La radiología intervencionista está madura para la disruptión de la IA – Líderes de opinión

Por: Oz Moskovich, Líder de IA y Ciencia de Datos, XACT Robotics.

Casi todos los sectores de la atención médica están explorando aplicaciones para la inteligencia artificial, pero hay algunos campos de la medicina que presentan más oportunidades para la disruptión de la IA que otros. Como líder de un equipo de ciencia de datos en robótica médica, estoy ansioso por encontrar áreas de necesidad, y no hay especialidad médica que presente una necesidad más clara de IA que la radiología intervencionista.

Los desafíos que enfrenta la radiología intervencionista hoy en día incluyen:

• Falta de especialistas: Solo alrededor del 10 por ciento de los radiólogos reciben capacitación de subspecialidad en radiología intervencionista.
• Costo: La falta de especialistas contribuye a los costos adicionales para los pacientes. Los pacientes rurales, en particular, a menudo viajan para encontrar al radiólogo intervencionista más cercano, incurriendo en costos de viaje y alojamiento.
• Diagnóstico oportuno: Un estudio reciente de Sinai encontró que el diagnóstico temprano condujo a una disminución sustancial en las muertes por cáncer de pulmón.
• Propiedades del tumor: Al diagnosticar un tumor potencial, el tamaño, la ubicación y la compliancia del tejido pueden todos conducir a un diagnóstico y tratamiento retrasados.
• Inconsistencias en los procedimientos: Los métodos procedimentales manuales a veces requieren múltiples inserciones para alcanzar el objetivo deseado, lo que puede resultar en tiempos de procedimiento más largos, readmisiones o complicaciones.

Afortunadamente, las herramientas disponibles hoy en día ya están ayudando a mitigar esos desafíos y la IA es fundamental entre ellas. Al combinar las capacidades de IA y aprendizaje automático con plataformas robóticas y de imagen, nuestro sistema de atención médica puede expandir el acceso a la atención de calidad. Eso implica mejorar la velocidad, la eficiencia y la disponibilidad de procedimientos como biopsias y ablaciones, lo que resulta en resultados más positivos y pacientes más satisfechos.

Oportunidad en robótica

Los sistemas robóticos se han extendido por toda la medicina, pero la demanda de planificación y monitoreo de imagen guiada precisa y compleja en procedimientos como biopsias o ablaciones hace que la robótica sea una opción ideal para la radiología intervencionista. Con inserción y dirección robóticas precisas, los médicos pueden diagnosticar y tratar enfermedades potencialmente mortales más temprano, cuando los tumores son más pequeños y más susceptibles al tratamiento. La tecnología robótica también proporciona una vía para incorporar aún más la IA y el aprendizaje automático en la radiología intervencionista.

Con flujos de trabajo clínicos que incorporan cada vez más tecnologías impulsadas por IA en múltiples dominios, solo es cuestión de tiempo para que se adopten sistemas robóticos de manera similar. Al combinar la robótica con el aprendizaje automático, los sistemas robóticos pueden aprovechar vastas cantidades de datos de procedimientos pasados para ayudar a los médicos a tomar decisiones muy informadas. Al compartir esos datos a nivel global y proporcionar los medios para analizarlos, el aprendizaje automático se está convirtiendo en una fuerza unificadora que da lugar a un nivel más sofisticado de atención basado en un conjunto más amplio de experiencias. Desde encontrar casos con características similares hasta resaltar riesgos y anomalías hasta recomendaciones en tiempo real, incluso los médicos más experimentados se beneficiarán del acceso a este conjunto de capacidades. Además, la combinación de IA y imagen produce nuevas capacidades, como la mejora de la imagen, la fusión de la imagen, la segmentación del tejido y las representaciones 3D. Cada una de ellas proporciona al médico la imagen más clara de sus objetivos, permite la planificación del procedimiento con anticipación y puede contribuir a un procedimiento más preciso y optimizar los resultados.

Abordar las escaseces y las ineficiencias

Las plataformas robóticas impulsadas por IA tienen la capacidad de hacer que los procedimientos sean más predecibles, reduciendo el riesgo de readmisión y completando los procedimientos en un tiempo consistente. Parte de esa predecibilidad es garantizar un resultado óptimo con un solo procedimiento y evitar la necesidad de readmitir a un paciente para un segundo procedimiento. Medicare gasta alrededor de $30 mil millones anualmente en readmisiones hospitalarias y más de la mitad de ese gasto se destina a readmisiones evitables. Al planificar los procedimientos y aprovechar los datos masivos, el aprendizaje automático y la IA a través de plataformas robóticas, nuestros médicos ejecutarán los procedimientos con precisión y eficiencia y reducirán el gasto derrochador en procedimientos evitables.

La IA también tiene la oportunidad de ayudar a resolver la escasez de especialistas. A medida que los dispositivos intuitivos se vuelven más comunes en las instalaciones de atención médica y el conocimiento procedural se vuelve más accesible, los extendidos de médicos (es decir, asistentes de médico y practicantes de enfermería) realizarán más procedimientos. Al empoderar a más clínicos con las herramientas para realizar procedimientos intervencionistas, podemos aliviar una población de médicos tensa y distribuir la carga clínica de manera más equitativa.

Las aplicaciones de la IA en la medicina aún están años alejadas de la ubiquidad, pero en última instancia, hay una tremenda oportunidad para que la IA mejore la capacidad del médico en la radiología intervencionista, no lo reemplazará, sino que servirá como una herramienta nueva y magnífica. Al continuar avanzando en el trabajo que ya está en marcha en los equipos de desarrollo de robótica, IA y aprendizaje automático, introduciremos tecnología de vanguardia en la radiología intervencionista. Tiene el potencial de ayudar a resolver la escasez de médicos y lograr resultados positivos de manera más eficiente y rápida para una población más grande de pacientes.