Saltar al contenido

LA INTELIGENCIA ARTIFICIAL EN EL
TRATAMIENTO DE IMÁGENES MÉDICAS



CLAVES DEL ANÁLISIS

  • Una de las aplicaciones de la Inteligencia Artificial más prometedora en el sector sanitario es el uso de IA en imágenes médicas, ya que ayuda a los profesionales a detectar y cuantificar diferentes enfermedades y patologías, lo que mejora considerablemente la eficacia y la eficiencia de los diagnósticos, así como la asignación de un tratamiento.
  • Otra de las características importantes de esta tecnología en imágenes médicas es la liberación de los profesionales de las tareas repetitivas y lentas, así como la detección temprana de enfermedades.
  • El envejecimiento de la población, el aumento de la realización de pruebas de imágenes médicas, la necesidad de mejorar el flujo de trabajo y la eficiencia, así como de mejorar también la precisión en la detección y el diagnóstico de enfermedades son las principales razones por las que se espera que el mercado global de IA en imágenes médicas continúe expandiéndose, hasta alcanzar los 1.200 millones de dólares en 2025.
  • En países como México o la India donde el número de expertos radiólogos es bastante inferior en comparación con otros países como China o EE.UU. la Inteligencia Artificial en imágenes médicas puede tener un gran impacto, además de abaratar los costes de los tratamientos debido a la automatización y a la prevención temprana.
  • Actualmente existen muchos casos de uso de esta tecnología en imágenes médicas, y se espera que esta tendencia se vaya expandiendo a otras ramas de la medicina. Desde campos como la oncología, radiología, neurología, cardiología, intervenciones quirúrgicas, hasta estudios sobre fracturas, o complicaciones torácicas son algunos ejemplos.


Las imágenes médicas han estado ayudando al campo de la salud y de la atención médica a realizar diagnósticos y a llevar a cabo tratamientos gracias a la creación y el procesamiento de las imágenes del cuerpo humano o de partes de éste. Se trata de un mercado que además de estar cada vez más digitalizado también está en constante crecimiento. En 2021 el tamaño del mercado global de imágenes médicas fue de 37.970 millones de dólares, y se espera que llegue a los 56.530 millones de dólares en 2028, según datos de Fortune Business Insights1.


De acuerdo con el estudio, la introducción de tecnología avanzada, como la Inteligencia Artificial en las imágenes médicas es uno de los principales elementos que estimulan el crecimiento del mercado, ya que gracias a esta tecnología los análisis de las imágenes son potencialmente más rápidos, y por lo tanto el diagnóstico de enfermedades y su posterior tratamiento también lo es.

El uso de Inteligencia Artificial (IA) para el tratamiento de imágenes médicas, como radiografías, TACs o scanners, consigue que la asistencia médica sea más efectiva. Debido a la gran cantidad de datos visuales que se generan en el sector sanitario, su análisis y revisión puede consumir mucho tiempo al personal, y una de las grandes ventajas de la IA es la capacidad para poder analizar y organizar grandes cantidades de datos en cuestión de segundos o minutos y de forma detallada. De acuerdo con datos de GE Healthcare, más del 90% de los datos de atención médica se extraen de imágenes médicas, y más del 97% de las imágenes médicas no se analizan2. Además, las estadísticas marcan que, de media, los radiólogos actualmente leen aproximadamente 12 imágenes de resonancia magnética por minuto, a diferencia de las 3 imágenes que tenían que leer hace una década3.

Desde septiembre de 2020 hasta agosto de 2021 el National Health Service (NHS) de Reino Unido informó de la realización de 40,3 millones de pruebas de imágenes médicas en Reino Unido4.


Este crecimiento en la cantidad de imágenes médicas, junto con la idea de mejorar el flujo de trabajo y la eficiencia, así como de mejorar también la precisión en la detección y el diagnóstico de enfermedades son las principales razones por las que se espera que el mercado global de Inteligencia Artificial en imágenes médicas continúe expandiéndose y alcance los 1.200 millones de dólares para 20255 , un aumento de más de 800 millones de dólares con respecto al tamaño del mercado en 2020, según Signify Research. Por otro lado, según datos de Research and Markets se estima que el mercado global de Inteligencia Artificial en imágenes médicas alcance aproximadamente los 3.200 millones de dólares en 20276.


