Hoy en día, la IA no está reemplazando a los especialistas en imágenes, pero su uso está llevando a los proveedores de atención médica a reinventar el campo.
El radiólogo estaba muerto.
O al menos eso es lo que los expertos en inteligencia artificial (IA) profetizaron en 2016 cuando dijeron que la IA superaría a los radiólogos dentro de una década.
Hoy en día, la IA no está reemplazando a los especialistas en imágenes, pero su uso está llevando a los proveedores de atención médica a reinventar el campo. Es por eso que la UC San Francisco fue una de las primeras universidades de EE. UU. en combinar la IA y el aprendizaje automático con las imágenes médicas en la investigación y la educación al abrir su Centro de Imágenes Inteligentes .
Eche un vistazo a cómo los investigadores de la UCSF están siendo pioneros en soluciones de inteligencia artificial centradas en el ser humano para algunos de los mayores desafíos de la medicina.
Detectar enfermedades de forma temprana
Decenas de miles de estadounidenses sufren neumotórax, un tipo de colapso pulmonar, cada año. La afección es causada por un traumatismo o una enfermedad pulmonar, y los casos graves pueden ser mortales si se diagnostican tarde o no se tratan.
El problema:
Este tipo de colapso pulmonar es difícil de identificar: la enfermedad puede imitar a otras tanto en los síntomas como en las radiografías, en las que sólo pistas sutiles pueden indicar su presencia. Mientras tanto, los radiólogos deben interpretar cientos de imágenes diariamente y algunos hospitales no cuentan con radiólogos las 24 horas.
La solución:
Los investigadores de la UCSF crearon el primer programa de IA en la cabecera del paciente para ayudar a señalar posibles casos a los radiólogos. En 2019, la herramienta fue la primera innovación de IA de este tipo en obtener la licencia de la Administración de Alimentos y Medicamentos de los Estados Unidos. Hoy en día, se utiliza en miles de máquinas de GE Healthcare en todo el mundo.
¿Cómo lo hicieron?
Los investigadores del Departamento de Radiología e Imágenes Biomédicas crearon una base de datos de miles de radiografías de tórax anónimas. Algunas de estas imágenes mostraban casos de colapso pulmonar y otras no. A continuación, los investigadores entrenaron la herramienta de inteligencia artificial en esta base de datos antes de probarla en miles de otras imágenes para asegurarse de que pudiera señalar los casos potenciales con precisión.
El detector de inteligencia artificial funciona con máquinas de rayos X portátiles, por lo que los médicos pueden usarlo directamente al lado de la cama del paciente sin realizar grandes inversiones en infraestructura.
«Considero que se trata de un control de seguridad adicional que puede permitir realizar diagnósticos y brindar atención al paciente más rápidamente», explicó el presidente asociado de Informática Traslacional , el Dr. John Mongan , quien co-desarrolló el algoritmo de IA con el profesor de Radiología, el Dr. Andrew Taylor . Mongan también es director del Centro de Imágenes Inteligentes.
Mejore la calidad de la imagen para diagnosticar mejor las lesiones cerebrales traumáticas
La resonancia magnética es especialmente útil para estudiar los tejidos blandos que forman el hígado, el corazón y el cerebro. A diferencia de los rayos X, la resonancia magnética puede producir imágenes muy detalladas de estos órganos y, en el caso del cerebro, ayuda a los médicos a detectar tumores, signos sutiles de accidentes cerebrovasculares y cambios a lo largo del tiempo.
El problema:
La mayoría de las resonancias magnéticas en los EE. UU. se realizan con sistemas de resonancia magnética de 1,5 T (Tesla) o 3 T de menor resolución que pueden pasar por alto los signos y síntomas de afecciones como la esclerosis múltiple y la lesión cerebral traumática. Las máquinas de 7 T, más potentes y que producen imágenes de mayor resolución, podrían ayudar, pero su alto costo es la razón por la que solo se utilizaban unas 110 en todo el mundo en 2022.
La solución:
El profesor adjunto de Neurología de la UCSF, Reza Abbasi-Asl, Ph.D., dirigió un equipo que utilizó una forma de IA para mejorar la resolución de las imágenes de resonancia magnética estándar que mostraban lesiones cerebrales traumáticas. La técnica mejoró drásticamente las imágenes de resonancia magnética de 3T, colocándolas aproximadamente a la par de las imágenes de 7T, al tiempo que superaba a otros tipos de imágenes de resonancia magnética mejoradas con IA.
Estos resultados podrían, algún día, ayudar a mejorar la atención a quienes sufren lesiones cerebrales traumáticas y otras afecciones neurológicas.
¿Cómo lo hicieron?
Abbasi-Asl y su equipo construyeron pequeñas bases de datos anónimas de pares de imágenes por resonancia magnética de lesiones cerebrales traumáticas. Cada par contenía imágenes por resonancia magnética de la misma lesión: una versión de 3 T de baja resolución y otra de 7 T de alta resolución. El equipo creó modelos de aprendizaje automático que conectan bits de información basados en patrones de datos para mejorar las imágenes de baja resolución antes de compararlas con sus pares de alta resolución.
Los resultados de estos modelos identificaron patrones y características que eran difíciles de detectar para el ojo humano en imágenes por resonancia magnética de 3T, y los utilizaron para comprender cómo mejorar la calidad de la imagen, potenciando detalles específicos y minimizando el “ruido”, como las motas granulosas.
“Nuestros hallazgos resaltan la promesa de la IA y el aprendizaje automático para mejorar la calidad de las imágenes médicas capturadas por sistemas de imágenes menos avanzados”, afirmó Abbasi-Asl.
