Un nuevo informe, con contribuciones del Instituto Nacional de Imagenología Biomédica y Bioingeniería (NIBIB), parte de los Institutos Nacionales de Salud, proporciona una hoja de ruta para la investigación traslacional sobre inteligencia artificial (IA) en imagenología médica. El informe, publicado el 28 de mayo de 2019, en el Journal of the American College of Radiology, identifica prioridades de investigación que aprovechan los grandes datos, la nube y el aprendizaje automático para aumentar la planificación de imagenología de los médicos y su uso para hacer diagnósticos o evaluar las respuestas de los pacientes a la terapia.
Este informe y un informe complementario publicado el mes pasado resumen las conclusiones de un taller de agosto de 2018 co-organizado por NIH, el Colegio Radiológico Americano de Radiología (ACR), la Sociedad Radiológica de Norteamérica (RSNA), y la Academia para la Radiología y la Investigación en Imagenología Biomédica. El primer informe, publicado el 16 de abril de 2019, traza un camino a seguir para la investigación fundacional en IA y este segundo informe se centra en la investigación traslacional necesaria para llevar la IA a la práctica clínica.
"La radiología ha transformado la práctica de la medicina en el siglo pasado, y la IA tiene el potencial de impactar radicalmente la radiología de manera positiva", dijo Krishna Kandarpa, M.D., Ph.D., coautor del informe y director de ciencias de la investigación y direcciones estratégicas en el NIBIBIB. "Esta hoja de ruta es un estudio y análisis oportuno por expertos en agencias federales y entre nuestra industria y sociedades profesionales que nos ayudarán a tomar la mejor ventaja de las tecnologías de IA en su impacto en el campo de la imagenología médica".
Los informes acompañantes - co-autorizados por el gobierno, la industria, la academia y los líderes de la sociedad de especialidades de radiología - han identificado y priorizado iniciativas para acelerar la investigación fundamental y traslacional en IA para la imagenología médica.
"Este nuevo documento de ruta ofrece una guía para la traducción clínica de la innovación de la IA", dijo Curtis P. Langlotz, M.D., Ph.D., coautor del informe y enlace de la junta directiva de la RSNA para la tecnología de la información y la reunión anual. "Juntos, estas dos hojas de ruta conectadas nos muestran cómo la IA no sólo transformará el trabajo de los radiólogos y otros generadores de imágenes médicas, sino que también mejorará la prestación de atención en todo el entorno clínico".
Los autores sugieren que la aplicación de la IA puede afectar todo el proceso radiológico, desde la decisión clínica de realizar imágenes diagnósticas hasta la preparación de los pacientes para los procedimientos, la realización de la exploración, la interpretación de los resultados de las imágenes y, finalmente, el manejo del flujo de trabajo en los departamentos de radiología. Aunque la mayor parte de la atención se centra en el poder de las computadoras para ayudar a interpretar las imágenes, hay investigaciones en curso sobre las aplicaciones de la IA que abordan todos los aspectos del proceso de imagenología, según el informe. Las herramientas de IA consideradas en esta hoja de ruta son los algoritmos para la detección y clasificación de enfermedades, la optimización de imágenes, la reducción de la radiación y la mejora del flujo de trabajo. Los autores sugieren que los radiólogos deben tomar la iniciativa en la identificación de las áreas más importantes para el desarrollo de la IA.
Casos estructurados de uso de la IA. En el desarrollo de software, los casos de uso definen quién usará un sistema y para qué objetivo específico. Los casos de uso de la IA deben definir y resaltar los retos clínicos potencialmente solucionables por la IA.
Intercambio de datos. Los investigadores deben establecer métodos para fomentar el intercambio de datos para la capacitación y la prueba de algoritmos de IA a fin de promover la generalizabilidad a la práctica clínica generalizada y minimizar el sesgo no intencional.
Herramientas para la validación y monitorización del rendimiento de los algoritmos de inteligencia artificial para facilitar la aprobación reglamentaria.
Estándares y elementos de datos comunes para una integración perfecta de las herramientas de IA en los flujos de trabajo clínicos existentes.
"Aunque los avances en la investigación fundamental están ocurriendo rápidamente, la traducción a la práctica clínica de rutina ha sido más lenta porque debemos asegurarnos de que el IA en la imagenología médica sea útil, seguro, efectivo y fácilmente integrado en los flujos de trabajo de radiología existentes antes de que puedan ser usados en el cuidado rutinario del paciente", dijo el Dr. Bibb Allen, coautor del informe y director médico del Instituto de Ciencia de Datos del ACR.
El informe establece que una meta importante de la hoja de ruta resultante es desarrollar un ecosistema -facilitado por sociedades profesionales, industria y agencias gubernamentales- que permitirá colaboraciones robustas entre médicos e investigadores de IA para avanzar la investigación básica y traslacional relevante a la imagenología médica.
"Este taller patrocinado por el NIBIB fue un paso importante en la coordinación de los esfuerzos privados y gubernamentales relacionados con la implementación de la IA en la imagenología médica", dijo Mitchell Schnall, M.D. Ph.D., Eugene P. Pendergrass Professor & Chair of Radiology, University of Pennsylvania, Philadelphia; vicepresidente & DxCP Task Force Chair, Academy of Radiology & Biomedical Imaging Research. Se necesitará una verdadera asociación público-privada para darse cuenta de la enorme contribución potencial de la IA a la transformación del imaginario médico".
