, para considerar que un sistema imita la inteligencia humana, la inteligencia artificial debe alcanzar la capacidad de racionalizar y de lograr acciones que alcancen la mayor probabilidad de alcanzar un objetivo específico.
La IA se entrena a partir de la exposición de los algoritmos a los datos. El corazón del aprendizaje que logran los sistemas de inteligencia artificial se podría resumir en múltiples principios matemáticos y de estadística. El producto final de los sistemas de inteligencia artificial suele ser una probabilidad o una predicción. Por ejemplo, la probabilidad de desarrollo de un evento, en el caso de la medicina, sería la de desarrollar cáncer o no. La posibilidad de aprender a generar este tipo de predicciones se puede considerar razonamiento artificial de las máquinas.
En el campo de la inteligencia artificial se han desarrollado dos tipos de aprendizaje. El aprendizaje automático se refiere a programas informáticos que puedan aprender automáticamente de los datos y adaptarse a ellos sin la ayuda de los seres humanos, en pocas palabras, el aprendizaje automático alimenta los datos de una computadora utilizando técnicas estadísticas para ayudarla a aprender cómo mejorar progresivamente una tarea sin haber sido programada específicamente para dicha tarea, eliminando la necesidad de millones de líneas de código escrito por humanos.
El aprendizaje profundo o Deep Learning es un tipo de aprendizaje automático que ejecuta entradas a través de una arquitectura de redes neuronales, permitiendo a la máquina profundizar en su aprendizaje y en hacer conexiones para ponderar las entradas de información y así obtener los mejores resultados.
Una Red Neuronal es un concepto derivado de las conexiones neuronales encontradas en la naturaleza y consiste en múltiples decisiones que se conectan entre sí para llegar a un resultado final.
En el caso de la medicina, específicamente en el área de la radiología, uno de los ejemplos del aprendizaje no supervisado es el entrenamiento de algoritmos para la identificación de hemorragia intracerebral a partir de la exposición del algoritmo a miles de tomografías.
Pero para que una computadora pueda desarrollar el aprendizaje automático, el deep learning, como la predicción y solución de problemas, requiere una gran cantidad de datos por lo que el big data hace parte crucial de la inteligencia artificial.
Como mencionamos previamente, el big data hace referencia a una cantidad masiva de datos los cuales tienen características específicas como: el volumen (lo que hace referencia a una gran cantidad de datos generados y guardados), la variedad de los datos o el tipo y naturaleza de los datos que ayudan en el análisis (texto, imágenes, números, entre otros), velocidad de generación y procesamiento de datos, veracidad que se traduce en la calidad de estos, pues afecta importantemente en el resultado del análisis, y por último, es importante saber que estos datos tienen un gran valor según el contexto en el que se usen.
La IA es utilizada en diferentes contextos de nuestras vidas, desde las búsquedas sugeridas de Google y las redes sociales, hasta el tipo de productos que consumimos día a día en el supermercado. En la salud, la IA juega un papel muy importante pues puede predecir el desarrollo de enfermedades, la probabilidad de tener un diagnóstico y la efectividad de la terapia para diferentes enfermedades y tipos de personas.
Conociendo el gran impacto que la IA tiene en el sector salud y la sensibilidad de los datos personales de las personas (pacientes), es importante regular el uso de la información y de la tecnología, y educar a los pacientes sobre los alcances de esta.
Por este motivo, múltiples entidades en el mundo trabajan para crear pautas éticas y legales en el uso de la IA en el sector salud. En Colombia, hasta la fecha no existe ningún marco regulatorio al respecto, por lo que entidades como la Asociación Colombiana de Radiología, y en particular su Comité de Inteligencia Artificial, tiene como propósito ser un ente consultor y regulador de la IA para nuestro país.
Los radiólogos analizan las imágenes para detectar y caracterizar hallazgos con importancia diagnóstica. No se puede desconocer que el aumento creciente en la necesidad de imágenes diagnósticas y el desarrollo cada vez mayor de tecnologías de vanguardia han impuesto desafíos adicionales sobre los radiólogos.
Adicionalmente, muchas de las labores del radiólogo no se limitan a interpretación visual. La variabilidad en la experiencia entre observadores, el agotamiento físico y mental tras horas de evaluación de imágenes, son problemas que pueden provocar análisis erróneos e incompletos por parte de los profesionales, es ahí donde las nuevas tecnologías pueden tener un campo de acción.
