La Inteligencia Artificial se ha promovido para mejorar la capacidad de los médicos a la hora de interpretar imágenes. Sin embargo los beneficios varían de un médico a otro, según una investigación del Instituto Blavatnik de la Facultad de Medicina de Harvard.
(Dennis Thompson - HealthDay News) -- Las herramientas de inteligencia artificial no siempre ayudan a los radiólogos a revisar mejor las radiografías o las TC de un paciente, afirma un estudio reciente.
La IA se ha promocionado como un medio potencial para mejorar la capacidad de los médicos para interpretar imágenes médicas, dijeron los investigadores.
Sin embargo, los beneficios de la IA varían de un médico a otro y, en algunos casos, puede interferir con el rendimiento y la precisión de un radiólogo, según muestran los resultados.
“Encontramos que diferentes radiólogos, de hecho, reaccionan de manera diferente a la asistencia de la IA: algunos son ayudados, mientras que otros se ven perjudicados por ella”, dijo el coinvestigador principal Pranav Rajpurkar, profesor asistente de informática biomédica en el Instituto Blavatnik de la Facultad de Medicina de Harvard.
Los resultados indican que los desarrolladores de IA necesitan comprender mejor cómo interactúan los médicos con los programas, dijeron los investigadores. De esa manera, la IA se puede ajustar para aumentar el rendimiento humano en lugar de obstaculizarlo.
"Lo que esto significa es que no debemos ver a los radiólogos como una población uniforme y considerar solo el efecto 'promedio' de la IA en su rendimiento", planteó Rajpurkar en un comunicado de prensa de la Harvard. "Para maximizar los beneficios y minimizar los daños, necesitamos personalizar los sistemas de IA de asistencia".
Para el estudio, los investigadores rastrearon cómo la IA afectó el desempeño de 140 radiólogos en 15 tareas diagnósticas asociadas con imágenes de rayos X.
A los radiólogos se les pidió que evaluaran 324 casos diferentes de pacientes que involucraban 15 enfermedades que podrían observarse en radiografías de tórax, dijeron los investigadores.
Los investigadores utilizaron métricas informáticas avanzadas para comparar cómo los médicos detectaban e identificaban correctamente las enfermedades con y sin la ayuda de la IA.
Descubrieron que el efecto de la asistencia de IA era inconsistente y variaba entre los radiólogos. Los programas mejoraron el rendimiento en algunos médicos y lo empeoraron en otros.
Sorprendentemente, los investigadores descubrieron que la experiencia personal de un médico en radiología no predecía de manera confiable qué tan bien la IA lo ayudaría o lo obstaculizaría.
Factores como la cantidad de años de experiencia, la especialización en radiología de tórax y si habían usado IA antes no influyeron de forma consistente en el desempeño de un médico, mostraron los resultados.
Además, los médicos que no eran buenos para leer radiografías no se beneficiaron constantemente de la asistencia de la IA. En general, los radiólogos de bajo rendimiento leen mal las radiografías con o sin IA, encontraron los investigadores.
Sin embargo, los investigadores descubrieron que las herramientas de IA más precisas tendían a mejorar el rendimiento de los médicos, mientras que los programas que no son tan buenos pueden obstaculizar un diagnóstico adecuado.
El estudio no se diseñó para explicar por qué las herramientas de IA no siempre son útiles para los radiólogos, anotaron los investigadores.
El nuevo estudio aparece en la edición del 19 de marzo de la revista Nature Medicine.
El equipo de investigación dijo que los programadores de IA harían bien en trabajar con médicos que usan sus herramientas para hacerlas más útiles, y probar las herramientas en experimentos que puedan perfeccionar mejor su efectividad.
Es importante destacar que los desarrolladores de IA deben asegurarse de que sus programas puedan "explicar" sus decisiones, para que los médicos puedan detectar mejor los diagnósticos inexactos, dijeron los investigadores.
"Nuestra investigación revela la naturaleza matizada y compleja de la interacción entre máquinas y humanos", dijo el coautor principal Nikhil Agarwal, profesor de economía en el MIT. "Resalta la necesidad de comprender la multitud de factores involucrados en esta interacción y cómo influyen en el diagnóstico final y la atención de los pacientes".
Fuente: Infobae
No hay comentarios.:
Publicar un comentario
Los comentarios con contenido inapropiado no serán publicados. Si lo que Usted quiere es realizar una consulta, le pedimos por favor lo haga a través del link de Contacto que aparece en este blog. Muchas gracias