Futuras aplicaciones de la inteligencia artificial mediante redes neuronales artificiales en la radiología intervencionista

La inteligencia artificial (IA) está a un paso de ser considerada una herramienta de máxima innovación para todas las áreas de interés del ser humano incluyendo la medicina. Hoy en día se ha comenzado a experimentar con la IA dentro de distintas especialidades de la medicina, como en el caso de la radiología intervencionista (RI), mediante técnicas o algoritmos de redes neuronales artificiales.

Dichas redes consisten en modelos matemáticos que funcionan como neuronas biológicas al obtener información de alguna fuente que luego será procesada y enviada a otros modelos matemáticos para generar una respuesta o un análisis más extenso. Este proceso permite incorporar miles de parámetros a un algoritmo, el cual tiende a necesitar fuentes de datos de la mayor extensión posible para un mejor entrenamiento con el objetivo de dar resultados certeros. Por lo cual, este tipo de IA es ideal para especialidades como la RI ya que las bases de datos que se presentan en esta especialidad son inmensas.

Por un lado

            Las aplicaciones que se podrían desarrollar en un futuro relacionando tanto esta tecnología como especialidad médica se dividen en tres categorías, las cuales corresponden a preprocedimiento, periprocedimiento, y postprocedimiento. Las aplicaciones del preprocedimiento hacen referencia a las mejoras que se harían al proceso de selección de pacientes. Estas incluyen desarrollar un algoritmo que incorpore información clínica, rasgos y datos de imágenes médica, al igual que factores genéticos con el objetivo de clasificar a los pacientes con mejor criterio para llevar a cabo un tratamiento de RI con su respectiva terapia. Esto se haría al evaluar los riesgos y hacer predicciones sobre resultados terapéuticos a través de la información que presente el algoritmo al estudiar los factores mencionados previamente.

            Las posibles aplicaciones del periprocedimiento tienen el propósito de perfeccionar los procedimientos de la RI. Una primera aplicación sería la optimización de resultados al acelerar los procedimientos manuales o computacionales que se encargan de corregir cualquier error de desplazamiento de los píxeles en una imagen médica, lo cual le daría al especialista una mejor visión del área donde está trabajando.

Además

Como segunda aplicación se tiene crear un algoritmo de indicación o mapeo que de manera síncrona que cuando el médico esté a media intervención, se obtengan imágenes que lo guíen en los movimientos y trayectos a seguir para un mejor resultado. Las siguientes dos aplicaciones que son viables, pero de mayor complejidad son la estimación de dosis de radiación sobre la piel al tomar en cuenta el ángulo del tubo de rayos X junto a la densidad del tejido, así como la selección y personalización de implantes médicos como los stents al tener un algoritmo que analice la mejor opción mientras se van obteniendo las imágenes médicas.

Finalmente,

Las aplicaciones del postprocedimiento hacen referencia a las mejoras que se pueden hacer en el cuidado y seguimiento médico. Tomando en cuenta que la mayoría de los criterios utilizados en las revisiones y seguimientos del postprocedimiento en la RI fueron creaos para la radiología de diagnóstico, se puede llegar a evaluar erróneamente los resultados que presente el paciente. En este caso la IA es útil para crear un sistema que compare imágenes del paciente en cada seguimiento realizado para detectar cualquier mínimo cambio que indicara un progreso o resurgimiento de la enfermedad tratada. Igualmente, se podrían comparar imágenes del pre y postprocedimiento para detectar algunos fenotipos de la enfermedad, permitiendo crear un plan personalizado con posibles pronósticos e indicaciones de cuando realizar el siguiente chequeo médico, lo cual beneficiaría en todo sentido al paciente.

Al juntar todas las aplicaciones de las tres categorías se llega a inferir que al usar inteligencia artificial en la radiología intervencionista permite optimizar los procesos de esta especialidad al poder personalizar el tratamiento de los pacientes al decidir para qué intervención son aptos, qué trayecto durante el procedimiento médico generaría un mejor resultado, y ofrecer un plan de seguimiento específico según los resultados obtenidos.

Traducido y adaptado de: Seah, J., Boeken, T., Sapoval, M. et al. Prime Time for Artificial Intelligence in Interventional Radiology. Cardiovasc Intervent Radiol 45, 283–289 (2022). https://doi.org/10.1007/s00270-021-03044-4