global
Variables
Utilidades
ESTILOS PERSONALIZADOS

Inteligencia artificial en radiología: ¿aliada u obstáculo?

La inteligencia artificial (IA) ha llegado para quedarse, pero nosotros decidimos cómo recibirla y cómo implementarla. Para los proveedores de soluciones inteligentes como Eden, es crucial considerar cómo interactúan los radiólogos con estas herramientas en sus espacios de trabajo. Esto puede marcar la diferencia entre una IA que trabaja con el médico y una que trabaja en su contra.
Inteligencia artificial en radiología: ¿aliada u obstáculo?

La inteligencia artificial (IA) ha llegado para quedarse, pero nosotros decidimos cómo recibirla y cómo implementarla. Para los proveedores de soluciones inteligentes como Eden, es crucial considerar cómo interactúan los radiólogos con estas herramientas en sus espacios de trabajo. Esto puede marcar la diferencia entre una IA que trabaja con el médico y una que trabaja en su contra.

La IA en la radiología actual

El campo de la radiología emplea una variedad de herramientas inteligentes para el análisis de imágenes y la generación de impresiones diagnósticas. Estos programas son capaces de analizar grandes cantidades de información en segundos, lo que reduce la carga de trabajo del médico, acelera el diagnóstico de urgencias e incluso revela hallazgos previamente invisibles para el radiólogo. 

Los riesgos de los errores asociados a la IA

Pero, como cualquier otra tecnología, la IA es falible. Según un estudio de 2023 basado en diagnósticos de osteoartritis de rodilla, la tasa de error de una IA es generalmente equivalente a la de un radiólogo humano. Sin embargo, dependiendo de la interacción con el radiólogo, estos incidentes pueden aumentar significativamente y conducir a decisiones incorrectas. Los factores de riesgo de error médico causado por la IA incluyen:

  • Falta de comprensión sobre cómo funciona el algoritmo (también conocido como el efecto de "caja negra")
  • Ausencia de ROI u otros indicadores visuales de IA para señalar sus hallazgos en la imagen del estudio
  • Inserción automática de hallazgos generados por IA en el informe del estudio

Una IA que deja el control al médico

Estos resultados apuntan a una implementación de la IA en la que no se prioriza la autonomía del radiólogo. Raymundo González, CTO de Eden, cree que esta debería ser una consideración crucial para cualquier herramienta inteligente en el sector: "todo debe estar diseñado para darle al médico el control total". 

Raymundo lidera el desarrollo de Eden Creator, un modelo de inteligencia lingüística que proporciona conclusiones diagnósticas precisas basadas en los hallazgos de un estudio. El objetivo de esta herramienta no es reemplazar la interpretación del médico, sino complementar su informe escrito, una tarea que "no siempre requiere la habilidad y experiencia del radiólogo". 

Creator está diseñado para empoderar al usuario, quien tiene la capacidad de revisar las conclusiones sugeridas, editarlas, aceptarlas o simplemente rechazarlas. Con cada caso, el algoritmo aprende de estas decisiones expertas para refinar aún más sus predicciones. Esto ayuda a evitar el riesgo de una conclusión errónea derivada del uso de la IA. Además, esta herramienta puede ahorrarle al radiólogo hasta una hora de trabajo, reduciendo la fatiga y la tensión ocular que también pueden derivar en errores médicos.

La IA como aliada del radiólogo

A medida que las herramientas inteligentes se vuelven cada vez más accesibles en todo el mundo, es esencial explorar enfoques de implementación que tengan en cuenta las condiciones de trabajo del radiólogo y mitiguen el riesgo de error médico. Como afirma el Colegio Americano de Radiología (ACR), "la IA nunca es 'una alternativa' al radiólogo", sino un aliado a su servicio. 

‍

Referencias

Bernstein, M., Atalay, M. K., Dibble, E. H., Maxwell, A. W. P., Karam, A. R., Agarwal, S., Ward, R. C., Healey, T. T., & Baird, G. L. (2023). Can incorrect artificial intelligence (AI) results impact radiologists, and if so, what can we do about it? A multi-reader pilot study of lung cancer detection with chest radiography. European Radiology, 33(11). https://doi.org/10.1007/s00330-023-09747-1 
Lenskjold, A., Nybing, J. D., Trampedach, C., Galsgaard, A., Brejnebøl, M. W., Raaschou, H., Rose, M. H., y Boesen, M. (2023). ¿Debería la inteligencia artificial tener tasas de error aceptables más bajas que los humanos? BJR|Open, 5(1). https://doi.org/10.1259/bjro.20220053