Artículo original: European Society of Radiology. What the radiologist should know about artificial intelligence – an ESR white paper. Insights Imaging. 2019 Apr 4; 10 (1): 44.
Sociedad: European Society of Radiology (@myESR).
DOI: 10.1186/s13244-019-0738-2.
Palabras clave: Artificial intelligence, imaging informatics, radiomics, ethical issues, computer applications.
Abreviaturas y acrónimos utilizados: IA (Inteligencia Artificial), CAD (Computer-aided detection), CDE (Common Data, Elements), CDS (Clinical Decision Support System), ESR (European Society of Radiology), RM (Resonancia Magnética), TC (Tomografia Computarizada), PACS (Picture Archiving and Communication System).
Línea editorial del número:
El número consta principalmente de revisiones sistemáticas y artículos originales con fines fundamentalmente educativos. Si bien trata temas de máxima actualidad, lo hace desde un punto de vista más pedagógico y divulgativo que minucioso y profundo. En líneas generales, el objetivo de esta revista es la difusión de aspectos esenciales y básicos de temas importantes para los radiólogos sin profundizar en exceso, lo que se refleja en la línea editorial de este número.
Motivos para la selección.
La inteligencia artificial ha aterrizado recientemente en la Radiología y lo ha hecho con un aura de revolución. Probablemente desde la irrupción de la RM y del TC, no llegaba algo tan prometedor y de tal magnitud como para poner en jaque la forma actual de trabajar y el día a día de una disciplina tan arraigada como es la Radiología. Por ello, como radiólogos debemos formarnos desde el principio de nuestra carrera en el conocimiento necesario para comprender las bases de la inteligencia artificial ya que pronto trabajaremos con ella codo con codo.
Este artículo, aunque de forma muy elemental, define los conceptos básicos de la inteligencia artificial y enumera algunos de las nuevos problemas, controversias, ventajas e inconvenientes, que la Radiología deberá abordar ante la llegada de esta nueva herramienta, y puede constituir un primer elemento de lectura desde el que profundizar posteriormente.
Resumen.
Introducción.
La Inteligencia artificial (IA) es una de las áreas que está experimentando mayor crecimiento en el campo de las ciencias computacionales y que cuenta con gran impacto en la radiología, por lo que resulta de enorme importancia para el radiólogo plantearse sus posibles aplicaciones y los problemas éticos derivados de la utilización de estos sistemas.
Definiciones.
En primer lugar y antes de comenzar con las discusiones que se dan cabida en torno a la IA, debemos definir los siguientes conceptos:
- Inteligencia artificial (IA): capacidad de las máquinas de imitar funciones cognitivas humanas. Se entiende por “IA estrecha” a la que se aplica exclusivamente a una tarea, y por “IA general” a aquella que puede desenvolverse en tareas de mayor complejidad.
- Machine learning: capacidad de un sistema de perfeccionar su respuesta a un estímulo a través de la experiencia y de forma autónoma. El aprendizaje puede ser supervisado si se proporciona la solución al sistema junto con el problema; no supervisado si solo se introducen problemas sin soluciones y el sistema extrae las conclusiones de forma autónoma; semisupervisado en el caso de que se proporcionen algunas soluciones con los problemas; y por refuerzo a través del refuerzo positivo o negativo mediante castigo-recompensa.
- Deep learning: subtipo de machine learning que incorpora algoritmos de mayor complejidad.
- Red Neuronal Artificial: redes integradas por capas de perceptrones o neuronas susceptibles de ser activadas por una señal de suficiente intensidad que induce un nuevo impulso a las subsecuentes capas con las que se conectan.
- Overfitting: problema derivado de un aprendizaje alterado por el excesivo ruido generado por elementos superfluos consecuencia de la introducción excesiva de imágenes no etiquetadas en el sistema.
