Analizan los beneficios y desafíos de la inteligencia artificial en el diagnóstico veterinario por imágenes

El campo del diagnóstico veterinario por imágenes está experimentando una transformación significativa con la integración de herramientas de inteligencia artificial (IA). Por esta razón, un grupo de investigadores ha elaborado una publicación que proporciona una descripción general del estado actual y las perspectivas futuras de la IA en este área de la medicina veterinaria.

Concretamente, los autores profundizan en diversas aplicaciones de la inteligencia artificial en diferentes modalidades de imágenes, como radiología, ultrasonido, tomografía computarizada y resonancia magnética. Asimismo, también exploran las consideraciones éticas del uso de la IA en el diagnóstico veterinario.

Cabe destacar que la "inteligencia artificial" es un término amplio que incluye una variedad de diferentes tipos de algoritmos, como el aprendizaje automático (machine learning), que a su vez abarca unos algoritmos de aprendizaje profundo más complejos (deep learning). 

Los algoritmos ML a menudo requieren extracción y validación de características manuales, mientras que DL aprovecha las redes neuronales profundas para extraer automáticamente características complejas de los datos brutos, superando así la necesidad de ingeniería de funciones manuales.

AUGE DE LA IMAGEN DIAGNÓSTICA

Hoy en día, la imagen diagnóstica es un paso fundamental en la evaluación clínica de los pacientes en la Veterinaria, lo que está impulsando una creciente demanda de veterinarios especializados en este campo.

En este contexto, la interpretación rápida y fiable de los datos de imágenes veterinarias es, evidentemente, de suma importancia para cualquier práctica clínica. Aunque no se dispone de datos oficiales sobre este tema, las personas que actualmente trabajan en pequeñas clínicas animales suelen observar que el número de estudios de diagnóstico por imágenes que se producen supera con creces la capacidad de los especialistas para evaluarlos. Por lo tanto, la necesidad de herramientas y soluciones para ayudar a los veterinarios durante su rutina diaria está aumentando constantemente.

Ante este panorama, “la idea central de la IA es crear máquinas capaces de realizar acciones que típicamente requieren habilidades humanas (Lecun)”, recuerdan los investigadores. En esta línea, el reciente florecimiento de las aplicaciones ha sido impulsado en parte por la "falta de radiólogos veterinarios certificados disponibles, y la necesidad de apoyar a especialistas sobrecargados de trabajo y, por lo tanto, propensos a errores de interpretación", explican. “Por último, pero no menos importante, la oportunidad de establecer una empresa económicamente viable representa otra fuerza impulsora importante”, apuntan.

Por otra parte, en la medicina humana, el efecto de los errores en los diagnósticos por imagen ha sido investigado a fondo, principalmente en términos de impacto potencial de tales errores en los pacientes y, en última instancia, en las administraciones hospitalarias. 

Sin embargo, la literatura sobre algoritmos DL aplicadas en el campo del diagnóstico de imágenes veterinarias es de una cantidad relativamente limitada en comparación con lo que está disponible en la literatura médica humana. De hecho, el desarrollo de estas tecnologías ha alcanzado niveles sobresalientes en todos los ámbitos de aplicación de la medicina humana, facilitados por amplias bases de datos e impulsados por la necesidad de herramientas avanzadas para apoyar a los radiólogos. Por el contrario, la literatura veterinaria disponible todavía es bastante irregular, y sólo unos pocos estudios abarcan diferentes campos de aplicación.

En este marco, un estudio realizado entre científicos de varios países ofrece una evaluación del panorama actual y el potencial futuro de la inteligencia artificial en el diagnóstico veterinario por imágenes. Asimismo, “proporciona información sobre los beneficios y desafíos de integrar esta tecnología en la práctica clínica, al tiempo que enfatiza el papel fundamental de la ética y la experiencia humana para garantizar el bienestar de los pacientes veterinarios”, recalcan.

IA EN DIAGNÓSTICO POR IMAGEN, SILUETA CARDIACA O ECOGRAFÍAS

Para explorar este asunto, los autores profundizan en diversas aplicaciones de la IA en diferentes modalidades de pruebas basadas en imágenes, como radiología, ultrasonido, tomografía computarizada y resonancia magnética. Asimismo, proporcionan ejemplos de aplicaciones de IA en cada modalidad, desde ortopedia hasta medicina interna, cardiología y más.

