Usos de la IA en Radioterapia

Usos de la IA en Radioterapia

El intercambio científico y las publicaciones sobre IA han crecido exponencialmente en los últimos años, pero Las herramientas basadas en IA no se utilizan mucho en radioterapia, incluidos los aspectos de física médica. Crecimiento en el área de la medicina personalizada está convergiendo con los desarrollos de los métodos de IA, abriendo nuevas posibilidades, mientras empuja los límites éticos y de garantía de calidad de prácticas convencionales. La comunidad científica es consciente de que, aunque la IA puede ser potencial transformador: existen riesgos de consecuencias no deseadas. Existen desafíos en la implementación clínica de herramientas basadas en IA y en dominios técnicos, éticos y legales (incluyendo privacidad de los datos del paciente). Varias organizaciones internacionales y nacionales relevantes han proporcionó orientación en estos dominios.

El uso rutinario de tecnologías basadas en IA desplegadas en radioterapia, incluido aspectos de física médica, se espera que crezca en los próximos 5 a 10 años. Las herramientas de IA se implementarán principalmente para reemplazo de tareas (en el que se automatizan procesos de trabajo repetitivos como la segmentación de imágenes, con posterior validación por el profesional clínico responsable), y apoyo a la decisión (que facilita y apoya procesos de trabajo complejos por parte del profesional responsable) tomar acciones o decisiones clínicas, incluida la planificación del tratamiento y diagnóstico). Los sistemas de apoyo a la toma de decisiones, en particular, requieren una interpretación clara de los sistemas basados en IA, evitando enfoques de modelado de caja negra.

El despliegue clínico de tecnologías basadas en IA debe tener en cuenta que la necesidad de personas educadas y profesionales capacitados en radioterapia, por ejemplo, oncólogos radioterápicos, físicos médicos y radioterapeutas tecnólogos de la terapia, es probable que aumente, y que los métodos de IA no se pueden utilizar para sustituir profesionales de radioterapia debidamente capacitados.

Las funciones y responsabilidades de los profesionales de la radioterapia deben estar claramente definidas a medida que se implementan las herramientas de IA. Se necesita un equipo central para la implementación de la IA, con profesionales de radioterapia oncológica y física médica que lideren el proceso, participación del personal de TI, científicos de datos, ingenieros de conocimiento, protección de datos y es probable que se necesiten oficiales de ética en diversos grados para apoyar el proceso de implementación, dependiendo de la aplicación.

Nueva formación para profesionales de la radioterapia, impulsada por la ampliación del conocimiento, debe permitirles organizar servicios y departamentos con herramientas integrada basada en IA, seleccionar e implementar efectivamente aplicaciones de IA en la clínica, definir apropiadamente la entrada para AI, y evaluar de manera competente el resultado de las herramientas basadas en AI.

Las prácticas que utilizan tecnologías basadas en IA que involucran medicina de radiación deben adherirse a las Normas básicas internacionales de seguridad. El OIEA puede ayudar a sus Estados Miembros a proporcionando orientación sobre:

● Educación y capacitación de profesionales de la salud para la utilización de tecnologías basadas en IA en medicina de radiación.

● Selección, especificación y evaluación de herramientas basadas en IA.

●Implementación clínica, puesta en servicio y control de calidad de tecnologías basadas en IA.

● Aspectos de la selección de datos para la definición de las entradas a las tecnologías basadas en IA.

● Evaluación y validación del resultado de la herramienta basada en IA (p. ej., precisión, reproducibilidad, sesgo); posible ajuste de la herramienta basada en IA, previamente entrenada y validada en un conjunto de datos estandarizados o con datos de otro contexto.

● Armonización en el uso de herramientas basadas en IA [1].

En cuanto a radiodiagnóstico, Pablo Valdés, director del área de Radiodiagnóstico de la Agencia Sanitaria Costa del Sol, presidente saliente de la SERAM y presidente del Comité Organizador del 35º Congreso Nacional de la Sociedad Española de Radiología Médica (SERAM) expresa: que la IA se debe considerar como “una herramienta que mejora la Radiología”. “Como todas las herramientas potentes, las oportunidades que genera dependen más de su uso que de la propia herramienta. Al hablar de inteligencia artificial hay que recordar que se habla de una IA fuerte (la que sustituiría a toda la mente humana) y una débil (la centrada en una actividad concreta). Ahora disponemos de herramientas de inteligencia artificial débil, muy potentes, que se pueden aplicar a prácticamente todas las fases del proceso de imagen”.

Al ser consultado sobre una eventual sustitución de la IA por la Radiología, Pablo Valdés ha enfatizado que «asumir que desaparezcan los radiólogos o la Radiología es como plantearse que las calculadoras pueden hacer desaparecer a los ingenieros (algo que se planteó en su momento)».

«La radiología es una especialidad muy compleja, con un gran enfoque clínico, en la que el radiólogo hace muchas tareas y tiene competencias en diferentes campos. El diagnóstico de una patología es una de ellas. Disponer de herramientas avanzadas que potencien su capacidad es algo de lo que se van a beneficiar todos los pacientes. Por eso se habla de la ‘inteligencia asistida’, como un escenario en el que los radiólogos dispondremos de herramientas que nos eviten hacer tareas repetitivas, con posibilidad de error, y que nos permitan hacer lo que debemos hacer: pensar en el paciente y ver cada caso de forma global», ha argumentado.

Rodrigo de Luis, vocal de Biotecnología en el 35º Congreso Nacional de SERAM, ingeniero de telecomunicaciones y profesor titular en la Universidad de Valladolid, explica  que el error más importante en la aplicación de la IA es «no entender que hay una enorme diferencia entre un prototipoy un sistema apto para su uso en un entorno clínico».

«Desarrollar un prototipo, por ejemplo, de diagnóstico automático de Covid-19 a partir de radiografías, puede ser cuestión de unos pocos días si se tienen los datos necesarios para el entrenamiento. Sin embargo, convertir ese sistema en un producto que pueda ser utilizado en un hospital es una tarea de años, porque hay que asegurarse de que el sistema es robusto, que generaliza bien a poblaciones que posiblemente no sean iguales a las que se usaron en el entrenamiento, que no tiene sesgos no deseados, y un largo etcétera» [2].

Referencias

[1] https://www-pub.iaea.org/MTCD/Publications/PDF/ART-INTweb.pdf

[2] https://www.redaccionmedica.com/secciones/radiologia/-la-inteligencia-artificial-esta-cambiando-todo-tambien-la-radiologia–2856