Herramienta de IA generativa permite interpretación oportuna de radiografías de tórax por parte de médicos de emergencias

La interpretación rápida y precisa de las radiografías de diagnóstico es esencial en los departamentos de emergencia (DE), pero no todas las instalaciones cuentan con servicios de radiología las 24 horas. Las tecnologías de IA generativa pueden potencialmente cerrar esta brecha al ofrecer interpretaciones casi inmediatas de imágenes médicas y manejar una gran cantidad de casos sin cansarse ni necesitar personal adicional. Ahora, se ha desarrollado un nuevo modelo de IA para ayudar a los médicos de urgencias a identificar afecciones potencialmente mortales en las radiografías de tórax.

Un equipo de investigadores de la Universidad Northwestern (Chicago, IL, EUA) se propuso crear y evaluar una herramienta de IA generativa diseñada específicamente para interpretar radiografías de tórax en un entorno de emergencia. Este modelo de IA pertenece a una categoría más nueva de IA generativa conocida como modelos transformadores. Estos modelos combinan grandes modelos de lenguaje, similares a ChatGPT, con técnicas de aprendizaje profundo para analizar imágenes. En términos simples, la herramienta de inteligencia artificial funciona como un modelo codificador-decodificador que toma imágenes de rayos X de tórax y genera el informe radiológico correspondiente. El equipo entrenó el modelo utilizando 900.000 informes de radiografías de tórax que contenían hallazgos textuales de radiólogos.

Para evaluar la eficacia del modelo, los investigadores tomaron un conjunto de 500 radiografías de su propio servicio de urgencias, que habían sido revisadas previamente tanto por un servicio de telerradiología remoto como por un radiólogo interno entre enero de 2022 y enero de 2023. Estos informes se compararon individualmente con los informes generados por IA de seis médicos del departamento de emergencias, utilizando una escala Likert de 5 puntos para la evaluación. La muestra estuvo compuesta por 336 radiografías normales (67,2 %) y 164 anormales (32,8 %), con hallazgos frecuentes que incluyeron problemas como infiltrados, edema pulmonar y derrame pleural, entre otros. Tras la evaluación, el equipo descubrió que la precisión y la calidad del texto del modelo de IA estaban casi a la par con los métodos tradicionales.

"El modelo de IA generativa produjo informes de precisión clínica y calidad textual similares a los informes de los radiólogos, al tiempo que proporcionó una calidad textual superior a los informes de los telerradiólogos", escribió el grupo. "La implementación del modelo en el flujo de trabajo clínico podría permitir alertas oportunas sobre patologías potencialmente mortales y al mismo tiempo ayudar a la interpretación y documentación de las imágenes".

Enlaces relacionados:
Universidad Northwestern