Desde las radiografías de órganos enteros hasta las imágenes de células cancerosas en el microscopio, los médicos usan las pruebas con imágenes para muchos objetivos: detectar el cáncer en los estadios más tempranos; determinar el estadio de un tumor; saber si el tratamiento funciona; y vigilar si el cáncer vuelve después del tratamiento.
En los últimos años, los investigadores elaboraron herramientas de IA para que las técnicas de obtención de imágenes del cáncer sean más rápidas, más precisas e incluso más informativas.
La inteligencia artificial se refiere a programas informáticos (de computadora), o algoritmos, que usan datos para tomar decisiones o hacer pronósticos. Para crear un algoritmo, los científicos programan una serie de reglas o instrucciones, para que la computadora analice los datos y tome una decisión.
Recientemente una compañía dedicada al diagnóstico y tratamiento de cáncer, anunció los resultados de su estudio que demuestra la eficacia de las soluciones de inteligencia artificial (IA) en el diagnóstico del cáncer.
El estudio, publicado en la revista Radiology, exploró el impacto de la precisión de las soluciones médicas de IA en la determinación diagnóstica de los radiólogos, demostrando también que la IA podría mejorar el rendimiento de los especialistas.
En el estudio participaron 30 médicos, incluidos 20 radiólogos certificados por la junta con 5 a 18 años de experiencia y 10 residentes de radiología con 2 y 3 años de capacitación. El estudio evaluó un total de 120 radiografías de tórax, de las cuales 60 se obtuvieron de pacientes con cáncer de pulmón y las 60 restantes no mostraron anomalías. El Hospital de la Universidad Nacional de Seúl realizó el estudio desde diciembre de 2015 hasta febrero de 2021.
Mientras que el grupo que utilizó modelos de baja precisión, no experimentó ninguna mejora en el rendimiento, el grupo que utilizó el modelo de IA de alta precisión fue más susceptible a las sugerencias de IA. Los radiólogos aceptaron el 67% de las recomendaciones de IA que contradecían los resultados de la lectura inicial, en comparación con el 59 % de aceptación del grupo que utilizó el modelo de IA de baja precisión.
Los hallazgos del estudio destacaron que factores como la experiencia individual de los radiólogos, la experiencia con la IA o las actitudes hacia la IA tuvieron un impacto insignificante en su rendimiento de lectura en la segunda sesión. La precisión del modelo de IA y la precisión diagnóstica inicial de los radiólogos surgieron como el determinante principal que da forma a la determinación diagnóstica final.
El estudio respalda que, independientemente de las características individuales de los radiólogos, la utilización de IA de alto rendimiento mejora significativamente la precisión del diagnóstico y fomenta una mayor aceptación de la IA en las prácticas médicas. La IA, sin duda podría llegar a lugares donde existe una carencia de médicos especialistas. Algunas herramientas de IA podrían incluso evitar la necesidad de usar equipos sofisticados. Por ejemplo, el algoritmo de aprendizaje profundo para el examen de detección del cáncer de cuello uterino que elaboró el doctor Schiffman, se basa en teléfonos celulares o cámaras digitales y en materiales de bajo costo.
Aunque los científicos crean muchas técnicas de IA para las imágenes del cáncer, sigue siendo un campo nuevo y quedan muchas preguntas sin responder sobre sus aplicaciones prácticas.
Si bien se demostró la precisión de cientos de algoritmos, la mayoría de estos no están en la siguiente fase de prueba en la que se asegura que están listos para el mundo real. Si bien el resultado del estudio fue positivo, ¿cómo nos aseguramos de que estos algoritmos sigan funcionando y siendo eficaces con el paso de los años?. En los escáneres nuevos podrían cambiar las características de la imagen en las que se basa una técnica de IA para hacer pronósticos o interpretaciones y eso podría cambiar su rendimiento.
También hay preocupaciones sobre la transparencia de algunas técnicas de IA. En cuanto a algunos algoritmos, como el que pronostica las mutaciones genéticas en los tumores de hígado, los científicos no saben cómo llegan a sus conclusiones, un enigma conocido como el “problema de la caja negra”. Los expertos afirman que esta falta de transparencia impide realizar comprobaciones críticas para detectar sesgos e imprecisiones.
Existen inquietudes de que la IA empeore las diferencias en los desenlaces de salud entre los grupos privilegiados y los desfavorecidos al agravar los prejuicios que ya están integrados en el sistema médico. Hace poco se demostró que unos cuantos algoritmos médicos son menos precisos para la población negra que para la población blanca. Los expertos señalaron que estas deficiencias potencialmente peligrosas se deben a que los algoritmos se prepararon y validaron en su mayoría con datos de pacientes blancos.
Sin duda los beneficios de la inteligencia artificial para diagnóstico de cáncer son más que notables, pero es importante mantener en perspectiva un panorama completo sobre aquello que debe mejorarse a fin de asegurar confiabilidad para el paciente final.
Por: Dalia Solano.
Fuentes:
NIH | Instituto Nacional del Cáncer
¿Sirve la inteligencia artificial para ver el cáncer de formas nuevas y más eficaces?
Mass Device.
Study backs Lunit’s AI-powered cancer diagnostics
