El sistema de imágenes guiado por IA mejora la precisión de la radiología

Nuestra imaginación para la inteligencia artificial es amplia y ambiciosa. Si bien hay muchos tropos distópicos, la cultura pop está llena de ejemplos esperanzadores de lo que creemos que la inteligencia artificial podría brindarnos, desde sistemas operativos que curan la soledad hasta asistentes que superan los límites de las capacidades fisiológicas de los humanos.

Quizás la IA ficticia más famosa sea Roy Batty, un androide soldado increíblemente fuerte (o «replicante» en las películas de «Blade Runner»). Lo que ha hecho que el personaje perdure tiene menos que ver con sus capacidades sobrehumanas y más con lo que lo acercó a nuestro deseo más central: vivir y vivir más tiempo.

En la actualidad, muchas herramientas de IA de consumo no alcanzan el potencial imaginado en la ciencia ficción. Sin embargo, en el ámbito médico, un programa de inteligencia artificial que ahora se utiliza ampliamente en Penn Medicine puede brindarnos parte de la ayuda para mantener la vida que Batty más deseaba.

Recientemente, Penn AInSights, un sistema de imágenes guiado por IA que ayuda a crear una vista tridimensional más precisa de los órganos internos, fue nombrado ganador del premio CIO 100 por su trabajo en el campo de la radiología.

El programa, en esencia, es una herramienta de apoyo clínico para los médicos, que les permite observar imágenes del hígado, el bazo, los riñones y más de las personas para determinar con cierta exactitud si los órganos muestran algún rasgo anormal que pueda acortar la vida.

Con este conocimiento preciso de si un paciente ha desarrollado algo como la enfermedad del hígado graso, o muestra signos de advertencia de diabetes, o si sus riñones pueden fallar a tiempo, el personal clínico de Penn Medicine puede tomar medidas para ayudar a los pacientes más pronto y con mayor eficacia que nunca. , añadiendo potencialmente años a sus vidas.

¿Normal o anormal?

«Cuando miras el hígado dices: ‘Está bien, ¿es esto normal?'», dijo Charles Kahn, MD, MS, profesor de Radiología en la Facultad de Medicina Perelman de la Universidad de Pensilvania. «Lo observas y usas algunas medidas para decir si es grande o pequeño. Es como cuando miras a alguien y piensas si podría jugar baloncesto o ser jockey en el Preakness. Pero, a veces, no es tan fácil». como eso.»

Desde los primeros rayos X, la imagen radiológica ha implicado necesariamente conciliar las imágenes bidimensionales con el espacio que ocupa una parte del cuerpo en la realidad física. Las medidas de largo y ancho pueden no ser indicadores perfectos de «grande» o «pequeño» en objetos tridimensionales.

«Si su bazo mide más de 13 centímetros, se considera grande», dijo Kahn. «Entonces, si tienes un bazo con la forma de un hot dog que mide 15 centímetros de largo, se llamaría agrandado. Pero el volumen real lo haría pequeño».

Ahí es donde AInSights muestra su valor.

El programa, entrenado con miles de imágenes, puede analizar rápidamente una gran cantidad de imágenes y construir de manera efectiva un modelo digital 3D de órganos. A partir de ahí, puede detectar problemas potenciales, directamente dentro de las herramientas tecnológicas que los médicos ya utilizan todos los días.

Creado y probado minuciosamente en Penn Medicine antes de llevarlo a los médicos para que lo ajustaran para atender a las poblaciones de pacientes, AInSights se desarrolló primero con imágenes recopiladas a través de investigadores y se construyó en asociación con equipos IS de Penn Medicine bien versados ​​​​en cómo los médicos usan la tecnología para diagnosticar y tratar a los pacientes.

«El valor de esto, realmente, es tener un proceso de desarrollo de extremo a extremo, uno de los momentos exitosos en que los servicios de información, la investigación y los equipos clínicos se unieron», dijo Ameena Elahi, MPA, RT(R), CIIP, un administrador de aplicaciones en Penn Medicine Information Services (IS).

AInSights ha sido particularmente eficaz debido a los agujeros en otros productos.

«Si miras a tu alrededor, hay innumerables proveedores que venden soluciones de IA, la gran mayoría en Radiología», dijo Walter Witschey, Ph.D., profesor asociado de Radiología, quien ayudó a construir el programa AInSights y ha realizado investigaciones con él. «Pero a pesar de ese número y del enorme interés en la IA en la medicina, los hospitales realmente no la han adoptado de manera masiva porque había problemas simples de integración que los proveedores estaban pasando por alto».

La vía clínica habitual para interpretar imágenes radiológicas ha sido tomar las imágenes, revisarlas manualmente por radiólogos y luego incluirlas en un informe. AInSights se creó como una herramienta de apoyo para ubicarse, de manera invisible, encima de esa infraestructura e integrarse perfectamente en el proceso, mientras lo mejora.

«El modelo mira las imágenes, genera anotaciones de IA y cuantifica los rasgos de lo que está mirando; eso se le da al radiólogo, todo automáticamente», dijo Witschey.

