Albert Pons Escoda, especialista en neurorradiología y miembro de la comisión de IA de la Sociedad Española de Radiología Médica (Seram)
Radiología busca agilizar la incorporación de la IA a la práctica clínica en cáncer cerebral
Albert Pons Escoda, miembro de la comisión de Inteligencia Artificial de Seram, reclama circuitos de evaluación ágiles y seguros para incorporar herramientas útiles a la asistencia
Radiología reclama vías más ágiles para trasladar los avances de la inteligencia artificial (IA) en la investigación del cáncer cerebral a la práctica clínica. Así lo plantea Albert Pons Escoda, especialista en neurorradiología y miembro de la comisión de IA de la Sociedad Española de Radiología Médica (Seram), con motivo del Día Mundial de la Investigación contra el Cáncer. “Existe todavía una brecha muy importante entre lo que somos capaces de hacer en investigación y lo que realmente podemos utilizar en la práctica clínica”, afirma. El estudio de los tumores cerebrales mediante IA constituye uno de los ámbitos en los que Radiología está aportando más valor a la investigación oncológica. Estas herramientas permiten extraer de las imágenes “una cantidad de información cuantitativa que, hasta ahora, era muy difícil o demasiado laboriosa de obtener de forma rutinaria”, explica Pons Escoda.
Actualmente, existen aplicaciones capaces de automatizar procesos como la segmentación y la volumetría de las lesiones, predecir determinadas características moleculares del tumor, estimar el pronóstico o evaluar la respuesta al tratamiento. No obstante, la IA debe entenderse como un medio para ampliar las capacidades del profesional, no como un fin en sí mismo. Aunque puede proporcionar mediciones y biomarcadores más objetivos y reproducibles, corresponde al radiólogo interpretar esa información dentro del contexto clínico de cada paciente. “La medicina trabaja con pacientes individuales, no únicamente con probabilidades. La responsabilidad de realizar esa integración y convertir los datos en una decisión clínica continúa siendo nuestra”, señala el especialista.
La incorporación de cualquier herramienta que vaya a utilizarse en pacientes debe hacerse de manera controlada y segura. Sin embargo, estas garantías no deberían convertir el traslado de una solución útil desde la investigación hasta la asistencia en un proceso prácticamente imposible. “Necesitamos encontrar vías que permitan evaluar e incorporar con mayor agilidad aquellas soluciones que hayan demostrado suficiente utilidad y robustez; ya que el beneficio para el paciente aparece cuando conseguimos transformar toda la información en mejores decisiones clínicas”, explica Pons Escoda.
El especialista también advierte de las consecuencias de mantener esa separación: “Si no somos capaces de construir puentes entre ambos mundos, corremos el riesgo de generar una enorme cantidad de innovación científica que posteriormente tenga muy poco impacto real sobre nuestros pacientes”.
El “valle de la muerte” entre la investigación y la práctica clínica
El denominado “valle de la muerte” es el espacio que separa una tecnología que funciona en investigación de una solución que llega a utilizarse en la práctica clínica. En la IA aplicada a Radiología, esa distancia sigue siendo, en muchos casos, muy amplia. Así, mientras existen numerosos algoritmos capaces de realizar tareas sofisticadas, algunas de esas mismas tareas continúan haciéndose manualmente en la actividad asistencial, ante la falta de vías sencillas para incorporar las herramientas disponibles. Pese al importante avance tecnológico de la IA y al elevado grado de madurez que ya alcanzan algunas soluciones, su implantación en la práctica clínica progresa a un ritmo mucho más lento.
Otro de los grandes desafíos sigue siendo la generalización. En el ámbito sanitario, el objetivo final no debe pasar por crear barreras tecnológicas que restrinjan el acceso a herramientas útiles. En este sentido, Pons Escoda sostiene que “un algoritmo no debería funcionar únicamente en el entorno en el que ha sido desarrollado. La tendencia debería ser justamente la contraria a la que ocurre: favorecer herramientas vendor-neutral, interoperables y suficientemente robustas para funcionar independientemente del fabricante o del hospital en el que se utilicen”.
Validación, formación y criterio médico
Entre los próximos pasos, el especialista sitúa la validación de los algoritmos en distintos hospitales, equipos y poblaciones, así como la reducción de ese “valle de la muerte” mediante circuitos de evaluación ágiles y seguros. A ello suma la integración transparente de la IA en el flujo de trabajo habitual y el refuerzo de la formación de los radiólogos.
“No creo que todos los residentes de Radiología tengan que convertirse en ingenieros ni saber programar una red neuronal desde cero. Es positivo conocer los fundamentos de estas tecnologías y entender cómo se han desarrollado y validado, pero nuestra prioridad debe seguir siendo formar excelentes radiólogos y excelentes médicos”, puntualiza Pons Escoda. “La IA puede ayudarnos a ser más rápidos, más cuantitativos y más reproducibles. Lo que no puede sustituir es nuestra responsabilidad de ser médicos. Y la innovación solo tiene verdadero valor cuando finalmente beneficia al paciente”, concluye.
