El polvo ahora está comenzando a asentarse en la idea de la IA en imágenes, una idea que una vez tomó la industria por asalto. Las preguntas formuladas por los radiólogos ahora han cambiado de "¿me reemplazará?" A "¿Cómo puede ayudarme?", Y con razón. AI continúa haciendo progresos significativos en el campo de las imágenes de diagnóstico, como puede medirse utilizando la Reunión Anual de la Sociedad Radiológica de Norteamérica (RSNA) recientemente concluida en Chicago como un barómetro.
El año pasado, hubo 49 expositores en RSNA etiquetados como empresas de aprendizaje automático, y 22 de ellos fueron expositores por primera vez. Este año, el mismo número se duplicó con creces a 104, 25 de los cuales fueron expositores por primera vez. Más importante aún, los titulares de equipos de imágenes médicas también han realizado notables esfuerzos de inteligencia artificial, con cada uno de ellos lanzando capacidades nuevas o mejoradas de inteligencia artificial. Claramente, la IA fue uno de los temas clave en RSNA.
IA para el análisis de imágenes
Basado en un análisis reciente, Frost & Sullivan observa que de las 114 nuevas empresas activas en la IA para el espacio de imágenes médicas, una gran mayoría se enfoca en el aspecto de análisis de imágenes de imágenes médicas. La identificación y el análisis de características específicas en una imagen forman el quid del trabajo de un radiólogo y, al basar sus hallazgos en este análisis, constituye el paso clínico más importante en el flujo de trabajo de generación de imágenes. La interrupción de la puesta en marcha rampante en la atención médica general se ha centrado en el análisis de la imagen en el caso de la IA de imágenes médicas.
Si bien las tomografías computarizadas y las imágenes de resonancia magnética son las principales modalidades de enfoque, estas son seguidas de cerca por rayos X digitales, mamografías (incluida la tomosíntesis 3D), imágenes de fondo de ojo (del ojo), ecografías y ecocardiografías. Si bien la mayoría de los proveedores de equipos de imágenes no se han referido a esta área, Siemens Healthineers debutó el CT-Companion Chest CT de AI-Rad en RSNA este año, aprovechando los conjuntos de datos que suman 325 millones de imágenes curadas y anotadas disponibles para el entrenamiento de algoritmos AI. El asistente de software inteligente puede tomar imágenes de tomografía computarizada que no son de los proveedores y resaltar varias estructuras torácicas, así como marcar cualquier posible anomalía e incluir sus mediciones en informes estructurados, dirigidos al corazón, aorta, pulmones y arterias coronarias. GE Healthcare, por otro lado,
AI para aplicaciones de flujo de trabajo cognitivo
Más allá del análisis de imágenes, hay varios otros pasos en el flujo de trabajo de imágenes que también pueden beneficiarse de la IA. Desde la fase de pedido, hasta el informe, las soluciones de AI existen o pueden desarrollarse.
Naturalmente, el análisis de imágenes es la aplicación más avanzada, seguida de asignaciones: las aplicaciones de inteligencia artificial para el triaje, la asignación de listas de trabajo y la organización del flujo de trabajo están disponibles en Aidoc, Zebra Medical Vision, vRad y GE Healthcare, por ejemplo.
La siguiente área más avanzada es el soporte de decisiones para ayudar a decidir los próximos pasos en la vía clínica: los ejemplos representativos incluyen el Contexto clínico relacionado con imágenes de GE healthcare, IntelliSpace Oncology de Philips y la Guía clínica PowerScribe 360 de Nuance.
Sin entrar en los detalles de todos los demás pasos, los dos pasos del flujo de trabajo que aún podrían beneficiarse de la atención de los desarrolladores de soluciones de AI son los pasos de pedido y programación. Las compañías que brindan apoyo de decisión a los médicos son las más adecuadas para aprovechar estas soluciones para la etapa de pedido, mientras que las soluciones de programación serían útiles para optimizar la utilización a través de mejoras de programación en torno a cancelaciones y no-shows, por ejemplo. Existe una amplia oportunidad de crecimiento en esta área, utilizando AI para hacer que el flujo de trabajo sea más eficiente y respaldar a los radiólogos de una forma que antes no era posible.
