Una nueva IA aumenta la productividad de radiólogos ante la escasez de estos profesionales

Radiología es una de las especialidades que más potencial puede tener en inteligencia artificial (IA). Estas nuevas tecnologías han irrumpido en la Medicina a través de esta rama clínica y, de hecho, ha sembrado incluso el temor de que podrían sustituir a los profesionales. La realidad es que no y el estudio de sus utilidades forma parte del presente todavía. El reciente análisis 'Eficiencia y calidad de los informes radiográficos generativos asistidos por IA', publicado en la revista Jama, tiene una conclusión clara: la colaboración entre radiólogos y la IA generativa mejora la atención clínica.

Este estudio se ha centrado en evaluar si el uso de una IA generativa a la hora de desarrollar borradores radiológicos, integrado en el flujo de trabajo, es beneficioso o no para los profesionales y si les ayuda a finalizar informes, los cuales son utilizados por otros médicos para orientar la toma de decisiones clínicas. El estudio prospectivo de cohorte se realizó desde noviembre de 2023 a abril de 2024, se emplearon 23 960 radiografías (11,980 usaron IA y 11,980 sin IA) pertenecientes a 12 hospitales.

Hubo tres resultados claves divididos en tres áreas. Por un lado, la eficiencia de la documentación, el modelo IA redujo el tiempo promedio de documentación de 189.2 segundos a 159.8 segundos. Esto significa un 15.5% de mejora. "Representa un ahorro neto de tiempo de más de 63 horas de documentación durante el período de estudio", subrayan en la publicación.

En cuanto a la calidad del informe, no se encontraron diferencias estadísticamente significativas en precisión clínica o calidad textual. Mientras que la principal misión, que era detectar neumotórax inesperado, lo consiguió con creces. El sistema de IA detectó esta patología con una sensibilidad del 72,7% y una especificidad del 99,9%. Incluso se subraya que algunas detecciones precoces evitaron que los pacientes tuvieran peor pronóstico.

Se trataría de una nueva herramienta que podría solventar la creciente demanda de servicios radiológicos que se unen con la escasez de radiólogos a nivel mundial. "La mejora de la eficiencia mediante la adopción de IA generativa resulta de gran interés para ampliar el acceso a las imágenes diagnósticas", indican sus autores.

Concretamente, según se especifica en el estudio, se consideran dos vías para aumentar el flujo de trabajo del radiólogo mediante IA generativa. En primer lugar, los borradores de informes generados por IA pueden facilitar una consolidación más oportuna de la información. En segundo lugar, el borrador de IA contiene un lenguaje que destaca la gravedad y la cronicidad de los hallazgos, lo que permite la identificación de estudios que justifican la atención inmediata del radiólogo con mayor fiabilidad que las estrategias basadas en la clasificación.

Incorporación del contexto clínico

Sobre la IA que se utiliza en este estudio, es un modelo encoder-decoder multimodal, condicionado conjuntamente en texto e imágenes, que ha sido entrenado utilizando un modelo institucional.. Está entrenado para generar informes de texto a partir de imágenes radiológicas y datos clínicos, que es el motivo del estudio. Además, está integrado en el flujo de trabajo clínico existente.

Aunque los investigadores reconocen limitaciones: "Si bien nuestra institución atiende a una población diversa de pacientes, las radiografías y los radiólogos estudiados podrían no ser representativos de otras poblaciones". También explican que se requiere un estudio longitudinal continuo del uso del modelo para caracterizar la posible desviación del rendimiento e investigar la traducción de las mejoras de eficiencia en cambios de productividad a largo plazo y en factores como el agotamiento profesional. "Una mayor incorporación del contexto clínico y estudios comparativos más extensos podrían mejorar el rendimiento del modelo", añaden.

Por lo tanto, con este análisis se concluye que el uso de borradores generados por IA en Radiología aumenta la eficiencia sin sacrificar calidad. A ello se suma que también mejora la detección temprana de patologías críticas como el neumotórax y representa un paso prometedor hacia la colaboración efectiva entre IA y médicos para mejorar la atención clínica.