Otros de los factores que está incentivando que el mercado y la implementación de la Inteligencia Artificial en imágenes médicas crezca es el envejecimiento de la población (en 2001 el 16% de la población tenía 65 años, en 2020 ese porcentaje es del 21%7) junto con la inversión de los diferentes países en esta tecnología. El envejecimiento de la población provoca que haya un crecimiento en el número de pruebas de imágenes médicas, como hemos visto antes, y por lo tanto una necesidad de querer mejorar y agilizar la evaluación de los pacientes y su diagnóstico.

Además, en países como México, en el que tan solo hay unos 4.000 radiólogos para 130 millones de personas9, o en la India, donde tan solo hay unos 10.000 radiólogos capacitados para 1.300 millones de personas8, la IA en imágenes médicas puede tener un gran impacto y ayudar a paliar esa escasez de profesionales del sector9. Startups indias como Predible Health, basada en Inteligencia Artificial en imágenes médicas de radiología, se crearon con ese objetivo, y, en concreto, ésta ayuda a los profesionales a diagnosticar y tratar cualquier afección torácica, como nódulos pulmonares, fibrosis pulmonar, enfisema, e incluso detectar COVID-19 y determinar su gravedad, de una manera mucho más rápida y eficaz10.

Sin embargo, en países como China, donde, a fecha de 2017 se contabilizaron alrededor de 158.072 radiólogos para 1.411 millones de habitantes11, la aplicación de IA en el tratamiento de imágenes médicas ha pasado a ser el segundo segmento de mercado más grande de aplicaciones médicas de IA en el sector sanitario, y se estima que el mercado crezca hasta alcanzar los 2.500 millones de dólares en 2024. Este crecimiento va acompañado del hecho de que cada año el conjunto de datos de imágenes médicas aumenta un 30% en el país, y representa el 90% del volumen de datos digitales en un hospital12

En Estados Unidos, el crecimiento de pacientes que reciben un diagnóstico y un tratamiento mediante el análisis de imágenes médicas ha impulsado el crecimiento del mercado, situándose en 11.300 millones de dólares en 20201, lo que ha creado el contexto para la integración de Inteligencia Artificial en estos sistemas. De acuerdo con una encuesta de KLAS Research realizada a ejecutivos de la atención médica de Estados Unidos en otoño de 20201, alrededor del 48% de ellos afirmaron que actualmente están implementando la Inteligencia Artificial para el diagnóstico mediante imágenes médicas13.




EL IMPACTO QUE LA IA EN IMÁGENES MÉDICAS PUEDE TENER EN EL CUIDADO DE LA SALUD

Hasta ahora, la manera en la que los profesionales de la salud construían patrones para hacer un diagnóstico y llevar a cabo un tratamiento ha sido larga y tediosa, ya que tenían que registrar y analizar todos los datos de los pacientes a través de métodos tradicionales. La Inteligencia Artificial acelera todo ese proceso analizando grandes cantidades de datos y creando patrones mucho más detallados, de tal forma que los profesionales tan solo tienen que interpretarlos y realizar un diagnóstico, el cual es mucho más preciso debido a ese análisis previo y a la extracción de la información que es clínicamente relevante. Por lo tanto, al facilitar el diagnóstico, la toma de decisiones de tratamiento para los pacientes se realiza más rápidamente y de manera más acertada.

La implementación de la IA en imágenes médicas también ayuda a aliviar la carga de trabajo de los profesionales, al automatizar las tareas más tediosas y repetitivas estos pueden centrarse en los casos más importantes y urgentes, al mismo tiempo que se reducen los riesgos de posibles errores y las ineficiencias al mejorar el uso de los recursos. Según datos expuestos por Vitech, este tipo de aplicaciones de IA tienen una precisión del 97% al 99%, y aumentan la eficiencia del flujo de trabajo al reducir el tiempo de lectura de los informes en un 34%3.

Un ejemplo de esto es el de Cognitiva y ChileRad, que cuentan con lo que denominan como “Análisis Cognitivo de Imágenes Médicas (ACIM)”, un sistema que ayuda al diagnóstico médico y que está entrenado a partir de más de 300.000 imágenes radiológicas de tórax anónimas extraídas de las bases de datos de Chilerad y la Universidad de Stanford. De acuerdo con Cognitiva, “su capacidad de aprendizaje automatiza el proceso de lectura e interpretación de imágenes para mejorar los tiempos de análisis y elaboración de informes médicos, ya que los radiólogos solo deben cargar al sistema las imágenes radiológicas del paciente para analizarlas e indicarle al médico tratante un prediagnóstico acertado sobre la patología presentada"14 . El sistema es capaz de distinguir hasta 16 patologías médicas diferentes. Además, un algoritmo desarrollado por Stanford ML Group, llamado CheXNeXt, leyó radiografías de tórax para 14 patologías diferentes, y lo hizo con la misma precisión que expertos radiólogos, pero fue mucho más eficiente, ya que los radiólogos tardaban una media de 4 horas en realizar las lecturas y el algoritmo lo hizo en menos de 2 minutos15.

