Dr. Díaz: «El beneficio de la inteligencia artificial se basa en la precisión diagnóstica»

¿Cómo la inteligencia artificial (IA) está revolucionando la labor médica? Los avances tecnológicos ayudan no sólo a la calidad del cuidado a los pacientes, sino también a la vida profesional de quienes están en la primera línea de la salud: desde diagnósticos más precisos y rápidos, soporte en la toma de decisiones con algoritmos y reducción de hasta el 50% en el coste de atención. Para hablar de todo ello, OKSALUD entrevista al Dr. Facundo Nahuel Diaz Veloso, médico radiólogo de Atrys.

PREGUNTA.- Dr. Díaz, ¿cómo describiría el impacto inicial de la IA en su trabajo como radiólogo y en el sector de la salud en general? y más concretamente ¿cuál es su perspectiva sobre cómo la inteligencia artificial cambiará radicalmente -en su caso- la radiología y la atención médica en general?

RESPUESTA.- La inteligencia artificial (IA) está comenzando a tener un impacto transformador en la radiología y en el sector de la salud. Según una reciente encuesta de EuroAIM/EuSoMII 2024, ya se perciben grandes avances, especialmente en áreas como las imágenes mamarias y oncológicas, donde la IA facilita tareas de detección de patologías en estudios de tamizaje. Esto mejora la precisión y eficiencia del diagnóstico, permitiendo una identificación más rápida y temprana de problemas de salud.

Aunque su adopción aún no es uniforme y el uso en tareas más complejas, como el pronóstico evolutivo, está en una fase inicial, el potencial es inmenso. Menos de la mitad de los profesionales utilizan actualmente estas herramientas, lo que abre una enorme oportunidad para ampliar su implementación y optimizar los procesos clínicos. A medida que la IA se integre más en la práctica diaria, podemos anticipar una radiología más eficiente, con diagnósticos más precisos y tiempos de respuesta más rápidos, lo que, sin duda, beneficiará la atención médica en general.

El futuro de la IA en la radiología promete mejorar no sólo la calidad del diagnóstico, sino también el tratamiento y el cuidado de los pacientes.

P.- ¿Puede compartir ejemplos de cómo la IA puede mejorar procesos en su ámbito?

R.- Las herramientas de inteligencia artificial (IA) pueden implementarse en todas las etapas del proceso radiológico. Si bien las aplicaciones interpretativas son las más conocidas, también existen aplicaciones no interpretativas que resultan igualmente valiosas. Estas últimas pueden facilitar la interpretación de órdenes médicas, sugerir el estudio o protocolo de adquisición más adecuado, y colaborar en la codificación de informes radiológicos para fines estadísticos, de facturación o para el entrenamiento de aplicaciones interpretativas.

En cuanto a las aplicaciones de IA interpretativas, en mi área de subespecialización en neuroimágenes, existen herramientas que permiten delimitar y segmentar el tejido cerebral y calcular el volumen de los distintos lóbulos cerebrales. Esto optimiza una tarea manual repetitiva, contribuyendo a una mayor precisión diagnóstica en el seguimiento de enfermedades neurodegenerativas, como el Alzheimer.

Otro ejemplo es el uso de IA en el triaje y la detección temprana de patologías críticas. Los radiólogos pueden recibir múltiples estudios similares en su lista de trabajo sin conocer de antemano si presentan anomalías. El preanálisis de estos estudios mediante IA permite identificar aquellos con posible patología y priorizarlos para su revisión. Esto mejora los tiempos de respuesta y facilita un tratamiento más temprano y eficaz para los pacientes.

P.- Hablemos de diagnósticos: ¿cómo ha impactado la IA en la velocidad y precisión de los diagnósticos radiológicos?

R.- En términos generales, la implementación de una herramienta de IA en radiología debería mejorar tanto la precisión diagnóstica como los tiempos de entrega de informes. Para asegurar su eficacia y seguridad, es esencial evaluar cada herramienta individualmente mediante estudios clínicos que generen evidencia científica y demuestren que los beneficios clínicos superan ampliamente los posibles riesgos de su uso.

