EJEMPLOS REPRESENTATIVOS DE PROCESOS DE MEDICINA RADIOLÓGICA BASADOS EN LA IA
Se han estudiado numerosas aplicaciones de la IA en distintos ámbitos de los servicios sanitarios. Desde 2015, el número de publicaciones que tratan sobre la inteligencia artificial o el aprendizaje profundo en el ámbito de la medicina ha crecido de manera exponencial [2, 3]. Los proveedores han empezado a desarrollar y comercializar algunas herramientas basadas en la IA para aplicaciones específicas en el ámbito de la imagenología y la radioterapia. A pesar de este aumento de la popularidad y disponibilidad de la IA, la aplicación clínica de las herramientas de IA desplegadas no está muy extendida. No obstante, al tratarse de un ámbito en rápida evolución, en un futuro próximo se prevé una mayor disponibilidad y adopción de herramientas basadas en la IA para apoyar muchos procesos.
Según las predicciones basadas en la curva de Gartner, alrededor del 20 % de las prácticas clínicas podrían adoptar modelos de aprendizaje profundo en los próximos años [4]. En los cuadros 1 y 2 se ofrecen listas de procesos clínicos y aplicaciones conexas que se basan o podrían basarse pronto en la IA (o que incluyen componentes de IA). El cuadro 1 proporciona ejemplos de procesos y aplicaciones conexas en el ámbito de la imagenología médica, mientras que el cuadro 2 proporciona ejemplos y aplicaciones conexas en el ámbito de la radioncología. La radioterapia adaptativa y la radiómica no figuran entre las aplicaciones que aquí se presentan, ya que se consideran combinaciones de varias de las aplicaciones basadas en la IA que se enumeran por separado en los cuadros.
Los cuadros no pretenden ser exhaustivos, sino ofrecer ejemplos representativos de procesos. En lo que respecta a muchas de las aplicaciones enumeradas, aún queda un largo camino por recorrer para desarrollar herramientas de aprendizaje profundo exactas, robustas y con repercusión clínica que, en última instancia, trasladen el potencial del aprendizaje profundo del laboratorio a la práctica clínica y redunden en beneficio de la atención al paciente [1, 2]
[1] La inteligencia artificial en el ámbito de la física médica Funciones, responsabilidades, enseñanza y capacitación de físicos médicos clínicamente cualificados Con el respaldo de la Asociación Americana de Físicos en Medicina. ORGANISMO INTERNACIONAL DE ENERGÍA ATÓMICA VIENA, 2025
[2] SHEN, C.Y., et al., An introduction to deep learning in medical physics: advantages, potential, and challenges, Phys Med Biol. 65 (2020) 05TR01.
[3] ZHANG, A., XING, L., ZOU, J., WU, J.C., Shifting machine learning for healthcare from development to deployment and from models to data, Nature Biomedical Engineering. 6 (2022) 1330-1345. 32
[4] NETHERTON, T.J., CARDENAS, C.E., RHEE, D.J., COURT, L.E., BEADLE, B.M., The Emergence of Artificial Intelligence within Radiation Oncology Treatment Planning, Oncology-Basel. 99 (2021) 124-134.
