5 razones para utilizar la IA en el diagnóstico clínico

¿Qué ventajas adicionales aporta la IA al flujo de trabajo de la patología digitalizada en el diagnóstico clínico? Lea nuestro artículo para descubrirlo.
Written by Aiforia

English, Français

Las crecientes tasas de enfermedades como el cáncer aumentan el número de muestras, lo que supone una mayor carga para los patólogos, quienes ya son un grupo de profesionales sanitarios con escasa representación. El reto se ve agravado por el hecho de que las herramientas y los procesos clínicos tradicionales que están a la mano de los patólogos son manuales y subjetivos.

La digitalización de la patología ha ayudado a abordar algunos de estos retos al mejorar los flujos de trabajo de los laboratorios clínicos y permitir una colaboración más eficiente. Sin embargo, para aprovechar al máximo los beneficios de la patología digital en el diagnóstico clínico, debe tenerse en cuenta la Inteligencia Artificial (IA). Después de todo, un tratamiento eficaz comienza con un diagnóstico rápido y preciso.

ER cells with viewer

La incorporación de la IA al flujo de trabajo clínico para el análisis de imágenes es vital para:

1. Mejorar la productividad

La IA es considerablemente más rápida en el análisis de las imágenes y permite la automatización de tareas manuales que consumen mucho tiempo. Acelerar la revisión de los casos aumenta el rendimiento de los laboratorios de patología, lo que permite aceptar nuevos pacientes. Además, con el tiempo que se ahorra, los patólogos pueden dedicar más tiempo a estudiar los casos complejos y raros.

Un estudio sobre el diagnóstico intraoperatorio de tumores cerebrales descubrió que el diagnóstico de un patólogo experto durante la cirugía, que normalmente es un proceso que dura unos 40 minutos, puede tardar menos de 3 minutos con la ayuda de un modelo de IA en el quirófano. (1)

En una entrevista con el Dr. Kevin Sandeman, patólogo clínico y jefe de departamento del laboratorio de patología de la región de Skåne (Suecia), explicó: «En términos de ahorro de tiempo por la priorización de casos, por ejemplo, con el diagnóstico de cáncer de próstata, cuando trabajo con muestras de próstata recibo 16 diapositivas, y en algún lugar dentro de estas diapositivas hay un tumor que puede ocupar menos del 2 % del espacio en todas las diapositivas combinadas. Hay que estar atento para encontrarlo. Por lo tanto, si el sistema de IA puede tomar ese 2 % del área y facilitármela para que la revise al principio, el diagnóstico sería mucho más rápido. Esto beneficiaría mi productividad».

2. Aumentar la precisión del diagnóstico

Los patólogos son profesionales sanitarios altamente especializados; sin embargo, las herramientas de las que disponen para la revisión de casos y el diagnóstico clínico son falibles y requieren de mucho tiempo. Los sistemas de inteligencia artificial mejoran la precisión de los análisis, reducen los sesgos y estandarizan la revisión de las muestras, lo que democratiza la atención ofrecida a los pacientes. Un modelo de IA capacitado para encontrar tumores de cáncer de mama con metástasis fue capaz de detectar el 92,4 % de los tumores, en comparación con la media de los patólogos humanos del 73,2 % (2).

El uso más beneficioso de la IA es la combinación de los conocimientos del patólogo y la precisión y eficacia de la IA. En un estudio de validación sobre la asistencia de la IA en el recuento mitótico para la identificación del carcinoma de mama, el 87,5 % de los patólogos identificaron más mitosis con la asistencia de un modelo de IA, mientras que el 54,2 % redujo la cantidad de falsos positivos (3). La IA no está destinada a sustituir a los patólogos, sino a ayudarlos.

3.Reducir costes

Con la asistencia de la IA se consigue una mayor precisión en el diagnóstico, ya que se eliminan los sesgos y la subjetividad. Los sistemas de IA analizan los casos con una consistencia del 100 %. La reducción de los errores en el diagnóstico y de los diagnósticos erróneos, junto con la mejora de la precisión del tratamiento gracias a unos resultados más precisos, permitirá un ahorro directo de los costes.

Los errores en los diagnósticos no solo cuestan vidas, sino que representan una importante carga financiera tanto para los pacientes como para los hospitales. En un estudio realizado durante 25 años en EE. UU. sobre la mala praxis se determinó que el precio promedio del coste por demanda en casos de error de diagnóstico era de 386 849 $. (4)

Según un informe, la IA podría representar un ahorro anual de hasta 8000 millones de dólares para la economía sanitaria estadounidense de aquí a 2026, gracias a un diagnóstico preliminar y automatizado por imagen más preciso. (5)

4. Mejorar la satisfacción del personal

Se puede lograr una mejor distribución de la carga de trabajo, ya que los patólogos dedican menos tiempo a las tareas manuales y repetitivas, y más a la evaluación de casos raros o complejos que requieren un mayor nivel de experiencia y habilidades. La carga total del aumento de casos también se alivia con tiempos de revisión más rápidos, mientras que la plataforma Aiforia basada en un navegador permite un trabajo flexible.

En un estudio realizado a lo largo de cinco años sobre la experiencia de la adopción de la Patología Digital (DP, por sus siglas en inglés), el 91 % de los patólogos consideraba que la DP reducía los plazos de entrega, ayudaba a decidir qué estudios auxiliares debían repetirse y era útil para la revisión previa de los casos. (6)

5. Mejorar los resultados para los pacientes

La mejora de la precisión de los diagnósticos y la consistencia de los análisis con la ayuda de la IA no solo beneficia al hospital y a los patólogos, sino también, y quizás más importante aún, a los pacientes:

  • Mayor eficacia del tratamiento
  • Se administran terapias más personalizadas
  • Reduce la cantidad de intervenciones o cirugías innecesarias
  • Democratización de la atención que reciben los pacientes
  • Mejora de la calidad del servicio, ya que los pacientes reciben los diagnósticos con mayor rapidez

«Para el sistema sanitario en general, la integración de múltiples modalidades de datos será cada vez más importante en el diagnóstico y las decisiones de tratamiento, especialmente si pensamos en la atención personalizada. En este sentido, la IA podría responder preguntas y sugerir decisiones que los expertos humanos pueden utilizar en su toma de decisiones fundamentada», explicó el Dr. Tuomas Mirtti, patólogo clínico de consulta y médico jefe del Centro de Diagnóstico del Hospital Universitario de Helsinki (Finlandia), en una entrevista con nosotros.

Ki67 epithelium clinical

Referencias

  1. Nature Medicine, 2020  
  2. arXiv, 2017  
  3. BMJ Quality Safety, 2013
  4. Archives of Pathology & Laboratory Medicine, 2017
  5. Accenture, 2017 
  6. Archives of Pathology & Laboratory Medicine, 2017 

Clinical Suites - Large Blog CTA

 

Want to find out about Aiforia’s AI solutions for clinical diagnostics?

Send us a message!