"Se prevé que el uso de IA en la interpretación de radiografías aumentará la demanda de servicios por parte de radiólogos diplomados"

¿Cómo se está utilizando hoy en día la IA en diagnóstico por imagen?

En medicina humana, la inteligencia artificial (IA) se utiliza ampliamente para analizar imágenes médicas como radiografías, tomografías computarizadas (TAC), y resonancias magnéticas (RM). Las aplicaciones de IA están diseñadas mayormente para funciones específicas o para el estudio de lesiones seleccionadas por el radiólogo en las imágenes, con el objetivo de aumentar su capacidad diagnóstica. Por ejemplo, los sistemas de IA pueden detectar y clasificar enfermedades como el cáncer de mama en mamografías con una precisión comparable a la de los radiólogos experimentados. Además, la IA se utiliza para identificar signos tempranos de enfermedades neurológicas como el Alzheimer o el ictus en imágenes de resonancia magnética, permitiendo un diagnóstico y tratamiento más temprano.

Estas aplicaciones utilizan una técnica conocida como radiómica, que implica el análisis cuantitativo de las características de las imágenes médicas, como texturas y patrones de atenaución de pixeles, que pueden no ser visibles a simple vista. Por tanto, la radiómica proporciona información detallada sobre la estructura y composición de los tejidos, ayudando en la detección temprana de enfermedades y en la planificación de tratamientos personalizados. Por ejemplo, en el tratamiento del cáncer, la radiómica puede identificar características específicas del tumor que influyen en la respuesta al tratamiento, permitiendo una terapia más precisa y efectiva.

Además, la IA se utiliza para optimizar los flujos de trabajo al realizar lecturas rápidas de estudios de diagnóstico por imagen, detectar lesiones agudas, y priorizar su envío para lectura urgente por parte de un radiólogo.

¿Cuál es la situación en veterinaria?

Antes de hablar del uso en el diagnóstico por imagen, cabe mencionar que la IA y el aprendizaje automático (machine learning) tiene inumerables aplicaciones en la medicina veterinaria. En epidemiología, ayuda a analizar grandes datos y predecir brotes de enfermedades. En la producción ganadera, se usa para detectar enfermedades, reconocer comportamientos y evaluar la calidad de la carne. La IA también se aplica en la patología digital para analizar imágenes de tejidos y muestras citológicas. Clínicamente, la IA predice la necesidad de cirugía y la supervivencia en caballos con cólico, y la aparición de enfermedades renales en gatos. Además, se utiliza para convertir registros médicos escritos en digitales y para procesar el lenguaje natural en notas médicas. La IA y el «machine learning» también se emplean en la investigación biomédica y la impresión 3D de materiales biológicos.

En veterinaria, la IA está comenzando a integrarse en el diagnóstico por imagen, aunque aún no está tan avanzada como en medicina humana. A grandes rasgos, el desarrollo y uso de la IA en diagnóstico por imagen veterinario presenta dos vertientes.

Por un lado, se desarrollan herramientas de IA para la segmentación de tejidos, planificación de tratamientos, análisis de imágenes y optimización de flujos de trabajo. Por ejemplo, se utilizan algoritmos de IA para identificar y delinear tumores en imágenes de TAC y RM de animales, facilitando la planificación de tratamientos de radioterapia más precisos.

Por otro lado, y liderado principalmente por empresas privadas, se desarrollan programas de IA que interpretan estudios radiográficos y emiten hallazgos radiográficos, diagnósticos diferenciales, o informes radiológicos, intentando sustituir la labor de radiólogos y patólogos. Aunque estos productos son altamente atractivos para los veterinarios generalistas que no tienen acceso a, o no pueden costear, los servicios de un radiólogo diplomado, actualmente son herramientas de IA básicas, de aplicación limitada, sin validación demostrada, y sin estudios científicos independientes que las respalden. Por lo tanto, su uso clínico es muy limitado y se encuentran en fases iniciales de investigación y desarrollo. Es importante recalcar que el uso de IA en medicina humana está regulado por la FDA (Food and Drug Administration) en Estados Unidos y por la Ley de IA de 2024 en la Unión Europea, mientras que no existe ningún organismo que vele por la calidad y regule el uso de la IA en medicina veterinaria.

¿Crees que será una herramienta útil en nuestro sector? Si es así, ¿en qué sentido?

Sí, la IA será una herramienta muy útil en veterinaria, siempre y cuando se desarrolle de manera adecuada y no especulativa. Más allá de la posible suplantación a largo plazo de radiólogos, patólogos, oncólogos, internistas, y otros especialistas, la IA puede mejorar la precisión de los diagnósticos, optimizar los planes de tratamiento, y ahorrar tiempo en tareas repetitivas. Por ejemplo, la IA puede automatizar la segmentación de imágenes, reduciendo el tiempo que los veterinarios oncólogos radioterapeutas necesitan para preparar planes de tratamiento de radioterapia. Además, la IA puede analizar grandes volúmenes de datos de imágenes para identificar patrones radiómicos que escapan al ojo humano, mejorando la detección temprana de enfermedades. Una de las aplicaciones más relevantes de la IA es el estudio de grandes bases de datos genéticos para la caracterización y desarrollo de terapias antitumorales individualizadas y nuevos fármacos. Muchos especialistas en IA opinan que los radiólogos tal y como los conocemos hoy en día desaparecerán, pero aquellos que incorporen el uso de herramientas de IA en la interpretación de imágenes proliferarán.

¿Consideras que, además de los especialistas en diagnóstico por imagen, los generalistas podrán beneficiarse de la IA en un plazo razonable?

Definitivamente. Los veterinarios generalistas podrán beneficiarse de la IA al recibir apoyo en la interpretación de imágenes y en la toma de decisiones clínicas. Por ejemplo, un veterinario generalista podría utilizar una herramienta de IA para analizar una radiografía de tórax y recibir una lista de posibles diagnósticos o información sobre si necesita consultar el caso con un radiólogo diplomado, ayudándole a tomar decisiones más informadas sobre el tratamiento a seguir. Esto permitirá a los veterinarios generalistas ofrecer un mejor cuidado a sus pacientes sin necesidad de ser expertos en diagnóstico por imagen. Sin embargo, aunque resultan muy atractivas, las herramientas de IA de interpretación de imágenes disponibles actualmente son bastante rudimentarias, y la IA está lejos de poder sustituir por completo la labor de los radiólogos. De hecho, se prevé que el uso de IA en la interpretación de radiografías en medicina veterinaria aumentará la demanda de servicios por parte de radiólogos diplomados.

En general, ¿cómo crees que se está acogiendo la llegada de este tipo de tecnologías en nuestro sector?

La llegada de la IA en veterinaria está siendo recibida con interés y optimismo, aunque también con cierta cautela. Los veterinarios generalistas reconocen el potencial de estas tecnologías para mejorar la calidad de su práctica diaria y reducir costes, pero también son conscientes de la necesidad de formación y adaptación para integrarlas de manera efectiva en su trabajo. Muchos veterinarios están preocupados por la precisión de los diagnósticos generados por IA, la falta de estudios científicos independientes que la respalden, y la necesidad de validar estos resultados con su propia experiencia clínica. Sería deseable que tanto la profesión como los clientes demanden la creación e implementación de regulaciones que, al igual que ocurre en medicina humana, velen por la calidad y la seguridad de las aplicaciones de IA desarrolladas para su uso en medicina veterinaria. Sin embargo, a medida que más estudios independientes demuestren la eficacia de la IA y se desarrollen herramientas más accesibles, es probable que la adopción de estas tecnologías aumente.