- Computer-aided detection (CAD): consiste en un tipo de IA que está especializado en la detección de elementos concretos en una imagen, y que ha sido diseñado para asistir en programas de cribado de cáncer de colon, mama o pulmón, entre otras aplicaciones.
Aplicaciones de la Inteligencia artificial.
Uno de los primeros tipos de programas de IA que se han intentado introducir en radiología, han sido aquellos dirigidos a la detección en las imágenes radiológicas de elementos muy concretos, por ejemplo microcalcificaciones en una mamografía. Estos sistemas se basan en la CAD y su principal limitación es que no cuentan con machine learning.
Actualmente, se están diseñando softwares que basándose en la IA, comienzan a afrontar retos más ambiciosos, algunos ejemplos son el Radiomics, que consiste en una iniciativa que trata de extraer las máximas características posibles de una imagen de una determinada patología, consiguiendo aprender cuales son las características radiológicas de esa entidad para así posteriormente diagnosticarla en un nuevo caso; los biobanks que buscan un almacenamiento de imágenes más eficiente evitando los problemas derivados de la sobrecarga del PACS; la optimización de la radiación incidida sobre el paciente a través de los estudios radiológicos identificando los protocolos más adecuados; la evaluación de respuestas terapéuticas a fármacos comparando los cambios en lesiones concretas; o la asistencia a la elaboración de informes reconociendo y transcribiendo los hallazgos más sencillos.
Barreras de la inteligencia artificial y nuevos retos.
Los principales inconvenientes de la IA hoy en día aplicada a la radiología son los siguientes:
- La necesidad de acceso a grandes bancos de imágenes: imprescindibles para entrenar las redes.
- El procesamiento de los datos: a pesar de que actualmente hay abundantes fuentes de imágenes como los sistemas PACS, las imágenes deben de ser procesadas antes de utilizarse para entrenar la red, lo cual requiere enorme trabajo.
- Las responsabilidades médico-legales: si el diagnóstico no lo realiza un ser humano, cabe preguntarse entonces quién es el responsable de ese diagnóstico.
- Otros aspectos éticos.
- Radiomics y minería de datos: la extracción de datos en imagen no apreciables por el ojo humano dificulta la supervisión y valoración de los mismos, que pueden corresponderse con características de la patología o ser consecuencia de overfitting llevando a diagnósticos erróneos.
Perspectivas futuras de la inteligencia artificial.
De manera inevitable la IA formará parte de las herramientas con las que el radiólogo deberá trabajar en el futuro, lo que obligará a establecer nuevas relaciones estrechas entre los radiólogos y otros profesionales como informáticos e ingenieros computacionales.
Por otro lado, a pesar de que la inteligencia artificial traerá nuevos problemas que resolver, indudablemente constituirá un nuevo elemento con el que el radiólogo contará y que le ayudará a crecer y a afianzar su papel de imprescindible en el proceso diagnóstico.
Valoración personal.
El artículo trata un tema de cierta complejidad para los radiólogos como es el de la IA, y lo hace de forma pedagógica, concisa y sencilla, focalizándose en los aspectos más prácticos para el día a día. Además, induce a la reflexión sobre determinados elementos que pronto nos encontraremos en la práctica clínica y que el radiólogo debe comenzar a plantearse, como son las cuestiones éticas derivados de la utilización de los sistemas basados en la IA.
En contrapunto, la intención de abordar la temática desde una perspectiva fácilmente legible para un público poco familiarizado por el momento con la ingeniería de datos como son los radiólogos, lleva inevitablemente a que haya determinados puntos del texto que son tratados de manera excesivamente superficial, en mi opinión.
Pese a ello y en líneas generales, considero que el artículo, fiel a su título, define los conceptos fundamentales que el radiólogo debe saber sobre la IA y enumera sus principales ventajas e inconvenientes.
Pablo Menéndez Fernández-Miranda
Hospital Universitario Marqués de Valdecilla (Santander), R1.
cbseram.com 
Deja una respuesta