Años de innovación tecnológica han significado que los equipos informáticos disponibles en el mercado se hayan vuelto tan poderosos que el aprendizaje profundo de IA (el proceso de generalización de patrones a partir de una gran cantidad de conjuntos de datos) es posible a un costo razonable. La disponibilidad de conjuntos de datos bien seleccionados y de buena calidad también ha mejorado, y se han inventado nuevos métodos de aprendizaje de IA que imitan mejor a los humanos.
La combinación de estos avances ha permitido la aplicación de la IA a todo el flujo de trabajo de Radiología, y este cambio tiene el potencial de ser transformador. Todos podemos aprender mucho del uso de la IA en el entorno de la investigación.
Sin embargo, debemos ser cautelosos.
Ahora se sabe mucho sobre los peligros de entrenar la IA con conjuntos de datos sesgados o de mala calidad y las ventajas de utilizar una población verdaderamente representativa para la verificación. En verdad, el término "Inteligencia Artificial", tal como lo usamos hoy en Radiología y Atención Médica, es un nombre inapropiado. Los algoritmos de IA que se están desarrollando no comprenden los datos que utilizan ni los resultados que producen.
Los algoritmos por sí solos no comprenden la patología, la enfermedad, los pacientes o incluso la atención, pero definitivamente son útiles dados los desafíos que enfrentan los proveedores de atención médica. Especialmente en una época en la que estamos saliendo de una pandemia global que ha cambiado la medicina para siempre.
Los profesionales de la salud son cada vez más "expertos en IA" y están haciendo las preguntas correctas a la industria y a los socios. Los algoritmos de IA que puedan apoyar a los humanos pero no reemplazarlos son un objetivo alcanzable y deseable para todas las partes. Cada vez más, los investigadores de IA enfrentan el desafío de demostrar que su innovación funciona dentro de un flujo de trabajo real y no solo en el entorno de prueba del laboratorio.
El uso adecuado de la IA para optimizar todo el flujo de trabajo de radiología, desde el posicionamiento del paciente en el escáner hasta el proceso de diagnóstico final, puede liberar a los profesionales para dedicar más tiempo a los pacientes y crear más tiempo para trabajos no rutinarios que exigen su experiencia y habilidad. Incorporar la IA en la rutina diaria para crear flujos de trabajo basados en datos, en los que la información relevante se proporciona al médico en la etapa correcta del proceso para permitir una toma de decisiones óptima, es probablemente el desafío final que requiere que los proveedores trabajen juntos.
Actualmente, ninguna organización o empresa individual puede ofrecer estos “flujos de trabajo inteligentes” de próxima generación por sí sola, pero el objetivo de brindar una mejor atención médica para todos es tan convincente que se están formando alianzas y ecosistemas para abordar este desafío fundamental en un momento tan crítico.
Canon contribuye a través de Altivity, nuestro nuevo y audaz enfoque hacia la innovación en IA.