Inteligencia artificial para interpretar informes de radiólogos

La tecnología marca un primer paso importante en el desarrollo de una inteligencia artificial (IA) que podría interpretar exámenes y diagnosticar enfermedades.

Se espera que la IA ayude a los radiólogos a interpretar los rayos X, las tomografías computarizadas y los estudios de imágenes por resonancia magnética (RM), pero requiere que el software informático interprete la diferencia entre un estudio normal y los hallazgos anormales. Los investigadores llevaron a cabo un estudio para entrenar la tecnología de IA para comprender los informes de texto escritos por los radiólogos creando una serie de algoritmos para enseñar a las computadoras grupos de frases, como fosfolípidos, acidez estomacal y colonoscopia.

Utilizando 96,303 informes de radiólogos asociados con las tomografías computarizadas de cabeza realizadas en el Hospital Monte Sinaí y Monte Sinaí Queens entre 2010 y 2016, los investigadores capacitaron el software. Calcularon las métricas que reflejaban la variedad de lenguaje utilizado en estos informes y los compararon con otras grandes colecciones de texto, incluidos miles de libros, noticias de Reuters, notas de pacientes hospitalizados y revisiones de productos de Amazon para caracterizar la “complejidad léxica” de los informes de los radiólogos. Los investigadores encontraron una exactitud del 91%, lo que demuestra que es posible identificar automáticamente los conceptos en el texto del complejo dominio de la radiología.

“El lenguaje utilizado en radiología tiene una estructura natural, lo que hace que sea apta para el aprendizaje automático”, dijo el autor principal, Eric Oermann, MD, Instructor en el Departamento de Neurocirugía en la Facultad de Medicina Icahn en Monte Sinaí. “Los modelos de aprendizaje automático basados en conjuntos de datos de texto radiológico masivos pueden facilitar el entrenamiento de futuros sistemas basados en IA para analizar imágenes radiológicas”.

“El objetivo final es crear algoritmos que ayuden a los médicos a diagnosticar con exactitud a los pacientes”, dice el primer autor, John Zech, un estudiante de medicina en la Facultad de Medicina Icahn en Monte Sinaí. “El aprendizaje profundo tiene muchas aplicaciones potenciales en radiología: clasificar para identificar estudios que requieren evaluación inmediata, marcar partes anormales de las imágenes transversales para su posterior revisión, caracterizar masas relacionadas con malignidad, y esas aplicaciones requerirán muchos ejemplos de entrenamiento etiquetados”.