Herramienta de IA garantiza seguimiento de hallazgos radiográficos para evitar retrasos en diagnóstico
Actualizado el 06 Apr 2022
Se revisan las imágenes de diagnóstico médico de modalidades como radiografías, tomografías computarizadas y resonancias magnéticas, y los hallazgos se resumen en un informe de radiología que puede contener recomendaciones para acciones de seguimiento, como pruebas y evaluaciones adicionales. Debido a la extensión y la complejidad de este tipo de informes, hasta el 33 % de las recomendaciones de seguimiento se retrasan o se pasan por alto involuntariamente, lo que puede conducir a malos resultados para los pacientes. Para resolver este problema, los investigadores han desarrollado un flujo de trabajo de IA personalizado para acelerar el procesamiento de informes de radiología y proporcionar un seguimiento crucial del paciente.
El equipo de investigadores de la Facultad de Medicina Feinberg de la Universidad Northwestern (Evanston, IL, EUA) desarrolló una iniciativa para garantizar un seguimiento confiable de los hallazgos radiográficos para prevenir retrasos en el diagnóstico y el tratamiento y mejorar los resultados. El equipo desarrolló un flujo de trabajo de IA basado en redes neuronales recurrentes y procesamiento de lenguaje natural (NLP) para examinar e identificar informes de radiología con hallazgos que requieren un seguimiento médico adicional.
En un estudio realizado por los investigadores, su flujo de trabajo de IA personalizado evaluó más de 570.000 estudios de imágenes en 13 meses y encontró que 29.000 (5,1 % del total) contenían recomendaciones de seguimiento relacionadas con los pulmones, a una tasa promedio de 70 hallazgos marcados por día. Los resultados demostraron una sensibilidad del 77,1 %, una especificidad del 99,5 % y una precisión del 90,3 % para el seguimiento de los hallazgos pulmonares. Se generaron cerca de 5.000 interacciones con los médicos y se completaron más de 2.400 seguimientos. Los investigadores concluyeron que la IA y los procesos de aprendizaje automático mejoran la confiabilidad de los hallazgos de imágenes médicas, lo que puede conducir a una reducción y prevención efectivas de enfermedades de alto riesgo.
“Creamos nuestro propio flujo de trabajo de IA personalizado que lee casi todos los informes de radiología y, a través de una integración profunda con nuestro sistema de registros médicos, proporciona alertas y notificaciones al médico de atención primaria, al paciente y al equipo de seguimiento dedicado, para garantizar que los detalles importantes no caigan en el olvido”, dijo Mozziyar Etemadi, MD, PhD, de la Universidad Northwestern. Estamos entusiasmados con el futuro de la atención médica, la inteligencia artificial y todas las formas en que podemos continuar ayudando a nuestros pacientes”.
Enlaces relacionados:
Facultad de Medicina Feinberg de la Universidad Northwestern