Las innovaciones en inteligencia artificial continúan revolucionando la atención médica

Aquí hay cuatro formas en que la IA está remodelando el campo de la radiología tal como lo conocemos.

Por
Este artículo fue traducido de nuestra edición en inglés utilizando tecnologías de IA. Pueden existir errores debido a este proceso. Las opiniones expresadas por los colaboradores de Entrepreneur son personales.

Las promesas de la inteligencia artificial (IA) han capturado el interés y la imaginación de casi todas las industrias, y la atención médica no es una excepción. La radiología es un área que ya ha visto el impacto de la innovación en IA. De hecho, aproximadamente un tercio de los radiólogos están utilizando IA en sus prácticas según una encuesta reciente del ACR Data Science Institute . Sin embargo, esas prácticas solo emplean un promedio de un poco más de un algoritmo, lo que sugiere un número limitado de herramientas disponibles y un espacio significativo para el crecimiento una vez que los usuarios encuentren las aplicaciones de IA adecuadas para sus necesidades.

Aunque la IA se encuentra todavía en una infancia relativa, ya está demostrando ser útil en una variedad de tareas y al servicio de algunos objetivos importantes en el campo de la salud. Aquí hay cuatro formas en que la IA está remodelando la radiología tal como la conocemos.

1. Marcar irregularidades y priorizar los flujos de trabajo

Un radiólogo aporta la combinación de conocimiento, experiencia y buen ojo al proceso de lectura de imágenes médicas, a menudo tomando una serie de detalles diferentes en una imagen para sacar conclusiones. La inteligencia artificial aún está lejos de poder replicar esta capacidad, pero la IA ha demostrado ser capaz de detectar algunos problemas potenciales en las imágenes médicas. Por ejemplo, las herramientas de inteligencia artificial como MammoScreen y CMTriage de CureMetrix pueden evaluar la probabilidad de malignidad en las mamografías.

Si bien esta capacidad no se puede utilizar necesariamente para un diagnóstico, puede ayudar a organizar y priorizar imágenes para optimizar el flujo de trabajo de un radiólogo. Al utilizar la IA como ayuda para categorizar imágenes o llamar la atención sobre aquellas que son especialmente preocupantes, los radiólogos pueden usar su tiempo de manera más eficiente.

Esta funcionalidad fue puesta a prueba por CureMetrix, que llevó a cabo un "Desafío de prueba de conducción de inteligencia artificial" en la reciente reunión de la Sociedad Radiológica de América del Norte, demostrando que los radiólogos con asistencia de inteligencia artificial se desempeñaron un 40 por ciento más rápido en las lecturas y tuvieron un 25 por ciento de precisión mejorada.

Relacionado: estas 5 carreras podrían ser el futuro de la atención médica

2. Triaging de emergencias

En el transcurso de la crisis de Covid, diferentes regiones se han inundado de pacientes y han necesitado ayuda para realizar la clasificación ; este fue especialmente el caso en los primeros meses de la pandemia, ya que los trabajadores de la salud todavía estaban aprendiendo cómo diagnosticar y controlar la enfermedad.

Los hospitales y clínicas abrumados por pacientes que presentaban síntomas de Covid necesitaban poder determinar rápidamente qué pacientes requerían atención médica inmediata, y las imágenes, en particular las radiografías de tórax, demostraron ser un buen método para reconocer los síntomas preocupantes.

Esta necesidad inspiró a la empresa emergente de atención médica Qure.ai a reutilizar su herramienta de rayos X de tórax impulsada por inteligencia artificial para que pudiera buscar signos de Covid, lo que permitió a los abrumados médicos de primera línea de todo el mundo administrar mejor los casos. Este es un ejemplo fantástico de cómo se puede implementar la inteligencia artificial para ayudar a los trabajadores de la salud que enfrentan situaciones de emergencia, y cómo una empresa inteligente puede desarrollar su propia tecnología rápidamente para satisfacer una nueva demanda.

3. Brindar acceso a la atención en comunidades desatendidas

El problema actual de los cierres de hospitales en las zonas rurales de los EE. UU. Y la falta de suficientes especialistas tanto en los estados como en las áreas remotas del extranjero, significa que puede haber un retraso en la revisión de las imágenes médicas. Por lo tanto, incluso si es posible proporcionar equipos como escáneres de tomografía computarizada y máquinas de ultrasonido en áreas necesitadas, no hay garantía de que una persona con experiencia esté disponible para interpretar los resultados.

La IA está proporcionando el apoyo necesario en estas áreas con pocos recursos. Los programas de inteligencia artificial que pueden analizar imágenes y marcar aquellas que parecen mostrar algo incorrecto pueden ayudar a priorizar las imágenes que pueden requerir la atención de un radiólogo con más urgencia. El programa puede incluso diseñarse para enviar automáticamente imágenes marcadas electrónicamente a un radiólogo en otra ubicación que pueda examinarlas.

Relacionado: 5 tendencias de salud digital aquí para quedarse en 2021

4. Permitir compartir imágenes fácilmente entre profesionales y pacientes

¿Alguna vez un nuevo proveedor le ha pedido que lleve consigo sus exploraciones médicas anteriores? Algunos pacientes se sorprenden al descubrir que tienen que viajar a un laboratorio de radiología y sentarse allí mientras un administrador graba sus imágenes en un CD (un medio casi desaparecido) y luego llevar físicamente el CD a la nueva cita. Afortunadamente, la IA está haciendo posible renunciar a este método costoso, lento y muy desactualizado de compartir imágenes. Cada vez más departamentos de radiología colocan imágenes en línea para aprovechar las nuevas innovaciones tecnológicas, lo que facilita a los radiólogos compartir imágenes con otros proveedores de atención médica y pacientes por igual.

Hacer esto requiere la adopción de una plataforma de computación en la nube, un sector que está creciendo a medida que las empresas de todas las industrias buscan volverse más interoperables.

Relacionado: El futuro de la atención médica está en la nube

Algunas prácticas de radiología, especialmente las más pequeñas, pueden mostrarse reacias a adoptar una nueva plataforma debido a preocupaciones sobre el costo o el esfuerzo necesario para que todos se adapten a un nuevo sistema. Sin embargo, las plataformas en la nube son esencialmente la infraestructura crítica necesaria para hacer un buen uso de la inteligencia artificial, por lo que existe un caso comercial poderoso para invertir en dicha transición , especialmente porque la inteligencia artificial continuará siendo más frecuente.

Morris Panner

Escrito por

Entrepreneur Leadership Network Contributor

Morris Panner is president of Intelerad, a global leader in medical-image management solutions. Panner was previously CEO of Ambra Health from 2011 until its acquisition by Intelerad in 2021. He once served as the U.S. Embassy resident legal advisor in Bogota, Colombia.