En mi experiencia, he participado en el desarrollo de una herramienta para la detección de hallazgos patológicos en radiografías de tórax. Esta tecnología permite priorizar los informes de estudios con hallazgos potenciales, lo que facilita una reducción en el tiempo de diagnóstico y optimiza el proceso asistencial. 

P.- ¿Ha notado una diferencia en el tiempo necesario para llegar a un diagnóstico con la ayuda de algoritmos de IA? 

R.- Estamos utilizando en Atrys la IA para triaje de pruebas diagnósticas, permitiéndonos discriminar aquellos que presentan irregularidades de los que no. No son diagnósticos, sino triajes que indican si una prueba está bien o mal y dejando el análisis de las mismas a los médicos. De 100 electrocardiogramas, ocho pueden tener una alteración, pero hay 92 que no tienen nada. Hasta ahora, un cardiólogo tenía que ver el 100%.  La IA, sin embargo, te dice que hay ocho anómalos, para que el cardiólogo sólo revise los que presentan irregularidades, lo que permite aumentar la agilidad en los tiempos de respuesta al paciente. 

P.- En términos de toma de decisiones clínicas, ¿cómo puede ayudar la inteligencia artificial a los médicos en su labor diaria? 

R.- Gran parte de las herramientas que utilizan IA en el ámbito de salud pueden considerarse como un sistema de soporte a la toma de decisiones clínicas. Este concepto precede incluso a la ola actual de innovación en IA. Como precepto general estas herramientas están destinadas a poner al alcance del profesional los elementos necesarios para una decisión, siendo este el último responsable de la misma. Una herramienta de IA en radiología, por ejemplo, puede priorizar una lectura o sugerir la detección de un hallazgo potencialmente patológico en la imagen, pero es el radiólogo quien debe confirmar esto y actuar en consecuencia. 

P.- Uno de los beneficios mencionados es la reducción de costes en la atención médica. ¿Cómo se traduce esto en la práctica 

R.- El beneficio de la IA se basa fundamentalmente en la precisión diagnóstica, actualmente las herramientas de IA tienen un coste muchas veces elevado, por lo que inicialmente no hay beneficio económico en reducción de costes, hecho que constituye una barrera para su implementación y uso. 

Existen sin embargo estudios más complejos de economía sanitaria en los que se señalan beneficios bien a nivel del sistema sanitario o a mediano/largo plazo, aunque esto suele ser para herramientas seleccionadas, no pudiendo generalizarse los resultados.  

P.- ¿Ha visto una disminución del tiempo de respuesta al paciente gracias a la implementación de tecnologías basadas en IA?  

R.- En Atrys hemos implementado un proyecto piloto que nos ha permitido reducir en un 88% las listas de espera en el Hospital Felix Bulnes en Santiago de Chile. Para conseguirlo, hemos desarrollado un programa de IA que permite revisar exámenes médicos y derivar a un profesional los resultados de aquellos alterados. El hospital nos entregó 8.021 pacientes que estaban esperando ser atendidos en cardiología, medicina interna, neurología y dermatología. Los buenos resultados del proyecto, han permitido a Atrys adjudicarse la licitación pública lanzada por el Hospital para la reducción y resoluciones de pacientes en lista de espera, a través de la cuál atenderemos 6.000 nuevos casos en una primera fase. Adicionalmente, este modelo se está expandiendo a otras zonas del país, encargándonos de reducir las listas de espera de ochos hospitales del servicio de salud de Reloncaví, también en Chile. 

P.- La implementación de la IA puede generar preocupaciones sobre la seguridad y la calidad de la atención. ¿Cómo se abordan estos desafíos en su experiencia? 