Entrenando a la IA con miles de vídeos e imágenes y enseñando al software a distinguir las diferentes enfermedades este puede llegar a construir un patrón de reconocimiento capaz de detectar alguna de esas enfermedades con mucha más precisión y de manera más inmediata que si tuviera que hacerlo un médico, además de que puede llegar a conseguir diferenciar variaciones que los propios especialistas no consiguen ver, llegando incluso a detectar una enfermedad de manera temprana, ofreciéndole al paciente no solo un mejor resultado sino también una reducción de los costes de los tratamientos. Por ejemplo, el diagnóstico y tratamiento temprano de muchos tipos de cáncer puede reducir los costes en más de un 50%16.

En un estudio reciente publicado en The Journal of Nuclear Medicine, los investigadores descubrieron que al implementar IA en imágenes médicas y combinarlas con datos clínicos, los médicos podrían mejorar los modelos predictivos que indican el riesgo de ataques al corazón en pacientes con una enfermedad arterial coronaria establecida17.


CASOS DE USO

El potencial y los beneficios de la Inteligencia Artificial en las imágenes médicas ha derivado en su implementación en diferentes campos de la medicina, dando como resultado nuevas formas de ayudar a los profesionales a detectar más rápida y eficazmente distintos tipos de enfermedades.

Análisis de estructuras cerebrales/morfometría

Siemens Healthineers ha lanzado una serie de soluciones impulsadas por Inteligencia Artificial para dar solución a los problemas relacionados con los diagnósticos de los pacientes. Una de esas soluciones es AI-Rad Companion Brain MR, la cual ayuda a los profesionales a ver, analizar y evaluar imágenes de resonancia magnética (Magnetic Resonance – MR). Proporciona un análisis cuantitativo de las estructuras cerebrales individuales, así como una comparación cuantitativa de cada estructura cerebral con datos normativos de una población sana. Esto da como resultado un ahorro del tiempo para los radiólogos ya que consigue segmentar, medir volúmenes y resaltar automáticamente más de 30 regiones diferentes del cerebro. El sistema mide el volumen de materia gris, materia blanca y líquido cefalorraquídeo en esas más de 30 regiones diferentes. Esto ayuda al departamento de neurología a tener resultados y análisis más detallados, y en un tiempo mucho más rápido.

Alma Medical Imaging han estado firmando acuerdos de colaboración con varias empresas para integrar algoritmos de Inteligencia Artificial en su plataforma Alma Health Platform. Uno de esos acuerdos ha sido con la compañía Qubiotech, cuya combinación de algoritmos con herramientas para la visualización y análisis de imagen médica nuclear da como resultado la detección temprana y objetiva de anomalías y enfermedades relacionadas con el cerebro.

TC de tórax

AI-Rad Companion Chest CT es otro de los productos de Siemens Healthineers que ayuda a los médicos en la toma de decisiones para la evaluación radiológica de imágenes de tomografía computarizada (TC) de tórax. Es decir, ayuda a los radiólogos a interpretar estas imágenes con una mayor rapidez y precisión, reduciendo considerablemente el tiempo necesario para documentar los hallazgos. Este sistema incluye la capacidad de proporcionar segmentación del lóbulo pulmonar, detección y medición de lesiones pulmonares, segmentación del corazón y detección de calcio, segmentación de la aorta y medición del diámetro, así como segmentación y medición del cuerpo de las vértebras.

Detección temprana de muerte de células tumorales

Investigadores del Hospital General de Massachusetts (MGH) demostraron que la resonancia magnética nuclear y la Inteligencia Artificial pueden usarse para detectar signos tempranos de muerte de células tumorales en respuesta a una nueva terapia contra el cáncer basada en un virus reciente que elimina selectivamente las células cancerosas sin afectar el tejido normal, y el cual ha despertado la esperanza de tratar tumores cerebrales agresivos. Para maximizar la eficiencia de este enfoque de tratamiento, los investigadores desarrollaron un método mediante la aplicación de Inteligencia Artificial, para la detección de la muerte de células tumorales causada por el virus. Esto ha permitido la detección temprana y rápida de regiones tumorales que responden al tratamiento. Recientemente, los investigadores han implementado este método para cuantificar el pH celular y los compuestos moleculares en el cerebro humano sano. Esto podría mejorar la atención al paciente y adaptar el tratamiento a un paciente de manera más personalizada e individual.