Máquinas inteligentes de imágenes médicas
Los fabricantes de equipos se están preparando para hacer que sus máquinas de imágenes sean inteligentes mediante la infusión de AI en sus escáneres, o en el borde. Canon, por ejemplo, debutó con la solución de reconstrucción de imágenes de Advanced Intelligent Clear-IQ Engine (AICE) que utiliza AI para proporcionar imágenes de alta calidad a partir de imágenes de baja dosis de radiación y de baja calidad. Siemens Healthineers ya tiene la cámara FAST 3D, que ayuda a la isocentinación del paciente, eliminando la necesidad de una dosis más alta, mejorando la calidad de la imagen y previniendo las exploraciones repetidas que pueden no ser reembolsadas.
Más allá de estos casos de uso, existen otras áreas, como la autoconciencia, que permiten que el equipo "auto-diagnostique" la salud de sus componentes, la capacidad de auto-conducción para hacer sugerencias o realizar pasos adicionales cuando sea necesario según la condición del paciente, etc. Estas funcionalidades podrían ser el futuro de la IA con equipos de imágenes, lo que hace que las máquinas sean realmente inteligentes.
Haciendo el caso de negocio para la IA
Mientras que en el frente de la tecnología seguimos avanzando a pasos agigantados, la propuesta de valor de la inteligencia artificial debe estudiarse y entenderse bien para que se adopte una solución en el mercado. Las diferentes partes interesadas en el flujo de trabajo de radiología (técnicos, radiólogos, gerentes de radiología, gerentes de hospitales e incluso pagadores) tienen diferentes requisitos que la IA puede abordar. Por ejemplo, la automatización de tareas redundantes que requieren mucho tiempo puede ayudar a aumentar la productividad, el análisis de imágenes respaldado por AI puede ayudar a mejorar la precisión, y la previsibilidad y la personalización de las vías de atención al paciente pueden ayudar a mejorar los resultados institucionales, etc.
El desarrollo, la validación y el despliegue de estas soluciones a escala comercial requieren un enfoque por ecosistemas, y varios tipos de asociaciones y acuerdos hacen de este un ecosistema complejo. Desde el desarrollo de mercados en línea que brindan a los hospitales acceso a las soluciones de inteligencia artificial de varios proveedores en una sola plataforma, hasta fabricantes de equipos que se asocian con proveedores para integrar las soluciones con los suyos, hay ejemplos que están más cerca de los usuarios finales. Pero también se están produciendo otros desarrollos en segundo plano: gigantes tecnológicos que se asocian con proveedores para enfoques basados en la nube, fabricantes de hardware informático que proporcionan soluciones para mejorar la destreza informática a fabricantes de equipos, e instituciones académicas que continúan construyendo nuevos algoritmos de inteligencia artificial y nuevas startups basadas En esas soluciones, por ejemplo.
Artículo relacionado: Cómo la IA afecta tus finanzas
El horizonte de inversión para la tecnología ha sido prometedor: Frost & Sullivan estima que hasta el momento se han invertido $ 3.7 mil millones en el desarrollo de esta tecnología (incluidos $ 1.9 mil millones solo en fondos iniciales, hasta septiembre de 2018), y seguimos viendo más Las startups de AI están siendo financiadas.
Sin embargo, la promesa de la inteligencia artificial en el campo de la imagen tendrá que ofrecer ahorros para los usuarios finales: ahorro de tiempo, optimización de recursos, ganancias de precisión y ganancias de percepción (que bordean los enfoques de salud de precisión). Mientras que los dos primeros se refieren al aspecto de la productividad, los dos últimos se ocupan de la calidad. Parece que los ahorros iniciales prometidos se entregarán en el frente de la productividad, mientras que los ahorros de calidad probablemente tomarán mucho tiempo para ponerse al día; esto también se atribuye a la falta de métricas apropiadas para medir los resultados y los ahorros de calidad resultantes, que es relativamente Más fácil de medir desde el punto de vista de la productividad.
La inteligencia artificial en imágenes no solo está aquí para quedarse, sino que ya está ayudando a crear nuevas ecuaciones en la industria. La próxima frontera mejorará la vida de los pacientes y ayudará a los radiólogos a hacer esto de una manera más eficiente, desde el análisis de imágenes, las aplicaciones de flujo de trabajo y más adelante con máquinas de imágenes médicas inteligentes.
Robin Joffe y Siddharth Shah trabajan en salud transformacional en Frost & Sullivan
Comentarios
Publicar un comentario