En los últimos años, los volúmenes de imágenes han crecido a un ritmo desproporcionado. En este sentido, la urgente necesidad de optimizar los procesos y disminuir la tasa de errores ha llevado a la integración de la IA en los procesos de diagnóstico imagenológico.
Las herramientas de IA podrían reducir la variación en la práctica y automatizar la detección de anomalías en las imágenes. Adicionalmente, se ha demostrado que muchos sistemas de IA tienen la capacidad de reconocer patrones de alta complejidad en los datos y en las imágenes y lograr una evaluación cuantitativa que puede proporcionar información adicional a los radiólogos.
El desarrollo y la integración de la IA en la radiología supone una revolución en la especialidad. La expansión continua de los algoritmos y su evolución sin pausa, prometen ser el compañero de respaldo del radiólogo en la búsqueda para mejorar la eficiencia, la calidad de la atención en salud y reducir la variabilidad sin renunciar a la precisión. Las herramientas de la IA ofrecen múltiples oportunidades para satisfacer las necesidades de los radiólogos y de los pacientes, y fortalecer la calidad en la atención médica. Así mismo, el radiólogo del futuro debe ser consciente de los peligros potenciales de depender demasiado de la tecnología. Es necesario que el radiólogo ejerza un entrenamiento permanente para mantener sus habilidades clínicas. En última instancia, el radiólogo debe seguir siendo el encargado del cuidado del paciente, no las nuevas tecnologías, y será el radiólogo y los pacientes quienes finalmente se beneficiarán de monitorear la evolución de estas herramientas.
En este momento de la historia, los radiólogos poseen un papel protagónico en el desarrollo de la medicina. Un mejor juicio clínico por parte de estos especialistas, en combinación con las nuevas tecnologías, ayudará a mejorar la calidad de vida de los pacientes, de los clínicos y optimizará las decisiones de estos.
Las predicciones que sugieren que la IA dejará a los radiólogos y a otros médicos por fuera del área de la salud resultan, a la fecha actual, poco factibles y es mucho más probable que sean los radiólogos quienes absorban todos estos métodos de IA dentro de su práctica clínica.
A pesar de la gran expectativa que genera la aplicación de los modelos de IA en las imágenes diagnósticas, la realidad es que la radiología colombiana no se encuentra completamente preparada para su adopción. Existen múltiples factores clínicos, técnicos, regulatorios y éticos que deben ser articulados adecuadamente para lograr una adopción exitosa de la IA en la especialidad.
La pandemia del COVID-19 ha propiciado que se visibilicen y surjan múltiples grupos académicos, start-ups y diversas empresas de tecnología, cuyo interés es la aplicación de los modelos de IA en el diagnóstico por imágenes del COVID-19.
En este sentido, la ACR ha designado un comité para el estudio y discusión de los temas relacionados con imágenes diagnósticas e IA. Este grupo de profesionales ha venido iniciando diálogos con el Centro de la Cuarta Revolución Industrial, la ANDI y el INVIMA para avanzar en el marco regulatorio de la IA en el país. En el trascurso del presente año han estado realizando una serie de simposios, conferencias y conversatorios relacionados con este tema dentro de los que se incluyen: sesiones de video conferencias y el 3° Congreso de Inteligencia Artificial (100% virtual debido a la pandemia).
Desde la ACR se ha comenzado a trabajar directamente en algunos temas tales como: la ética de la IA aplicada a imágenes diagnósticas, la regulación de los sistemas de IA, la privacidad de los datos, la propiedad intelectual y la generación de evidencia de la ventaja de aplicar sistemas de IA en salud, temas que se agrupan bajo los principios de trabajo de su comité: (1) Regulación de la IA, (2) bioética aplicada a la IA, (3) evidencia, (4) educación y (5) comunicación e información a la comunidad.
Mas allá de los estudios teóricos sobre el potencial de la IA en salud, se debe demostrar eficacia, exactitud y su impacto en los desenlaces clínicos y las necesidades del sistema de salud colombiano. Es preciso que la población médica de Colombia pueda percibir la introducción de IA como un gran aliado en el esfuerzo de mejorar los resultados de los pacientes.