Fracturas de muñeca

En 2018, la FDA aprobó uno de los primeros algoritmos de Inteligencia Artificial destinado a ayudar en la toma de decisiones clínicas en relación con las fracturas de muñeca. El software en cuestión, OsteoDetect, utiliza un algoritmo de IA que analiza las imágenes de radiografías de muñeca para detectar fracturas de radio distal, una de las lesiones más comunes en la articulación. El software marca la ubicación de la fractura en la imagen para ayudar al médico a detectarlo.

Predecir problemas cardíacos

Los investigadores de la Society of Nuclear Medicine and Molecular Imaging han desarrollado una red de Deep Learning (DL) que puede predecir problemas cardíacos, como ataques cardíacos, incluso la muerte. En el estudio se incluyeron más de 20.000 pacientes y el algoritmo de DL pudo predecir eventos cardíacos adversos utilizando imágenes de perfusión miocárdica (MPI) de tomografía por emisión de fotón único (SPECT).

Detectar el cáncer colorrectal

Investigadores de la Universidad de Tulane han descubierto que la IA puede detectar y diagnosticar con precisión el cáncer colorrectal mediante el análisis de escaneos de tejidos. Según los investigadores, los patólogos evalúan y etiquetan regularmente miles de imágenes de histopatología para identificar si un paciente tiene cáncer. Sin embargo, su carga de trabajo ha crecido significativamente, lo que podría derivar en diagnósticos erróneos no deseados. El algoritmo de Machine Learning (ML) puede reconocer de entre miles de imágenes el cáncer colorrectal con un rendimiento muy superior.

Detectar cardiopatías fetales

Investigadores del RIKEN Center for Advanced Intelligence Project (AIP) han realizado estudios en los que han probado la Inteligencia Artificial para mejorar los diagnósticos de las cardiopatías congénitas fetales. Se concluyó que los resultados de los diagnósticos eran más precisos cuando se utilizaba una interfaz gráfica que representaba el análisis de la IA de los vídeos de detección de ultrasonido cardíaco fetal. Esto podría ayudar a realizar un diagnóstico temprano antes del nacimiento para mejorar las probabilidades de supervivencia.

Neumonía relacionada con la COVID-19

La IA aplicada a imágenes médicas también ha ayudado a detectar y a tratar mejor las complicaciones derivadas de la COVID-19 durante la pandemia. Un ejemplo de ello es el de la compañía Siemens Healthinners, que ha desarrollado un asistente que ayuda a los médicos a interpretar las radiografías de tórax, AI-Rad Companion Chest X-ray. El algoritmo puede detectar lesiones pulmonares, derrame pleural, neumotórax, consolidación y atelectasia, lo cual ayuda a los radiólogos en su diagnóstico y toma de decisiones clínicas. Esta tecnología ha jugado un papel importante en el manejo de los pacientes y en las decisiones clínicas de los profesionales durante la pandemia de la COVID-19, ya que el sistema, además de detectar neumotórax, derrame pleural y nódulos, puede indicar consolidaciones y atelectasias. Estos últimos pueden ser signos de neumonía causada por COVID-19.


REFERENCIAS

1FORTUNE BUSINESS INSIGHTS. Medical Imaging Market Size, share & COVID-19 impact análisis, by application, by end user, and regional forecast, 2021-2028. Enero de 2022 [consultado 05-04-22]. Disponible en:

https://www.fortunebusinessinsights.com/industry-reports/medical-imaging-equipment-market-100382

2GE HEALTHCARE. Artificial Intelligence in Healthcare: 10 Questions: AI and machine learning technology are the rising stars of healthcare, empowering providers to deliver faster, more precise care. 2019 [consultado 05-04-22]. Disponible en:

https://docplayer.net/156214226-Artificial-intelligence-in-healthcare-10-questions.html

3VITECH. Benefits of implementing AI in medical imaging: Most significant use cases. Septiembre de 2021 [consultado 05-04-22]. Disponible en:

https://vitechteam.com/benefits-of-implementing-ai-in-medical-imaging-most-significant-use-cases/