R.- Como ocurre en general con la innovación tecnológica, la implementación de IA en el campo de la salud genera preocupaciones sobre la seguridad y la calidad de atención. Estos desafíos se abordan y mitigan desde diferentes perspectivas: 

• • Supervisión humana: los dispositivos médicos que utilicen IA deben ser supervisados por un profesional en mayor o menor medida, siendo este el principal responsable de los resultados y efectos sobre el paciente.
  • Entrenamiento y formación continuada: los profesionales deben actualizarse y formarse para poder participar activamente en la implementación, validación y seguimiento de estas herramientas. 
  • Validación rigurosa: se exige la presentación de estudios clínicos y evidencia científica que demuestre una relación riesgo beneficio aceptable previo a la autorización en la distribución por parte de los proveedores.
  • Marco regulatorio: las herramientas atraviesan un proceso riguroso de control y validación previo a su salida al mercado. 
  • Ciberseguridad y protección de datos: se debe garantizar que la información médica se maneje en un entorno informático seguro, autorizado por el paciente y en cumplimiento con las legislaciones de protección de datos vigentes. 

La clave para mitigar estas preocupaciones se basa en un enfoque colaborativo que aborde simultáneamente los puntos mencionados, garantizando una implementación de IA segura y que mejore efectivamente la calidad de la atención sanitaria.

P.- ¿Qué medidas se están tomando para asegurar que la IA complemente, y no reemplace, el juicio clínico humano? 

R.- Con las recientes actualizaciones de los marcos regulatorios (MDD a MDR) y la ley de Inteligencia Artificial de la UE en un alto nivel se garantizan estándares aceptables por parte de los proveedores, en los cuales se prohíben aquellos niveles de riesgo en su uso que se consideren inaceptables, y resulta mandatorio la supervisión humana de los dispositivos médicos que utilicen IA. 

Además, se solicita la demostración de una relación riesgo/beneficio que sea clínicamente significativa.  También es necesario que los profesionales continúen su formación teórica y práctica respeto al uso de estas herramientas para poder realizar una evaluación y uso criterioso de las mismas.  

P.- Desde su perspectiva como radiólogo, ¿qué habilidades cree que serán más importantes para los profesionales de la salud en el futuro, dado el avance de la tecnología? ¿Cómo deberían prepararse los futuros médicos para trabajar junto a la inteligencia artificial?

R.- En el futuro cercano, muchas herramientas con algoritmos de IA se integrarán en el flujo de trabajo asistencial diario (historias clínicas, chatbots, radiodiagnóstico, análisis, etc.) casi sin notarlo. Los profesionales de la salud deben estar preparados para identificar estas intervenciones, evaluar resultados y detectar errores. Esto requiere formación desde el pregrado hasta el postgrado y formación continua facilitada por sociedades científicas e interacción con la industria.

Además, los profesionales deberían participar en el desarrollo de estas herramientas, desde la definición de sus usos hasta su validación. Aquellos más interesados pueden involucrarse en investigación, revisión por pares o colaborar con organismos regulatorios. Aunque no se prevén grandes cambios laborales inmediatos, contar con formación específica en IA puede ofrecer mayores oportunidades profesionales.

P.- Por último, Dr. Díaz, mirando hacia el futuro, ¿qué posibilidades cree que ofrecerá la inteligencia artificial para la atención médica y la salud de los pacientes? ¿Hay alguna innovación específica que le entusiasme particularmente?

R.- Un desafío clave para el futuro será integrar las nuevas tecnologías como herramientas asistenciales sin perder el foco en la precisión diagnóstica y el cuidado del paciente. Es esencial promover su aceptación tanto en el equipo de salud como en los pacientes, superando miedos y desconocimiento mediante una incorporación segura y eficiente.

Además, persiste el debate sobre quién debe asumir los costes de implementación, desarrollo y mantenimiento de estas tecnologías (efector, radiólogo, paciente, aseguradoras o sistemas de salud), requiriendo un análisis caso por caso.

Por último, en la actualidad gran parte del entusiasmo está puesto en la actualización constante y acelerada de los modelos extensos de lenguaje (LLM), lo que los vuelve cada vez más precisos, rápidos y asequibles. Esto podría ayudarnos a interactuar, resumir e interpretar grandes volúmenes de información contenida en los historiales clínicos, reduciendo el tiempo consumido en este tipo de tareas. Aún es muy pronto para conocer su alcance real, pero las primeras publicaciones al respecto resultan sumamente interesantes.