Detecta problemas cardíacos sin pruebas invasivas
Los angiogramas como éste, algún día podrían usarse para diagnosticar problemas cardíacos más graves sin necesidad de realizar pruebas adicionales riesgosas.
La enfermedad de las arterias coronarias es una de las principales causas de muerte de adultos en todo el mundo. Esta enfermedad, causada por la acumulación de depósitos grasos en las arterias, es una causa común de ataques cardíacos.
Los médicos suelen utilizar una prueba llamada angiografía coronaria para diagnosticar la enfermedad. Como parte de la angiografía, los médicos inyectan un tinte especial en los vasos principales que alimentan el corazón para ver cómo fluye la sangre mediante rayos X. Angiografías como esta podrían algún día utilizarse para diagnosticar problemas cardíacos más graves sin necesidad de realizar más pruebas riesgosas.
El problema:
El ventrículo izquierdo del corazón es la principal cámara de bombeo del corazón, pero la enfermedad de las arterias coronarias puede dañarlo. Los pacientes con sospecha de enfermedad coronaria grave se someten a angiografías, pero también pueden necesitar pruebas adicionales con aún más medio de contraste que puede dañar los riñones.
La solución:
Una nueva investigación realizada por el cardiólogo de la UCSF Geoff Tison , MD, MPH, y su equipo es una de las primeras en utilizar con éxito el aprendizaje automático para estimar qué tan bien bombea el ventrículo izquierdo mediante el análisis de videos de angiografía estándar que ya se obtienen del procedimiento de angiografía coronaria. Esto proporciona información sobre la función del corazón sin requerir procedimientos adicionales ni riesgos. La investigación podría eventualmente brindarles a los médicos y pacientes una forma más rápida y menos peligrosa de diagnosticar daños en el ventrículo izquierdo.
¿Cómo lo hicieron?
Tison y su equipo entrenaron un tipo de modelo de IA llamado red neuronal profunda con videos anónimos de angiografías grabados en la UCSF. Las redes neuronales profundas pueden aprender patrones complejos en datos como imágenes y videos, algunos de los cuales no son fácilmente visibles para los humanos.
El modelo del equipo, denominado CathEF, predijo con precisión el bombeo del ventrículo izquierdo cuando los investigadores compararon los resultados con las mediciones de la función de bombeo obtenidas mediante ecografía. CathEF funcionó igual de bien cuando el equipo lo probó más tarde fuera del laboratorio, en un hospital canadiense.
“CathEF ofrece un enfoque novedoso que aprovecha los datos recopilados rutinariamente durante cada angiografía para brindar información que actualmente no está disponible para los médicos”, afirmó Tison. “Nuestro modelo amplía de manera efectiva la utilidad de los datos médicos con IA con información en tiempo real para fundamentar la toma de decisiones clínicas”.
Monitorear la progresión de la enfermedad de Parkinson… ¿con su teléfono?
Los videos de arriba muestran datos digitalizados de los movimientos de las manos (izquierda) y la marcha (derecha) de un paciente que algún día podrían ofrecer a los médicos una mejor manera de seguir la progresión de la enfermedad de Parkinson.
Aproximadamente un millón de estadounidenses viven con la enfermedad de Parkinson, un trastorno degenerativo del sistema nervioso que afecta el movimiento y causa síntomas como temblores, rigidez y falta de equilibrio.
El problema:
Para tomar las mejores decisiones de tratamiento, los médicos necesitan comprender cómo evolucionan los síntomas del paciente. Actualmente, los médicos tienen que lidiar con una laguna en estos datos, y se basan en los relatos de los pacientes y en los cambios observados entre citas espaciadas para detectar cambios sutiles en la forma de caminar o en la capacidad de dar golpecitos con un dedo.
La solución:
El profesor asociado de neurología Simon Little , MBBS, Ph.D., y el profesor adjunto de neurología Reza Abbasi-Asl, Ph.D., utilizaron el aprendizaje automático para construir un sistema que pudiera capturar cambios en la forma de andar y los movimientos de las manos de los pacientes a partir de grabaciones de teléfonos inteligentes y cámaras digitales.
Aunque todavía se encuentra en una fase inicial de desarrollo, la investigación podría permitir en el futuro que los médicos monitoreen en casa a pacientes con diversas enfermedades neurodegenerativas, lo que proporcionaría datos más precisos para tratamientos personalizados. También podría revelar nuevos conocimientos sobre cómo los cambios en el movimiento pueden predecir el curso de una enfermedad.
¿Cómo lo hicieron?
Como parte de su ensayo, el equipo reclutó voluntarios con enfermedad de Parkinson del Centro de Trastornos del Movimiento y Neuromodulación de la UCSF . Utilizando cámaras digitales, los investigadores filmaron a los participantes caminando y golpeando su dedo índice, técnicas de examen clínico comunes. Los programas de aprendizaje automático procesaron los videos, identificando las características clínicamente más relevantes, como la velocidad del golpeteo del dedo, que podría indicar una etapa más grave de la enfermedad.
“Hemos estado llevando a cabo algunas áreas de la medicina, en términos generales, de la misma manera durante los últimos 100 años: vemos a los pacientes y hablamos con ellos. Hacemos un examen en la clínica y luego intentamos hacer un ajuste de algunos de sus tratamientos”, explicó Little. “Estamos en este punto de transformación, pasando de las opiniones anticuadas y subjetivas de los pacientes a una transformación digital. Tengo la esperanza de que, dentro de cinco años, este tipo de enfoque sea más común en la práctica clínica”. Universidad de California en San Francisco News. L. L. G. Traducido al español
Contacto