El proceso para crearlo ha llevado años, pero el programa ha mejorado exponencialmente y ahora se utiliza en Penn Medicine para analizar aproximadamente 2000 exploraciones del abdomen o el tórax al mes.

«Comenzamos a probarlo y nos tomó literalmente una hora obtener el producto final», recordó Elahi. «Luego, rápidamente, lo redujimos a unos 10 minutos. Y desde entonces, lo hemos reducido mucho más, por lo que es realmente conveniente desde el punto de vista clínico».

A papel publicado en el Revista de informática de imágenes en medicina en julio (en coautoría con Elahi, Kahn, Witschey y otros) mostró que el «tiempo de respuesta» de las tomografías computarizadas del abdomen fue de sólo 2,8 minutos.

Ampliando oportunidades

Con este tipo de tecnología, los médicos pueden realizar algunas «detecciones oportunistas», afirmó Kahn. Alguien que realiza una tomografía computarizada para controlar una afección renal también puede examinar el hígado, el bazo, el páncreas y la parte inferior de los pulmones para detectar problemas adicionales. Los radiólogos humanos obviamente se centrarían principalmente en el riñón, pero la IA podría señalar cualquier cosa importante en otros lugares.

«Hay mucha información en las 400 a 500 imágenes que terminas viendo», dijo Kahn. «Algunas de estas cosas no son detectables a simple vista, por lo que tener estas herramientas realmente influye».

Esto permite a los médicos controlar afecciones que podrían progresar de forma casi invisible hasta convertirse en un problema grave.

Por ejemplo, Witschey dijo que el programa, al escanear datos de imágenes a nivel de píxeles, puede encontrar patrones entre las características de las imágenes, como la grasa del hígado, y crear una medida predictiva de si alguien tiene diabetes sin necesidad de la ayuda de un panel típico de diabéticos. pruebas. Esto hace que sea más fácil recomendar pruebas de diagnóstico de seguimiento para esos pacientes.

Además, un programa que saca AInSights del abdomen al cerebro está trabajando para ayudar a los radiólogos a buscar demencia, como en la enfermedad de Alzheimer, lo cual es un desafío debido a lo sutiles que pueden ser los cambios en las imágenes.

«Podemos medir el tamaño de las distintas partes del cerebro y compararlas con una gran base de datos de personas que tienen imágenes cerebrales normales para ver qué partes del cerebro han cambiado y qué tan grave podría ser la pérdida de volumen cerebral», dijo Ilya Nasrallah, MD, Ph.D., profesor asociado de Radiología, que lidera la implementación de herramientas de IA en el departamento. «Anticipamos que agregará confianza a nuestro proceso de evaluación en la detección de demencia e informará al manejo de la afección».

De especial importancia para AInSights es el Penn Medicine BioBank. Más de 40.000 personas han almacenado la secuenciación completa del genoma en el biobanco, y decenas de miles tienen imágenes adjuntas, dijo Kahn.

«Eso realmente nos ayuda a descubrir lo que llamamos ‘fenotipos de imagen’, que podemos trabajar para conectar con información sobre la genética de una persona», dijo Kahn.

Todo esto tiene como objetivo crear un sistema que pueda ayudar rápida y fácilmente a los médicos a decidir «qué es normal y qué no» y luego decidir el curso de acción más eficaz.

«Queremos desarrollar cosas simples como un ‘nomograma’ para el volumen del bazo, que nos permitiría observar a nuestra población de pacientes y decir: ‘Este bazo es normal para una mujer de 33 años, pero para una de 70 años’. viejo paciente, eso no está bien'».

el futuro

Con el tiempo, la esperanza es que AInSights pueda usarse para todo el conjunto de imágenes realizadas en Penn Medicine, incluido el cáncer, la degeneración neuromuscular y las afecciones cardiovasculares.

Tal como está ahora, AInSights es extremadamente rentable de ejecutar: menos de un dólar por paciente y apenas alrededor de $700 por mes en este gran sistema de salud que atiende a un gran volumen de pacientes.

Eso lo hace atractivo incluso más allá de Penn Medicine.

«Hemos tenido conversaciones sobre cómo llevar esto a los países en desarrollo donde el apoyo de la IA sería increíblemente valioso», dijo Witschey.

Tener un sistema tan poderoso también permite mayores aplicaciones de salud pública. Kahn dijo que están planeando observar la distribución de «enfermedades renales no reconocidas por códigos postales» para mapear mejor los subdiagnosticados por los determinantes sociales de la salud. Es un paso más hacia la erradicación de lo que antes no se veía.

En un momento de «Blade Runner», Roy Batty se encuentra con el hombre que hizo sus ojos artificiales. El personaje de Batty está profundamente motivado por el alcance y la maravilla de lo que ha visto, superando con creces lo que la mayoría, si no todos, los ojos humanos naturales podrían ver.

Le dice al fabricante: «Si tan solo pudieras ver lo que yo he visto con tus ojos».

Con AInSights, el equipo de Penn Medicine ahora puede hacerlo.