Análisis avanzado de imágenes con inteligencia artificial en Houston

Comprender el examen

Acerca de las evaluaciones asistidas por inteligencia artificial

El análisis asistido por IA describe una gama de herramientas de software. La herramienta adecuada depende del examen y de la pregunta clínica. NeuroQuant es un ejemplo de análisis cuantitativo de resonancia magnética cerebral; se debe confirmar la disponibilidad de otras aplicaciones con el equipo.

La aplicación es más importante que la etiqueta de IA

La imagenología asistida por IA es una descripción general, no un examen único ni una capacidad diagnóstica universal. El software puede ayudar a identificar un patrón, cuantificar una estructura, mejorar una imagen o apoyar una decisión clínica específica. La FDA evalúa dispositivos médicos según su uso previsto y el camino regulador aplicable. Una afirmación de que un producto utiliza IA no establece que sea adecuado para cada enfermedad o cada tipo de imagen. Los pacientes pueden preguntar por la herramienta específica y la pregunta que está diseñada para abordar. Su papel debe explicarse por separado de la exploración en sí misma y de la interpretación final del médico.

¿Por qué la calidad de la imagen y el contexto del paciente aún importan?

Los sistemas de inteligencia artificial médica se desarrollan utilizando datos, y la calidad y representatividad de esos datos afectan cómo deben evaluarse las herramientas. El NIH describe la importancia de conjuntos de datos de imágenes médicas bien preparados y el desempeño en diferentes grupos de pacientes. Eso es un recordatorio útil de que el resultado de un software no es automáticamente igualmente informativo en cada situación. Antes de confiar en un análisis, el equipo médico debe considerar si las imágenes disponibles se ajustan a la aplicación y si el resultado se adapta a las circunstancias del paciente. Un mapa de colores atractivo o un número preciso no son suficientes; el análisis debe aportar información comprensible a la pregunta médica que se está considerando.

¿Qué debe incluir una explicación clara del resultado?

Los principios de transparencia de la FDA enfatizan la comunicación del uso previsto, desempeño y limitaciones de un dispositivo a las personas que lo utilizan o se ven afectadas por él. En un contexto de imágenes, una explicación amigable para el paciente debe identificar qué evaluó el software, qué significa su salida y cómo utilizó un médico esa información. También debe distinguir un hallazgo incierto de software de un diagnóstico confirmado. Pregunte quién revisa la salida, si algún problema de calidad la limita y si cambia una recomendación. Guarde el informe interpretado con el registro de imágenes, para que las decisiones posteriores de atención puedan referirse a la conclusión clínica en lugar de una imagen o número aislado de software.

La evaluación debe considerar al humano y al software juntos

Los principios de buena práctica de aprendizaje automático de la FDA enfatizan el desarrollo y evaluación adecuados al uso médico previsto. Esto incluye la atención a las personas que utilizan un dispositivo, datos representativos y el desempeño del equipo humano-inteligencia artificial. Para un paciente, significa que una afirmación sobre un algoritmo de software en sí mismo no es lo mismo que una explicación de cómo mejora una decisión real de atención médica. Pregunte cómo se revisa la salida y si la aplicación ha sido evaluada para la tarea propuesta. Una herramienta puede apoyar un flujo de trabajo sin ser adecuada para cada paciente o reemplazar el juicio médico. La pregunta significativa es qué información adicional y confiable aporta en las circunstancias de su examen.

Comprender cómo se integra el análisis al registro de imágenes

El software de imágenes puede operar dentro de sistemas conectados, por lo que el flujo de trabajo médico incluye cómo se transfieren, conservan y hacen disponibles las imágenes y los resultados a los médicos responsables. La FDA considera la ciberseguridad como parte de la seguridad y eficacia de los dispositivos médicos conectados. Los pacientes no necesitan evaluar el sistema técnico por sí mismos, pero pueden preguntar dónde se realiza el análisis, qué organización recibe las imágenes y cómo se devuelve el resultado interpretado a su equipo de atención. Estas preguntas prácticas ayudan a diferenciar un servicio de análisis médico de una carga informal en una aplicación no relacionada. También facilitan mantener un registro completo, incluida la exploración original y la explicación del médico sobre lo que aporta el resultado del software.

Un resultado que parece preciso aún necesita un significado claro

La IA puede identificar patrones en datos complejos, pero la presentación de un resultado no establece su relevancia para una persona. Una probabilidad, medición o región resaltada debe explicarse en términos de la tarea para la que se diseñó la herramienta. Pregunte qué representa el número y qué no mide. La explicación clínica debe dejar claro si el resultado proporciona información de apoyo, plantea una pregunta para revisión o cambia una recomendación de manejo acordada.

Preparación para el escaneo

Se requiere una orden médica antes de su estudio. Proporcione el nombre del análisis solicitado y los datos del médico que solicitó el estudio. Pregunte si las imágenes existentes son adecuadas, si se requiere un nuevo estudio y quién interpretará los resultados en contexto.

El examen solicitado

El equipo confirma la exploración y explica los pasos específicos del protocolo. Para imágenes o análisis especializados, pregunte qué se realizará, qué registros se necesitan y quién interpretará el resultado.

Resultados y informes de imágenes

El informe de su radiólogo se envía al médico que lo ordenó, quien explicará los hallazgos y los pasos siguientes. Póngase en contacto con nuestro equipo de registros para obtener copias de sus imágenes o informe.