El sistema puede identificar muchas enfermedades neurológicas y evaluar el nivel de emergencia que requiere intervención médica. Según un nuevo estudio, este modelo alcanza una precisión de hasta el 97,5%.
Según investigadores de la Universidad de Michigan, Prima, el nombre del sistema de IA, se entrena basándose en grandes volúmenes de datos de resonancia magnética reales, combinados con historias clínicas e información clínica del paciente. Los resultados muestran que Prima no solo reconoce enfermedades sino que también tiene la capacidad de clasificar los casos que necesitan tratamiento prioritario. El estudio fue publicado en la revista Nature Biomedical Engineering.
Según el Dr. Todd Hollon, autor principal del estudio y neurocirujano de Michigan Medicine, la creciente demanda de resonancia magnética está ejerciendo una gran presión sobre el equipo médico y el sistema de salud. En este contexto, las herramientas de IA pueden ayudar a reducir la carga proporcionando información de diagnóstico más rápida y precisa.
El equipo de investigación probó Prima en más de 30.000 resonancia magnética con más de 50 grupos de diagnóstico por imagen diferentes, incluidos muchos trastornos neurológicos graves. Según el equipo de investigación, Prima ofrece una mayor eficacia de diagnóstico que muchos modelos de IA avanzados actuales.
El sistema puede identificar automáticamente los casos que requieren alta prioridad, como accidentes cerebrovasculares o hemorragias cerebrales, afecciones que requieren intervención médica inmediata. En este caso, Prima puede enviar una advertencia a un médico especialista adecuado para acortar el tiempo de tratamiento.
Prima pertenece al grupo de modelos visuales-linguísticos, capaz de procesar imágenes y texto simultáneamente en tiempo real. A diferencia de los sistemas de IA anteriores que generalmente solo se entrenaban para tareas estrechas, Prima se entrenó en un conjunto de datos grandes y diversos, que incluía más de 200.000 tomas y 5,6 millones de secuencias de imágenes, junto con antecedentes médicos y razones para la indicación de tomas.
Según el grupo de autores, este enfoque ayuda a Prima a razonar cerca de la práctica clínica, al combinar los datos de imagen con el contexto patológico específico de cada paciente.
Cada año, se realizan millones de resonancia magnética en todo el mundo, la mayoría de las cuales están relacionadas con enfermedades neurológicas. Sin embargo, la tasa de aumento de la demanda de resonancia magnética está superando con creces la capacidad de respuesta del equipo de expertos en diagnóstico por imagen, lo que lleva a una sobrecarga y retrasos en la entrega de resultados.
En muchos centros de salud, especialmente en áreas con escasez de recursos, los pacientes pueden tener que esperar muchos días para recibir los resultados del diagnóstico. Las nuevas tecnologías como Prima pueden contribuir a mejorar el acceso a los servicios de diagnóstico por imagen, independientemente de la escala o ubicación del centro de salud.
A pesar de lograr resultados positivos, el grupo de investigación enfatizó que Prima todavía se encuentra en la etapa inicial de evaluación. Los estudios posteriores se centrarán en la integración de datos adicionales de registros médicos electrónicos para mejorar la precisión del diagnóstico.
El Dr. Hollon comparó Prima con "ChatGPT para el diagnóstico por imagen médico", con el objetivo de apoyar, no reemplazar el papel de los médicos en la práctica clínica.
