Más de una vez se ha leído u oído decir que la tecnología en general, y la inteligencia artificial en particular, terminará reemplazando en algunos aspectos al ser humano. Y es posible que eso ocurra especialmente si hablamos de tareas repetitivas y factibles de ser automatizadas.
Una lectura frecuente es que se busca de manera utópica la eliminación de la falla humana, al quitar al ser humano por completo de la ecuación. Pero otra lectura más atenta podría sugerir que desligar al ser humano de tareas repetitivas y automatizables lo liberan para poder desarrollar sus potencialidades sin distracciones innecesarias.
En otras palabras, así como la tecnología podría teóricamente ser una amenaza, también es una oportunidad. Y en radiología puede verificarse con detenimiento.
Podríamos decir que la radiología es en sí una tecnología. La RAE, define a la tecnología como un conjunto de teorías y de técnicas que permiten el aprovechamiento práctico del conocimiento científico. Lo que buscamos plantear, en definitiva, es la conveniencia de estar actualizado y de qué manera es clave para mantenerse competitivo. En esta área médica, en la actualidad, significa empezar a pensar en inteligencia artificial y, más específicamente, en machine learning.
Si bien la asistencia diagnóstica por computación (CAD, por sus siglas en inglés) viene incorporándose lenta pero firmemente, recién está en pañales. De acuerdo a una nota de Forbes “nuevas tecnologías cognitivas, sin embargo, tienen el potencial para mejorar sustancialmente CAD para imágenes radiológicas y también para laboratorios de patología y combinarlos con otros datos de diagnóstico. Estas tecnologías están avanzando rápidamente en laboratorios de investigación, pero aún no llegan a la práctica médica”.
El uso de machine learning se ha disparado en los últimos años a medida que las computadoras se han vuelto más potentes y los algoritmos de enseñanza de reconocimiento de patrones han mejorado. Más recientemente, algunos esfuerzos de aprendizaje automático han buscado imitar el funcionamiento físico del cerebro humano, ya sea en software o en hardware, un enfoque que a menudo se denomina deep learning. Muéstrele suficientes imágenes a la computadora de un taxi amarillo y negro andando por la calle, por ejemplo, y es posible que, en poco tiempo, comience a reconocer los taxis, ya sea en una calle o en otro lugar.
Esa es la estrategia que está empleando Enlitic, una startup recientemente creada. Para los fundadores de esta compañía, si se le muestra a una computadora la suficiente cantidad de imágenes de patologías, por ejemplo tumores cerebrales, en cualquier momento ésta comenzará a señalársela automáticamente a los médicos. Más aún, sería más fácil que otro tipo de reconocimiento ya que, siguiendo con el ejemplo del taxi, éste puede aparecer en diferentes ambientes, contextos, ángulos, posiciones, mientras que las radiografías de una misma patología tienden a mostrarse bastante consistentes.
Nada de esto significa que se deba prescindir del profesional médico o radiólogo, al contrario. Siguiendo a John Kelley, un especialista en el tema que compara la técnica de interpretación radiológica con la tarea de un árbitro de beisbol, "aunque los programas avanzados podrán llegar a delinear y cuantificar automáticamentes las anomalías, los radiólogos seguirán desempeñando un papel crucial en la disección de la información presentada, para proporcionar el mejor diagnóstico a los médicos remitentes”.
Trasladado a nuestro entorno, en el que la tecnología del VAR (Video Assistant Referee) está popularizándose en el fútbol sería lo mismo que decir: "El árbitro siempre tendrá la última palabra". El machine learning brinda un acceso más rápido a la información necesaria para tomar mejores decisiones y más rápidas pero, es en conjunto que humanos y máquinas tienen el potencial de cambiar el mundo de la salud.
Lo mismo sucede con la teleradiología, la telegestión y teleducación en diagnóstico por imágenes. La tecnología nos permite llegar a distintos lugares de difícil acceso, flexibilizar la salud o la educación en medicina así como ayudar a centros de salud o diagnóstico a innovar y mejorar. Nos acerca entre personas, para que nos complementemos y podamos en conjunto lograr grandes metas. La primera y principal para todos los que trabajamos en salud es ofrecer una excelente atención a nuestros pacientes. En telerad, ayudamos a los centros de diagnósticos, clínicas y hospitales a lograrlo.
Contamos con un servicio de Telegestión: evaluación y asesoría especializada a distancia en dificultades tecnológicas, recursos humanos, calidad de atención y cualquier otro aspecto relacionado a la gestión integral de un centro de diagnóstico.
