Nuevo estudio: la IA puede revolucionar la interpretación de imágenes diagnósticas en medicina

MadridUn estudio reciente investigó cómo los modelos de IA generativa pueden mejorar la imagenología diagnóstica. Dirigido por el Dr. Daisuke Horiuchi y el profesor asociado Daiju Ueda de la Universidad Metropolitana de Osaka, el equipo de investigación comparó la precisión de ChatGPT con la de los radiólogos. Examinaron 106 casos de radiología musculoesquelética, utilizando antecedentes del paciente, imágenes y hallazgos de imágenes, y los analizaron con GPT-4 y GPT-4 con visión (GPT-4V).

Resultados clave del estudio:

• GPT-4 superó a GPT-4V en diagnósticos
• GPT-4 igualó el desempeño de los residentes de radiología
• La precisión de ChatGPT es inferior a la de los radiólogos certificados

Los resultados indican que, aunque los modelos de IA como GPT-4 son útiles, aún no pueden reemplazar a los radiólogos capacitados. El estudio subraya tanto las debilidades actuales como el potencial de la IA en el sector sanitario. A medida que la IA mejore, podría asistir en los diagnósticos, especialmente cuando un radiólogo experto no esté disponible de inmediato.

El uso de la IA en la imagenología diagnóstica permite procesar y analizar grandes volúmenes de datos con rapidez. Esto acelera el tiempo de diagnóstico, lo cual es muy beneficioso en entornos concurridos donde los radiólogos tienen muchos casos que revisar. Además, los modelos de IA pueden funcionar sin descanso, detectando detalles que los humanos podrían pasar por alto debido al cansancio o descuido.

Lea también:

Hoy · 7:41

La desafiante transición de OpenAI a entidad con fines de lucro

Existen grandes desafíos y problemas éticos con la IA en la medicina. Los médicos muchas veces no pueden entender cómo la IA toma decisiones, lo que dificulta la confianza en los resultados. Además, la efectividad de la IA depende de la calidad de los datos de entrada. Si las imágenes son deficientes o inconsistentes, puede llevar a diagnósticos erróneos, lo cual puede ser peligroso para los pacientes.

El uso de la inteligencia artificial en diagnósticos médicos exige una atención meticulosa a la privacidad y seguridad de los datos. La información de los pacientes utilizada para entrenar estos modelos debe ser gestionada con cuidado para prevenir filtraciones. Las instalaciones de salud necesitan normas estrictas para cumplir con las directrices legales y éticas.

Es fundamental revisar y actualizar regularmente los modelos de IA. A medida que el conocimiento médico y la tecnología de imagen evolucionan, es necesario que la inteligencia artificial se ajuste para incorporar nuevos descubrimientos y estándares. Comparar el desempeño de la IA con criterios de diagnóstico establecidos y tener equipos de diferentes campos supervisándola puede ayudar a garantizar que siga siendo precisa y confiable.

Los modelos de IA generativa como GPT-4 tienen el potencial de mejorar la imagenología diagnóstica, pero aún no pueden reemplazar completamente a los expertos humanos. Integrar IA en los procesos diagnósticos requiere una reflexión cuidadosa sobre sus límites, cuestiones éticas y la necesidad de verificaciones continuas. Si se abordan estos desafíos, la IA puede convertirse en una herramienta valiosa para apoyar a los radiólogos humanos.