La próxima gran fusión de salud: imágenes biomédicas e inteligencia artificial

0
247

La próxima gran fusión de salud: imágenes biomédicas e inteligencia artificial, dos mundos que simplemente colisionaron en el Instituto Nacional de Estándares y Tecnología (NIST) en Gaithersburg, Maryland. En mayo del 2018, expertos de las comunidades de imagen médica e inteligencia artificial se reunieron para un taller de dos días sobre el futuro de alta tecnología en la toma de decisiones médicas. Su visión: crear una «cabina de diagnóstico» donde los expertos médicos tengan a su alcance todos los datos que necesitan para diagnosticar y tratar a los pacientes, mientras que la inteligencia artificial (AI) analiza esos datos y brinda respaldo para la toma de decisiones detrás de escena.

Tal sistema aprovecharía grandes volúmenes de datos, incluida la información genética del paciente, el historial médico y los datos de imágenes de alta resolución, como tomografías computarizadas y mamografías. La integración de estos datos con la tecnología de IA mejorará la calidad del diagnóstico para todo, desde la enfermedad de las arterias coronarias hasta el cáncer metastásico y los trastornos neurodegenerativos, al tiempo que mejora los resultados del paciente y reduce los costos de la atención médica.

El primer paso en la construcción de estos sistemas integrados es desarrollar estándares. Por ejemplo, un estándar existente llamado DICOM (Digital Imaging and Communication in Medicine) garantiza que todos los dispositivos de imágenes médicas generen datos en un formato estándar para que las imágenes puedan verse y analizarse en cualquier estación de trabajo. Para que la cabina de diagnóstico se convierta en realidad, debemos desarrollar estándares para flujos de datos aún más grandes y complejos.

Uno de los objetivos del taller de este mes, que NIST desarrolló en colaboración con la Academia de Radiología e Investigación de Imágenes Biomédicas (ARBIR), fue identificar qué nuevos estándares son necesarios y comenzar a desarrollarlos. Los participantes del taller incluyeron radiólogos y otros especialistas médicos, fabricantes de dispositivos de imágenes médicas, investigadores, científicos de datos y representantes de varias agencias federales. Este taller se basó en la Hoja de ruta para la investigación y el desarrollo de imágenes médicas, que fue emitido el año pasado por el Consejo Nacional de Ciencia y Tecnología.

Somos científicos del NIST que abordan este tema desde perspectivas diferentes, pero complementarias. Uno de nosotros (Bergeron) es un químico de investigación con experiencia en los estándares de medición física que hacen posible la imagen médica moderna. El otro (Garris) es un científico informático con experiencia en el uso de la inteligencia artificial y el aprendizaje automático para reconocer patrones en imágenes y otros datos. Al unir esas áreas y combinarlas con nuestra experiencia para facilitar el desarrollo de estándares, estamos en una posición ideal para crear un entorno en el que los expertos de las imágenes y la inteligencia artificial puedan desarrollar el vocabulario y los procesos que necesitan para colaborar productivamente.

Al hacer esto, estamos escribiendo un nuevo capítulo en la larga historia del NIST de ayudar a las industrias a crear estándares sólidos para calibrar mediciones dispares y hacerlas interoperables. Lo que esto significa en este contexto es que un equipo de diagnóstico podrá prescribir pruebas que midan los niveles de colesterol, la densidad del tejido mamario o la absorción de un fármaco como se revela a través de imágenes médicas. Los estándares de medición física garantizarán que los datos generados por estas pruebas signifiquen lo mismo para los pacientes, a lo largo del tiempo y cuando se midan utilizando dispositivos de diferentes fabricantes.

gran multitud de expertos en IA y bioimaging posando para una foto

Tuvimos un grupo bastante grande y diverso de participantes que representaban al gobierno, la industria y la academia para este primer taller, y anticipamos que solo crecerá a medida que se desarrollen más y más de estos sistemas. ¡Muy emocionante!
Crédito:  Cappelletti / ACADRAD

NIST también tiene experiencia en la evaluación de las capacidades y el rendimiento de los sistemas alimentados por inteligencia artificial y el desarrollo de estándares de tecnología de la información. El cuidado del paciente ya genera cantidades masivas de datos, y el volumen de esos datos aumentará enormemente a medida que la genómica personal y las imágenes médicas de alta resolución se generalicen. Los datos estandarizados a escala alimentarán el aprendizaje automático y crearán nuevas generaciones de modelos analíticos y de diagnóstico. Con la capacidad de AI de realizar millones de cálculos increíblemente complejos de pesaje y búsqueda de correlación en un corto período de tiempo, los equipos de diagnóstico humano podrán identificar rápidamente los patrones y las asociaciones que de otro modo se perderían. Esto permitirá que el equipo humano sea más productivo y efectivo a la vez que brinda tratamientos precisos y personalizados.

Pero aún estamos dando nuestros primeros pasos hacia la realización de esos objetivos. El taller de esta semana se centró en identificar los estándares necesarios para integrar grandes datos médicos con inteligencia artificial. Esos estándares incluyen nuevos formatos de datos, protocolos de imágenes, métricas de rendimiento, interfaces hombre / computadora y técnicas de visualización de datos.

Este taller también proporcionó un lugar neutral donde las compañías que generalmente compiten podrían colaborar en estándares para el beneficio de la industria en general. Y brindó oportunidades para que la industria privada forme alianzas de trabajo con investigadores académicos y el gobierno.

Con tal rango de intereses representados, las discusiones fueron animadas, pero tuvimos un amplio acuerdo en varios puntos, incluyendo las características ideales de los «casos de uso» que podríamos usar para demostrar el concepto de cabina de diagnóstico. Tanto el cáncer de mama como la enfermedad de la arteria coronaria se identificaron como condiciones en las que los flujos de datos de diversas fuentes pueden combinarse durante largos períodos de vigilancia e integrarse para informar diferentes estrategias de intervención con resultados mensurables. La comunidad está preparada para enfrentar estas importantes condiciones y mostrar el valor de un enfoque de diagnóstico integrado.

Fuente: NIST