Nuevas Avanzadas en la Inteligencia Artificial para Uso Clínico

Los investigadores de Radboudumc ayudaron a avanzar en la inteligencia artificial (IA) en el entorno clínico después dedemostrar cómo la IA puede diagnosticar problemas similares a un médico, y también mostrar cómo llega al diagnóstico. La IA ya juega un papel en este entorno, siendo utilizada para detectar rápidamente anomalías que podrían ser etiquetadas como una enfermedad por expertos.

IA en el Entorno Clínico

La inteligencia artificial ha sido cada vez más utilizada en el diagnóstico de imágenes médicas. Lo que tradicionalmente se hacía por un médico que estudiaba una radiografía o biopsia para identificar anomalías ahora puede hacerse con la IA. A través del uso del aprendizaje profundo, estos sistemas pueden diagnosticar por sí mismos, a menudo siendo tan precisos o incluso mejores que los médicos humanos.

Los sistemas no son perfectos, sin embargo. Uno de los problemas es que la IA no demuestra cómo está analizando las imágenes y llegando a un diagnóstico. Otro problema es que no hacen nada extra, lo que significa que se detienen una vez que llegan a un diagnóstico específico. Esto podría llevar a que el sistema pierda algunas anomalías incluso cuando hay un diagnóstico correcto.

En este escenario, el médico humano es mejor para observar al paciente, la radiografía o otras imágenes en general.

Avanzadas en la IA

Estos problemas para la IA en el entorno clínico ahora están siendo abordados por los investigadores. Christina González Gonzalo es una candidata a doctorado en el Grupo de Investigación y Análisis de Imágenes Diagnósticas A-eye de Radboudumc.

González Gonzalo desarrolló un nuevo método para la IA diagnóstica utilizando exploraciones oculares que encontraron anomalías de la retina. Las anomalías específicas pueden ser fácilmente encontradas por médicos humanos y la IA, y a menudo se encuentran en grupos.

En el caso del sistema de IA, diagnosticaría una o varias de las anomalías y se detendría, demostrando una de las desventajas de utilizar dicho sistema. Para abordar esto, González Gonzalo desarrolló un proceso en el que la IA pasa por la imagen varias veces. Cuando lo hace, aprende a ignorar los lugares que ya había cubierto, lo que le permite descubrir nuevos. Además, la IA también resalta áreas sospechosas, lo que hace que todo el proceso de diagnóstico sea más transparente para que los humanos lo observen.

Este nuevo método es diferente de los sistemas de IA tradicionales utilizados en estos entornos, que basan su diagnóstico en una evaluación de la exploración ocular. Ahora, los investigadores pueden ver cómo el nuevo sistema de IA llegó a su diagnóstico.

Para ignorar las anomalías ya detectadas, el sistema de IA llena digitalmente estas áreas con tejido saludable de alrededor de las anomalías. El diagnóstico se hace entonces en función de todas las rondas de evaluación sumadas.

El estudio encontró que este nuevo sistema mejoró la sensibilidad de la detección de la retinopatía diabética y la degeneración macular relacionada con la edad en un 11,2+/-2,0%.

Este nuevo sistema podría realmente cambiar cómo se utiliza la IA al diagnosticar enfermedades basadas en anomalías, y el mayor avance es la nueva transparencia que puede demostrar durante este proceso. Esta transparencia es lo que permitirá aún más correcciones y avances en el futuro, con el objetivo final de tener un sistema de IA que pueda diagnosticar problemas mucho más precisamente y rápidamente que los mejores expertos humanos en el campo. Todo esto también podría llevar a un sistema más confiable, lo que podría resultar en una adopción generalizada dentro del campo más grande.