Uno de los mayores desafíos para aprovechar mejor el potencial de la inteligencia artificial (IA) en medicina radica en entrenar a los modelos adecuadamente. Para ello se requiere obtener a gran escala datos suficientes con para alimentar y perfeccionar sus algoritmos de deep learning. En el caso de la imagenología, brindar diagnósticos impulsados por IA implica desarrollar modelos capaces de brindar precisa miles de imágenes adecuadamente etiquetadas.
La Escuela de Ingeniería y Ciencias (EIC) del Tecnológico de Monterrey tiene proyectos de investigación que pueden potenciar los diagnósticos impulsados por IA en el tratamiento de enfermedades gastrointestinales. Una de las técnicas más usuales para explorar el tracto digestivo es la endoscopía, que permite obtener imágenes fijas y videos. Sin embargo, tiene limitaciones.
«El endoscopio puede moverse en varios ángulos, pero únicamente puede mostrar imágenes frontales», indica el doctor Gilberto Ochoa, investigador de la EIC, Campus Guadalajara. Sin embargo, ahora es posible formar mapas tridimensionales al utilizar dichas imágenes. Es decir, gracias a la tecnología, se pueden lograr mejores diagnósticos impulsados por IA.
Dicho avance fue posible al añadir una capa de deep learning a la que se alimenta con horas y horas de video. También se usan numerosas imágenes con información muy variada. Eso enriquece y robustece los modelos, lo cual les permite generar una vista con la profundidad, anchura y altura suficientes para crear representaciones tridimensionales de enorme complejidad.
Cálculos tridimensionales
Así, los médicos son capaces de identificar alteraciones en el aparato digestivo en tiempo real. En el colon, por ejemplo, pueden desarrollarse pólipos con formas y tamaños distintos que podrían ser benignos o malignos. A partir de las características observadas, los médicos podrían determinar tratarlos o extraerlos. Eso se facilita si conocen con mayor precisión su ubicación mediante la generación de un mapa 3D.
«En el caso de la colitis ulcerativa o de enfermedad celiaca, es vital saber dónde se encuentran y su severidad. Los diagnósticos impulsados por IA y deep learning reducen considerablemente los tiempos y márgenes de error en los tratamientos. También minimiza así como los falsos positivos», asegura Ochoa.
Entre las áreas que pueden beneficiarse de los diagnósticos impulsados por IA se pueden contar las siguientes:
●Clasificación de cálculos renales. Determinar sus características y clasificarlos en términos de tamaño, textura y color puede tomar bastante tiempo. Se sabe que existen alrededor de 30 tipos de cálculos, cada uno con implicaciones clínicas particulares, explica Ochoa. Los urólogos suelen colaborar con biólogos para determinar el origen de los cálculos, sin embargo es un proceso largo y difícil.
Dado que la extracción quirúrgica de los cálculos es costosa y aumenta el riesgo de infecciones, muchos urólogos prefieren desintegrarlos mediante láser. «Desafortunadamente, eso destruye la información valiosa para el diagnóstico», señala Ochoa. En colaboración con el Centro de Investigación Automática de Nancy de la Universidad de Lorraine, en Francia, el Tec desarrolla un método para realizar la clasificación endoscópica de los cálculos renales. Con ese fin comparten cientos de horas de video de procedimientos médicos. En busca de hacer las imágenes más comprensibles para los urólogos y aprovechar mejor la información, recurren a los diagnósticos impulsados por IA.
Potencial de los diagnósticos impulsados por IA
Al igual que en la endoscopía gastrointestinal, se pueden crear mapas tridimensionales de los cálculos. Eso facilita categorizar los más comunes con mayor precisión. También amplía el conocimiento sobre los cálculos raros y reduce los sesgos al momento de introducir los algoritmos cuando se entrenan con datos limitados.
Asimismo, se tiene la posibilidad realizar casi en tiempo real diagnósticos impulsados por IA. Eso puede ayudar a iniciar tratamientos como cambios en la dieta o medicación de manera más oportuna; también reduce la dependencia de análisis de laboratorio que pueden tardar semanas. Es decir, se brinda una atención más eficiente y mejora la calidad de vida del paciente.
Además de mejorar los diagnósticos impulsados por IA, el proyecto de investigación liderado por Ochoa abarca el rastreo del instrumental médico empleado en cirugías mínimamente invasivas. En dichas intervenciones el campo de visión limitado y las condiciones de iluminación extremas complican el trabajo del cirujano. A eso se aúna la dificultad para manipular los instrumentos quirúrgicos. Sin embargo, la IA facilita identificar y ubicar en tiempo real cada herramienta dentro del entorno quirúrgico, lo que reduce significativamente el riesgo para el paciente.
Es claro que el uso de la IA en la salud tiene el potencial de mejorar sustancialmente la atención sanitaria. Pero no está exenta de dificultades. Para remontarlas es necesario establecer una coordinación fluida entre múltiples instituciones. «Es vital que los médicos de todas las especialidades superen su reticencia a unirse a proyectos de inteligencia artificial. La tecnología les ayudará a mejorar sus capacidades de detección, diagnóstico y tratamiento; eso, a su vez, tendrá impactos sustanciales en beneficio de la sociedad en su conjunto», concluye Ochoa.
