Radiología e IA, ¿aliadas naturales?: “Me ayuda a no pasar por alto hallazgos sutiles”

A las nueve de la mañana, en un despacho del Hospital del Mar, en Barcelona, la radióloga Natalia Arenas abre su lista de mamografías pendientes. Casi un centenar. Un algoritmo de inteligencia artificial (IA) ya ha cribado el lote: arriba las sospechosas, abajo el resto. “Si hoy hay un cáncer, estará en la parte alta de la lista”, resume.

En el programa de cribado de su hospital, de cada mil mamografías, solo entre tres y cinco tendrán un cáncer de mama. El resto son estudios que aun así deben revisarse uno por uno. La carga es tan grande que para satisfacer la demanda, en España hacen falta unos 420 radiólogos más (un 10% de los que hay), según el último informe sobre la falta de médico en España, encargado por el Ministerio de Sanidad. A esto se le suman los fallos en el sistema, como el que dejó a 2.300 mujeres en Andalucía sin información sobre los resultados dudosos de sus cribados de mama.

Ante la saturación constante, la IA surge como una nueva aliada. Javier Montalt, investigador en radiología e inteligencia artificial en Bayer, lo explica así: “Es una especialidad que genera muchísimos datos y cuyas tareas se prestan al procesado automático”. No se trata solo de volumen, sino de que buena parte del trabajo consiste en identificar patrones en imágenes. Para la inteligencia artificial, añade, es un terreno fértil.

Arenas explica que las publicaciones científicas sobre modelos comerciales apuntan a que la inteligencia artificial puede reducir el volumen de lecturas hasta en un 40% —evitando la doble lectura en los estudios de baja probabilidad de malignidad. Esto disminuye de forma significativa la carga de trabajo total.

La radiología mamaria es la subespecialidad más avanzada. Los modelos comerciales han aprovechado la estandarización de las radiografías de mama—siempre las mismas cuatro proyecciones— y clasifican cada estudio como estándar o sospechoso, incluso sin ver nunca el historial de la paciente. Lo que hacen es marcar en la imagen las zonas que justifican esa clasificación, y luego el radiólogo las revisa.

Para Arenas, esa ayuda es clave: “Prioriza mi lectura. Sé por dónde empezar. Y me ayuda a no pasar por alto hallazgos sutiles, sobre todo en días de cansancio”. Idoia Salazar, presidenta de OdiseIA ―un observatorio del impacto social y ético de la inteligencia artificial―, explica que “la IA acierta alrededor del 85% de los casos; los radiólogos rondan el 80%; y juntos alcanzan el 98%”.

La pandemia ya había precipitado un cambio cultural. La radiología del tórax necesitaba procesar miles de placas por la covid-19. Arenas recuerda que la IA era capaz de detectar “alteraciones mínimas en una radiografía”, detalles que al ojo humano podían escapársele.

La resonancia magnética, otra subespecialidad, plantea un reto distinto porque está muchísimo menos estandarizada. “En resonancia magnética hay cientos de protocolos”, explica Montalt. “Cada hospital usa contrastes, encuadres, resoluciones y parámetros distintos, que afectan al contraste, al ruido, a los artefactos y hasta a la forma en que se corta la anatomía”. Las imágenes son más diversas, difíciles de comparar entre sí, y entrenar un modelo robusto con ese nivel de variación es muy complejo.

El preprocesado se vuelve, entonces, un cuello de botella. “Hay que poner restricciones, pero sin imponer cargas imposibles”, dice Montalt. Aun así, muchos modelos comerciales no están entrenados con datos locales. Los hospitales tienen millones de imágenes, pero fragmentadas, desiguales y protegidas. “Los datos existen, pero no se pueden usar tan fácilmente”, añade el investigador.

Falta de información

A esto se suma el factor de comunicación. Salazar cree que parte del recelo nace porque no se explica bien al ciudadano cómo se usan sus datos: “Cuando se dice claramente que se usarán solo de forma anonimizada —edad, sexo y datos clínicos, sin identificadores— la mayoría no tendría inconveniente en que sirvan para entrenar algoritmos. La solución hacia la que se avanza son los grandes repositorios públicos anónimos”.

Varias comunidades ya trabajan en ello. Andalucía tiene uno de los proyectos más avanzados de Europa. Hospitales públicos como el de Arenas han desarrollado incluso algoritmos propios para garantizar independencia: “Si la IA entra en el cribado, todas las mujeres deben recibir el mismo estándar cada año”. Para eso hace falta interoperabilidad entre proveedores: los hospitales no pueden reprogramar todo cada vez que incorporan un modelo nuevo.

Montalt insiste en que integrar un modelo en un hospital es “mucho más difícil que entrenarlo”. Hace falta conectar bases de datos, adaptar interfaces, ajustar flujos de trabajo y convivir con sistemas que llevan décadas en uso. Además, persiste la brecha cultural entre quien desarrolla el algoritmo y quien lo usa. “Depende de la persona; hay profesionales muy interesados en la tecnología y encantados de probar cosas nuevas una y otra vez”, cuenta el investigador, que ha trabajado con médicos en varios países. Por eso defiende figuras híbridas capaces de traducir lo técnico al uso local. E incluso sueña con la idea de “una App Store para hospitales”, una plataforma que facilitara integrar cualquier modelo en cualquier sistema.

La parte regulatoria completa el cuadro. Salazar, que lleva años trabajando con la Administración en supervisión algorítmica y entornos de prueba regulatorios, recuerda que para la UE el uso de cualquier algoritmo que intervengan en decisiones de salud se clasifica automáticamente como de “alto riesgo”. Eso implica revisar sesgos, trazabilidad y limitar la autonomía del sistema. “El radiólogo sigue siendo responsable de algo que es muy importante para nosotros, que es la salud”, subraya.

La IA médica ya demuestra que puede identificar incluso lo que el ojo humano pasa por alto. Su expansión, señalan los profesionales consultados, dependerá de decisiones organizativas: armonizar protocolos, compartir datos con garantías, conectar sistemas que llevan años funcionando en paralelo y asegurar que cualquier avance llegue a todos, no solo a los hospitales pioneros.

Tendencias es un proyecto de EL PAÍS, con el que el diario aspira a abrir una conversación permanente sobre los grandes retos de futuro que afronta nuestra sociedad. La iniciativa está patrocinada por Abertis, Enagás, EY, Iberdrola, Iberia, Mapfre, Novartis, la Organización de Estados Iberoamericanos (OEI), Redeia, y Santander, WPP Media y el partner estratégico Oliver Wyman.

Puedes apuntarte aquí para recibir la newsletter semanal de EL PAÍS Tendencias, todos los martes, de la mano del periodista Javier Sampedro.