Un nuevo estudio demuestra que los modelos generativos de AI pueden ayudar a radiólogos a trabajar con mayor eficiencia sin comprometer la calidad clínica de los informes.
Investigadores de Northwestern Medicine publicaron un estudio en JAMA Network Open que evaluó el uso de inteligencia artificial (AI) generativa en la redacción de informes radiológicos en tiempo real dentro de un sistema hospitalario de alta especialidad. Este sistema, primero en su tipo, tiene como objetivo aumentar la productividad e identificar las condiciones potencialmente mortales en cuestión de milisegundos. Además, ofrece una solución a la escasez mundial de radiólogos.
Los resultados del estudio muestran que esta tecnología puede reducir significativamente el tiempo que los radiólogos dedican a documentar estudios, sin disminuir la precisión clínica ni la calidad del texto, además de detectar de manera temprana afecciones críticas como el neumotórax.
El modelo de AI generativa, capaz de redactar borradores de informes de radiografías, como estudios de tórax o extremidades, se incorporó directamente en el flujo de trabajo clínico y utilizó tanto imágenes como información clínica del paciente.
El sistema se implementó en tiempo real en una red de 11 hospitales del sistema de salud de Northwestern Medicine, donde fueron analizados alrededor de 24 mil informes radiológicos durante cinco meses de 2024. Posteriormente, los investigadores compararon los tiempos de creación de informes radiológicos y su precisión clínica, con y sin la herramienta de AI.
Los informes redactados con ayuda de la AI tardaron en promedio 160 segundos, en comparación con los 189 segundos que tomaban sin la asistencia del modelo, lo que representa un aumento del 15.5% en eficiencia documental. Este ahorro de tiempo equivale a más de 60 horas laborales o una reducción de 79 a 67 turnos de radiólogos durante el estudio.
A través de una revisión por pares de 800 estudios, los investigadores comprobaron que no hubo diferencias significativas en la precisión clínica ni en la calidad del texto entre los informes asistidos por AI y los realizados por humanos sin asistencia.
“En urgencias, un día cualquiera, podemos tener que revisar 100 imágenes, y no sabemos cuál contiene un diagnóstico que podría salvar una vida”, afirmó el coautor Dr. Samir Abboud, jefe de Radiología de Emergencia. “Esta tecnología nos ayuda a realizar un triaje más rápido, lo que nos permite detectar los casos más urgentes antes y que los pacientes reciban tratamiento más rápidamente”, agregó.
Además, el modelo fue capaz de detectar casos inesperados de neumotórax, una condición potencialmente mortal, con una sensibilidad del 72.7% y una especificidad del 99.9%, alertando incluso antes que el equipo médico en algunos casos. Esto refuerza el potencial de la AI no solo como apoyo documental, sino como herramienta para priorizar casos urgentes.
Por su parte, el Dr. Mozziyar Etemadi, autor principal del estudio, explicó que disponer de un borrador del informe incluso previo a la revisión del radiólogo, permite actual con mayor rapidez, lo cual es la principal diferencia con respecto a los sistemas de triaje tradicionales que requieren un entrenamiento específico para cada diagnóstico.
Los autores además, detallan que no es necesario depender de las grandes compañías tecnológicas para desarrollar un sistema de grandes capacidades como el suyo. Los científicos de Northwestern, no adaptaron un modelo como ChatGPT, sino que construyeron su propio sistema desde cero utilizando datos clínicos de su red de hospitales. El Dr. Etemadi detalló que la democratización del acceso a la AI es clave para impulsar su adopción a nivel mundial.