En el contexto de la traumatología, indican que faltan estudios que exploren el uso de la IA en imágenes ortopédicas. “Los pocos artículos disponibles se centran en la evaluación de las radiografías de cadera, y se han publicado varios artículos sobre las articulaciones de la rodilla y las fracturas de huesos largos”. En uno de ellos, como explican, una IA entrenada obtuvo unos valores de congruencia de más del 80 % en comparación con los radiólogos veterinarios para todas las enfermedades de la articulación de la rodilla consideradas.

El examen de la silueta cardiaca es una interpretación de rutina en la clínica veterinaria, y ha sido otro aspecto explorado por la investigación. Por ejemplo, recogieron un estudio técnico sobre el entrenamiento de una IA para identificar los puntos de referencia necesarios para calcular el índice vertebral cardíaco en radiografías laterales. Se entrenó a una IA para localizar 12 vértebras torácicas y los cuatro puntos de la silueta cardíaca necesarios para trazar los ejes largo y corto, lo que resultó en un rendimiento promedio del 90,9 %. En la práctica clínica diaria, “esto podría ayudar a los veterinarios a calcular el índice vertebral cardíaco de forma más objetiva”, ejemplifican.

Igualmente útil en la clínica veterinaria, es el estudio ecográfico, punto en el que la IA también tiene valor añadido que aportar. Así, la investigación recoge un trabajo realizado en perros con sospecha de enfermedad hepática, y confirmada mediante resultados histopatológicos estándar. “Los resultados del modelo demostraron una mayor precisión diagnóstica que los resultados de los marcadores bioquímicos séricos (alanina aminotransferasa y aspartato aminotransferasa), ya que el modelo clasificó correctamente el 82 % de las imágenes del conjunto de pruebas”.

CONSIDERACIONES ÉTICAS EN EL DIAGNÓSTICO VETERINARIO BASADO EN IA

Los profesionales veterinarios tienen el deber básico de promover el bienestar de sus pacientes animales evitando causar daño. Por ello, un punto especialmente comentado en la investigación tiene relación con las consideraciones éticas de la integración de la IA en la práctica veterinaria.

En teoría, “la IA puede reducir los diagnósticos erróneos y los diagnósticos ocultos que involucran afecciones más raras o presentaciones inusuales”. La mejora de los flujos de trabajo a partir de un diagnóstico más rápido podría beneficiar a los pacientes y clientes, al tiempo que fomenta la satisfacción laboral.

No obstante, alerta que el exceso de confianza en la IA puede derivar de un "sesgo de automatización". Ante estos problemas, ofrecen una serie de recomendaciones éticas. En este sentido, indican que los desarrolladores de IA deben apreciar los objetivos de la medicina veterinaria de promover los intereses de los pacientes y las relaciones entre humanos y animales. Por lo tanto, “los modelos de IA deben entrenarse y probarse rigurosamente, no solo en el laboratorio sino en circunstancias de la vida real, para garantizar la confiabilidad”. Además, “en nuestra opinión, los sistemas de IA radiológica deberían venir con información sobre sus datos de entrenamiento y advertencias apropiadas sobre su uso adecuado y sus riesgos. Esto facilitaría la toma de decisiones informadas por parte de los veterinarios”.

Finalmente, recomiendan que la IA radiológica nunca reemplace por completo el juicio humano. “Eliminar un 'humano involucrado' pone en peligro el bienestar del paciente y anula la responsabilidad veterinaria”, advierten. Los veterinarios “deben seguir siendo responsables de la atención al paciente incluso cuando utilicen herramientas sofisticadas de inteligencia artificial, ya que esas herramientas aún pueden equivocarse”.

Por lo tanto, sentencian que “los veterinarios deben tratar la IA radiológica como una herramienta de apoyo a la toma de decisiones, no como un sustituto de la toma de decisiones. Los profesionales veterinarios deben emplear solo aquellas herramientas de IA que sepan que respaldarán la buena práctica médica”.

En resumen, los investigadores concluyen que “los modelos basados en IA, en particular los modelos de aprendizaje profundo, podrían actuar como apoyo eficaz en la evaluación de imágenes médicas tanto para radiólogos especializados como para médicos generales. Sin embargo, estas tecnologías no deberían reemplazar la experiencia y el conocimiento veterinario. Por el contrario, los productos de IA tienen el potencial de capacitar a los radiólogos para ofrecer mayor valor de una manera más eficiente”, recalcan.