La inteligencia artificial (IA) está revolucionando la manera en que se brinda atención sanitaria, especialmente en radiología.
Más del 30% de los radiólogos ya están incorporando la IA en sus prácticas clínicas y son optimistas respecto al valor que puede aportar.
Sin embargo, a medida que aumenta el número de herramientas de IA disponibles, es esencial que hospitales y profesionales de la salud reconozcan que no toda IA es igual y que deben ir más allá del algoritmo para lograr un verdadero impacto clínico, operativo y financiero.
¿Qué dicen los especialistas?
Un análisis publicado en el British Journal of Radiology reveló que solo el 20% de los algoritmos de IA mejoraron el rendimiento de los radiólogos.
El valor de una herramienta de IA en radiología no solo depende de su capacidad para proporcionar información clínica detallada y validada, incluyendo localización, cuantificación, caracterización, visualización y seguimiento, sino también de su capacidad para abordar eficazmente los obstáculos comunes que pueden afectar la calidad de la atención al paciente.
Uno de los más evidentes y urgentes es la creciente escasez de radiólogos, además de los desafíos persistentes que muchos hospitales rurales enfrentan para reclutar especialistas.
Las investigaciones estiman que cuesta alrededor de medio millón de dólares reclutar a un neurorradiólogo, un costo extremo para cualquier hospital, especialmente para el 53% de los hospitales que actualmente enfrentan márgenes operativos negativos, lo que solo aumenta la disparidad entre los centros completos y rurales que a menudo carecen de acceso a esta experiencia específica.
Además, mientras el número de radiólogos disminuye, el volumen de escaneos sigue aumentando, con datos que continúan mostrando el uso creciente de imágenes diagnósticas, especialmente en el departamento de emergencias.
Como resultado, los lectores de imágenes médicas están bajo más presión que nunca para entregar lecturas rápidamente, mientras deben detectar incidentes y enfrentar consecuencias críticas si se omiten diagnósticos.
Al empoderar a los clínicos para tomar decisiones de tratamiento más rápidas y con más confianza, los algoritmos avanzados y validados de aprendizaje automático pueden ayudarles a superar los desafíos más urgentes y también aliviar otros cuellos de botella que reducen la eficiencia del flujo de trabajo.
IA, sí pero ¿con qué características?
Para comenzar, los algoritmos necesitan ser impactantes. Por ejemplo, al proporcionar a los clínicos información precisa sobre las imágenes médicas a través de la localización, cuantificación y visualización, la IA clínica profunda tiene el potencial de elevar la eficiencia de las lecturas y aumentar la productividad.
Al mismo tiempo, reduce la variabilidad entre lectores y ofrece soporte a nivel de neurorradiología en sistemas abrumados por la escasez de personal o que carecen de acceso a lectores más especializados y experimentados.
Esto, en última instancia, ayuda a proporcionar a cada paciente, independientemente de su punto de entrada en el sistema de salud, un acceso más equitativo a una atención de nivel experto.
Las herramientas de IA también deben eliminar la fricción del sistema, no crear pasos innecesarios o trabajo adicional.
Para lograr esto, las herramientas de IA profunda efectivas deben incorporarse sin problemas en el flujo de trabajo de los radiólogos, presentando datos de manera eficiente y en el contexto de su práctica de atención existente.
Esto significa integrarse con PACS, marcar los casos más urgentes y prioritarios y alinearse con los flujos de trabajo de los radiólogos sin causar interrupciones ni requerir cambios en la forma en que trabajan.
Además, para que la IA cumpla plenamente con su promesa operativa, no debe solo resolver desafíos para los radiólogos, sino también ser capaz de apoyar la cooperación multidisciplinaria, la comunicación y la toma de decisiones en equipo con otros miembros del equipo de atención clínica.
Los médicos de urgencias, neurólogos intervencionistas, coordinadores de ictus y otros deben poder acceder a estos datos simultáneamente para asegurar que la información se comparta a través de la organización o red de centros, para agilizar la toma de decisiones, reducir el agotamiento de los médicos y permitir una coordinación de atención efectiva y eficiente.
Las herramientas de IA son programas y deben ser gestionadas en consecuencia.
Esto significa poder obtener datos operativos en tiempo real sobre métricas clave, rendimiento e impacto. Esto permite a los hospitales ajustar y optimizar en tiempo real.
En el backend, para apoyar todas estas actividades, la plataforma de TI necesita ser robusta.
Si bien los sistemas de TI en sí mismos deben ser lo suficientemente flexibles para soportar la creciente demanda de nuevas tecnologías de vanguardia, las herramientas de IA efectivas también deben integrarse en las infraestructuras de TI de los hospitales sin interrupciones.
Al aliviar los desafíos de la fuerza laboral, mejorar la precisión diagnóstica y facilitar una mejor coordinación de la atención, la IA clínica profunda que va más allá del triage estándar tiene el poder de ser enormemente valiosa para los radiólogos, ayudar a reducir la fricción dentro del sistema de salud y ofrecer un verdadero valor clínico, operativo y financiero para hospitales individuales o redes de atención completas.
0 comentarios