Una serie de casos publicada en la Revista de Imagenología del Uruguay destaca la experiencia pionera de un centro del interior del país con el uso asistencial de inteligencia artificial (IA) en radiografía torácica. El estudio presenta aciertos, errores y reflexiones sobre el papel actual y futuro de estas herramientas en el diagnóstico por imágenes.
Primeros pasos hacia la integración de IA en la práctica asistencial
Durante más de dos años, un centro uruguayo ha utilizado un software de lectura automática de radiografías simples basado en deep learning, especialmente en estudios de tórax y osteoarticulares.
La herramienta, denominada Chest-eye y desarrollada por la empresa lituana Oxipit, cuenta con certificación europea para su uso clínico. El sistema fue entrenado con más de 100.000 radiografías recolectadas en siete países con poblaciones diversas, incluyendo centros en Lituania, Estados Unidos y Nigeria.
Alta capacidad para detectar estudios normales
Uno de los principales aportes de la IA según el estudio es su alto valor predictivo negativo, lo que permite confiabilidad al descartar patologías en estudios normales.
Esta capacidad puede reducir significativamente los falsos positivos y evitar pruebas innecesarias, irradiación adicional y ansiedad en pacientes sanos.
Además, ha demostrado eficacia en la detección de patologías potencialmente graves como el neumotórax, incluso en presentaciones laminares.
Limitaciones en casos complejos y múltiples hallazgos
El estudio también evidencia que las limitaciones de la herramienta se manifiestan principalmente en pacientes con radiografías altamente patológicas y múltiples signos simultáneos.
En estos casos, la IA tiene dificultades para categorizar correctamente los hallazgos, mostrando que su capacidad de abstracción aún no iguala la interpretación humana.
El sistema también se enfrenta a desafíos en lesiones complejas como tumoraciones voluminosas o combinaciones de signos poco frecuentes.
Retroalimentación y mejora continua
La herramienta permite que los errores detectados por los médicos radólogos sean reportados. Estos casos se almacenan y utilizan en el proceso de retroalimentación para mejorar futuros desempeños, en el marco del aprendizaje supervisado.
Esta metodología es clave para la evolución de los sistemas de IA en entornos clínicos reales.
Radiómica y el potencial de la IA más allá del ojo humano
Uno de los aspectos más prometedores descritos en el artículo es el papel de la radiómica, es decir, la capacidad de los algoritmos para identificar patrones texturales imperceptibles para el ojo humano.
Esta función podría permitir la detección precoz de nódulos pulmonares o lesiones incipientes, facilitando decisiones diagnósticas más precisas y tempranas.
Consideraciones éticas y limitaciones estructurales
El estudio también aborda la necesidad de garantizar la protección de datos personales, mediante la anonimización de los estudios procesados por IA.
Además, destaca los desafíos que enfrenta el sistema de salud uruguayo para implementar soluciones más avanzadas de IA, como las herramientas de triage automático, integración con historia clínica o transcripción automatizada de informes, en un contexto de infraestructura limitada y escaso desarrollo de sistemas informáticos clínicos.
Una ventana hacia el futuro de la IA en radiología
Este trabajo ofrece una mirada realista y equilibrada sobre los avances y limitaciones de la inteligencia artificial en radiografía torácica.
Aunque aún lejos de reemplazar la labor del radólogo, estas herramientas muestran un gran potencial como asistentes diagnósticos complementarios, especialmente en la validación de estudios normales y la detección de hallazgos sutiles.
Para conocer más sobre esta investigación puede visitar la Revista de Imagenología del Uruguay y acceder al artículo completo.
0 comentarios