4NHS. Diagnostic Imaging Dataset Statistical Release. Diciembre de 2021 [consultado 05-04-22]. Disponible en:

https://www.england.nhs.uk/statistics/wp-content/uploads/sites/2/2021/12/Statistical-Release-16th-December-2021-PDF-870KB-1.pdf

5SIGNIFY RESEARCH. Medical Imaging AI Market Projected to Reach $1.2 Billion by 2025. Julio de 2021 [consultado 05-04-22]. Disponible en:

https://www.signifyresearch.net/medical-imaging/medical-imaging-ai-market-projected-reach-1-2-billion-2025/

6RESEARCH AND MARKETS. Artificial Intelligence In Medical Imaging Market Research Report by End-user, by Application, by Region - Global Forecast to 2027. Enero de 2022 [consultado 05-04-22]. Disponible en:

https://www.researchandmarkets.com/reports/5337141/artificial-intelligence-in-medical-imaging-market

7INE. Una población envejecida. 2021 [consultado 05-04-22]. Disponible en:

https://www.ine.es/prodyser/demografia_UE/bloc-1c.html?lang=es

8HEALTH ECONOMIC TIMES INDIA. There is a surfeit of Indian doctors globally, but we have a shortage of doctors within India: Dr. Sunita Maheshwari. Enero de 2019 [consultado 05-04-22]. Disponible en:

https://health.economictimes.indiatimes.com/news/industry/there-is-a-surfeit-of-indian-doctors-globally-but-we-have-a-shortage-of-doctors-within-india-dr-sunita-maheshwari/67349998

9MORDOR INTELLIGENCE. AI MARKET IN MEDICAL IMAGING - GROWTH, TRENDS, COVID-19 IMPACT, AND FORECASTS (2022 - 2027). 2021 [consultado 05-04-22]. Disponible en:

https://www.mordorintelligence.com/industry-reports/ai-market-in-medical-imaging

10PREDIBLE. LungIQ. [consultado 05-04-22]. Disponible en:

https://www.predible.com/lungiq

11CHINESE MEDICAL DOCTOR ASSOCIATION. 中国放射医师面临的挑战和机遇. 2017 [consultado 05-04-22]. Disponible en:

http://www.cmda.net/fhzwhdt/11293.jhtml#:~:text=%E4%B8%AD%E5%9B%BD%E6%94%BE%E5%B0%84%E4%B8%93%E4%B8%9A%E5%8F%91%E5%B1%95%E5%88%B0,%E7%9A%847.5%25%E3%80%82%E2%80%9D%E4%B8%AD%E5%9B%BD%E5%8C%BB%E7%A7%91

12MINISTRY OF FOREIGN AFFAIRS OF DENMARK. China AI healthcare. 2020 [consultado 05-04-22]. Disponible en:

https://kina.um.dk/en/-/media/country-sites/kina-en/the-trade-council/icdk-reports/2020_ai-healthcare-report.ashx

13STATISTA. Percentage of health care applications for AI use in the United States as of 2020. Octubre de 2020 [consultado 05-04-22]. Disponible en:

https://www.statista.com/statistics/1215217/health-applications-for-use-of-ai-united-states/

14COGNITIVA. El impacto de la Inteligencia Artificial en el análisis de imágenes médicas. Julio de 2020 [consultado 05-04-22]. Disponible en:

https://www.cognitiva.la/noticia/impacto-inteligencia-artificial-analisis-imagenes-medicas/

15STANFORD ML GROUP. CheXNeXt: Deep learning for chest radiograph diagnosis. [consultado 05-04-22]. Disponible en:

https://stanfordmlgroup.github.io/projects/chexnext/

16BCG. Chasing Value as AI Transforms Health Care. 2019 [consultado 05-04-22]. Disponible en:

https://www.bcg.com/publications/2019/chasing-value-as-ai-transforms-health-care

17THE JOURNAL OF NUCLEAR MEDICINE. Machine Learning with 18F-Sodium Fluoride PET and Quantitative Plaque Analysis on CT Angiography for the Future Risk of Myocardial Infarction. Enero de 2022 [consultado 05-04-22]. Disponible en:

https://jnm.snmjournals.org/content/63/1/158

Las cookies nos permiten ofrecerte nuestros servicios y mejorar tu experiencia como usuario. Aceptar todas