¿Cómo de preciso debe ser un algoritmo para reemplazar a un médico? En el ámbito de la radiología, esta pregunta no es nueva. Desde hace aproximadamente una década, la inteligencia artificial (IA) ha estado mejorando la precisión y la velocidad en la interpretación de imágenes médicas. Los avances prometen un futuro donde las IAs podrían detectar cáncer y otras enfermedades con una exactitud sorprendente, liberando a los médicos para que se concentren en las partes más gratificantes de su trabajo.
El Dr. Ronald Summers, un radiólogo e investigador del National Institutes of Health, destaca que algunas de estas técnicas de IA son tan avanzadas que deberían implementarse de inmediato. Su laboratorio ha desarrollado programas de imágenes asistidas por computadora que detectan condiciones como el cáncer de colon, osteoporosis y diabetes. Sin embargo, la adopción de estas herramientas ha sido limitada, en parte, debido a la cultura médica conservadora.
Los programas de IA no solo mejoran la calidad de las imágenes, sino que también pueden interpretarlas, sugerir diagnósticos potenciales y redactar informes sobre los hallazgos. Entrenados con millones de radiografías y otras imágenes recopiladas de hospitales, estos algoritmos están transformando la radiología. En toda la medicina, la FDA ha aprobado más de 700 algoritmos de IA para ayudar a los médicos, y más del 75% de estos están destinados a la radiología. A pesar de estas aprobaciones, solo un 2% de las prácticas radiológicas utilizan actualmente esta tecnología.
Pero, ¿por qué esta discrepancia? Parte de la reticencia proviene de preocupaciones sobre la transparencia y la aplicabilidad de los algoritmos en entornos reales.
Los radiólogos, como el Dr. Curtis Langlotz de Stanford, expresan dudas sobre la eficacia de la IA en pacientes diversos y en contextos clínicos variados. Esta desconfianza hacia la IA refleja una preocupación más amplia sobre la fiabilidad de las nuevas tecnologías en la práctica médica diaria.
Obstáculos y Reticencias en la Adopción de la IA
A pesar de los avances tecnológicos y las aprobaciones regulatorias, la adopción de la inteligencia artificial en la radiología se enfrenta a varios obstáculos. Los radiólogos muestran un escepticismo considerable hacia los programas de IA, principalmente debido a la falta de pruebas en entornos reales y la opacidad sobre su funcionamiento. Esta desconfianza se amplifica por las dudas sobre los datos demográficos utilizados para entrenar estos algoritmos. ¿Cómo pueden los médicos confiar en una tecnología si no están seguros de su eficacia en pacientes con características diversas?
El Dr. Curtis Langlotz, quien dirige un centro de investigación en IA en Stanford, señala que sin información clara sobre los casos en los que se ha probado la IA, es natural que los médicos cuestionen su aplicabilidad. Hasta la fecha, todos los programas aprobados por la FDA requieren la supervisión de un humano, un reflejo de las precauciones extremas que la comunidad médica mantiene respecto a la IA. En 2020, la FDA organizó un taller para discutir la posibilidad de algoritmos que operen sin supervisión humana. La reacción de los profesionales de la radiología fue clara: consideraron prematuro que la FDA aprobara tales sistemas.
En contraste, Europa ha dado pasos más audaces. En 2022, los reguladores europeos aprobaron el primer software totalmente automático para revisar y redactar informes de radiografías de tórax que parecen saludables y normales. Esta aprobación refleja una necesidad urgente en algunos hospitales europeos, donde la falta de radiólogos ha creado retrasos de meses en la revisión de escaneos. Sin embargo, en Estados Unidos, la aceptación de tales tecnologías parece estar a años de distancia, no por falta de preparación tecnológica, sino por la resistencia de los radiólogos a delegar incluso tareas rutinarias a los algoritmos.
Empresas como Koios Medical, que desarrollan herramientas de IA para ecografías de tiroides, argumentan que los radiólogos tienden a sobreestimar su propia precisión. Según Chad McClennan, CEO de Koios Medical, estudios han demostrado que los médicos no siempre están de acuerdo entre ellos ni consigo mismos al revisar las mismas imágenes en diferentes momentos. Esta variabilidad en la interpretación subraya el potencial de la IA para mejorar la consistencia y reducir el error humano.
Además, la posibilidad de ahorrar costos es significativa. Los radiólogos en Estados Unidos ganan un promedio de más de $350,000 anuales, y la IA podría aliviar parte de esta carga financiera al asumir algunas tareas diagnósticas. No obstante, hasta que los algoritmos sean extremadamente precisos y confiables, los radiólogos seguirán revisando cada determinación de la IA, eliminando así muchos de los beneficios previstos como la reducción de la carga de trabajo y el agotamiento profesional.
El Futuro de la Radiología con IA: Colaboración Humano-Máquina
La radiología podría estar en la cúspide de una transformación fundamental impulsada por la colaboración entre humanos y máquinas. Los expertos predicen que la IA en radiología funcionará como los sistemas de piloto automático en los aviones, realizando funciones de navegación críticas pero siempre bajo la supervisión de un piloto humano. Esta colaboración promete tranquilizar tanto a médicos como a pacientes, proporcionando un doble nivel de confianza.
Un ejemplo práctico de esta colaboración es el uso de la IA en la red hospitalaria Mount Sinai de Nueva York, donde el sistema de imágenes de mama utiliza una herramienta de IA para obtener una segunda opinión en las ecografías de mama. La Dra. Laurie Margolies menciona que decirle a los pacientes que tanto ella como la computadora están de acuerdo en los resultados aumenta la confianza del paciente. Esta dualidad no solo refuerza la fiabilidad de los diagnósticos sino que también puede acelerar el proceso de detección y tratamiento.
Los primeros estudios rigurosos que comparan radiólogos asistidos por IA con aquellos que trabajan solos indican mejoras significativas. Un estudio en Suecia con 80.000 mujeres mostró que un solo radiólogo trabajando con IA detectó un 20% más de cánceres que dos radiólogos sin la tecnología. Además, en Europa, las mamografías son revisadas por dos radiólogos para mejorar la precisión, pero el uso de IA como segundo revisor podría reducir la carga de trabajo humano en un 44%.
Sin embargo, la adopción plena de la IA en radiología no está exenta de desafíos. El Dr. Saurabh Jha de la Universidad de Pensilvania compara la asistencia de la IA a un copiloto que señala todo en la carretera sin tomar el control del volante. Para que los radiólogos puedan relajarse realmente, la IA tendría que ser lo suficientemente precisa y confiable para asumir todo el proceso diagnóstico sin supervisión humana.
La cuestión de la responsabilidad legal también es un tema delicado. Si un algoritmo automatizado falla en detectar un cáncer, ¿quién sería el responsable? Este es uno de los muchos problemas legales sin resolver que influirán en la implementación de la IA en la medicina.
En definitiva, aunque la IA tiene el potencial de revolucionar la radiología, la completa automatización todavía parece lejana. La IA probablemente se desarrollará como una herramienta complementaria, mejorando la precisión y eficiencia mientras sigue bajo la supervisión humana. Este equilibrio podría proporcionar lo mejor de ambos mundos: la velocidad y la precisión de la tecnología junto con la experiencia y el juicio crítico de los médicos.
