Promocione sus productos o servicios con nosotros
Foto Bloguero

Junta radiológica

18 sep 2018

Radiólogo vs. máquina

El 10 de febrero de 1996 la súper computadora Deep Blue desarrollada por IBM venció por primera vez al múltiple campeón mundial y célebre ajedrecista ruso Gary Kaspárov. La partida continuó y en juegos sucesivos termino 4-2 a favor del jugador luego de una semana de encuentros. El posterior modelo Deeper Blue triunfó definitivamente en el encuentro tres meses más tarde, marcando una pauta definitiva entre la disputa hombre vs máquina. (1)

Los radiólogos nos comenzamos a sentar en la mesa del día a día con esta, ya vieja conocida, Inteligencia Artificial (IA), y debemos decidir cómo enfrentarla. Por muchos años la especialidad ha tenido varias “amenazas” de extinción, considerando que dentro del gremio de la radiología y por fuera de ella han sido varios los esfuerzos por reemplazar nuestra actividad.

De la mano de las asociaciones médicas los radiólogos contra viento y marea hemos fortalecido la especialidad y somos considerados imprescindibles en los grupos de atención medica en salud. Los esfuerzos iniciales promulgaban unos esfuerzos dirigidos al radiólogo mediante los cuales este pudiera contar las herramientas óptimas, incluyendo las académicas para su máximo desempeño; todo dirigido al radiólogo.

Luego se presenta el nuevo postulado donde todo va dirigido al paciente y aquí se pretende que el radiólogo no solo sea quien interprete mejor las imágenes si no que esté al frente de todo el proceso de atención; el radiólogo es quien debe vigilar por las normas de radio protección, el adecuado uso de las imágenes diagnósticas, el proceso y el post proceso de la información, así como ser líder en los grupos de trabajo con los demás especialistas. (2)

El radiólogo debe actualizarse para el manejo de nuevas tecnologías. Foto: Fotolia - © s4svisuals.

El radiólogo debe conocer y apropiarse de las nuevas tecnologías para usarlas a su favor y combatir al verdadero rival: las enfermedades. Foto: Fotolia - © s4svisuals.

La IA ha seguido su curso, inicialmente alimentada por algoritmos que basados en patrones normales o anormales repetitivos llenaban su información para obtener un resultado, conocido como Machine Learning y ahora con la capacidad de obtener información directamente de los datos y no solo por el método manual conocido como Deep Learning. Es decir que viene multiplicando su capacidad y velocidad de desarrollo. (3,4)

Ahora bien, ¿qué hacemos? Nos enfrentamos a las nuevas tecnologías y les jugamos la mejor de nuestras partidas hasta ser vencidos y recordados como los súper campeones de las imágenes que perdieron su dominio. El Deep Blue en 1996 era capaz de calcular 200 millones de posiciones por segundo empleando algoritmos de inteligencia artificial. Ahora podemos encontrar herramientas de uso libre aptas para aplicar a nuestro trabajo.

El radiólogo por lo tanto debe ser el especialista médico con mayor capacidad de innovación y debe incluir en su portafolio el conocimiento de las nuevas tecnologías. No hay nadie mejor que él para ser el líder en el asesoramiento a las instituciones en la planeación de los servicios de radiología, escoger los mejores equipos de diagnóstico, aplicar las herramientas que se prueben confiables, ser líder de los programas de radio protección y adecuado uso de las imágenes diagnósticas, y claramente seguir siendo quien mejor interprete los estudios por imágenes.

Debemos sentarnos del mismo lado de la mesa de las herramientas tecnológicas y jugar nuestra mejor partida contra las enfermedades que son nuestro verdadero rival.

 

Referencias

    1. https://es.wikipedia.org/wiki/Deep_Blue_(computadora)

    2. American College of Radiology. Imaging 3.0

    3. Bradley J. Erickson, MD, PhD. Machine Learning for Medical Imaging. RadioGraphics 2017; 37:505–515

    4. Gabriel Chartrand, PhD. Deep Learning: A Primer for Radiologists. RadioGraphics 2017; 37:2113–2131


Palabras relacionadas:
Tendencias en radiología, la Inteligencia Artificial en la radiología, Machine Learning en radiología, Deep Learning en radiología, novedades en imágenes diagnósticas, el papel del radiólogo en el siglo XXI.
x