1.

Además, la evolución constante y la aparición de nuevas modalidades de imagen con

dimensionalidades cada vez mayores plantean un desafío para que los expertos actualicen
constantemente sus habilidades. La IA puede allanar el camino para la integración perfecta de
información de múltiples modalidades en todo el espectro de imágenes, y permitir que los
especialistas brinden los beneficios de las tecnologías de imagen innovadoras a los pacientes.

El potencial de la tecnología de la IA médica es bien conocido. Cuando se les pregunta, la mayoría

de los médicos pueden recitar la lista de posibles beneficios, incluida la mejora de la velocidad, la
eficacia y la precisión de los tratamientos médicos y, al mismo tiempo, reducir los costos. Sin
embargo, curiosamente, los innovadores tecnológicos son más cautelosos. En lugar de perseguir la
verdadera inteligencia y el objetivo de reemplazar a los médicos (aunque algunos todavía se aferran
a esta visión), el enfoque de la IA se ha movido en gran medida de las habilidades cognitivas
superiores a la clasificación. Además, el desarrollo de vanguardia en IA está bastante fragmentado,
ya que cada algoritmo está diseñado para realizar una tarea específica en una subespecialidad
específica de la medicina, e incluso entonces, solo unos pocos pueden superar a los humanos.

La aparición de la IA en la medicina y los cambios positivos que fomenta pueden superar con creces
los posibles cambios negativos que amenaza con traer. Esta ola actual de tecnologías de IA se ha
definido en gran medida mediante plataformas de software abierto y crowdsourcing (consulte
"Ajuste del aprendizaje profundo mediante la participación colectiva"). Las tecnologías abiertas
permiten sistemas de diagnóstico remoto en comunidades empobrecidas, lo que representa solo
una pequeña fracción de los beneficios que la IA ofrece a la profesión médica. Como ocurre con
todos los cambios tecnológicos, la mecánica de la IA en sí misma simplemente abre un nuevo
conjunto de oportunidades; La forma en que se emplean estas tecnologías será decidida por
humanos, no por máquinas.
2.

En el contexto de la microscopía, la resolución de imagen mejorada permite ver diapositivas digitales

con más detalle o escanear imágenes de diapositivas completas con La segmentación ha sido un
problema de larga data en la comunidad de procesamiento de imágenes, con técnicas estándar que
incluyen operaciones morfológicas menos imágenes, reduciendo así el tiempo de escaneo. Si bien
las técnicas estándar, como la interpolación lineal y bicúbica, aumentan el número de píxeles en una
imagen, no necesariamente aumentan el detalle de la imagen. Estos nuevos métodos ahora se están
volviendo comunes en la comunidad de microscopía, lo que permite escaneos de mayor resolución
y un mayor rendimiento del escáner. En particular, las técnicas de super resolución han disminuido
la luz microscopía de ancho de línea mínimo de aproximadamente 300 nm a aproximadamente 10
nm en la última década. Al escanear una sección de una diapositiva, los dispositivos típicos de
imágenes de diapositivas completas toman fotografías en una cuadrícula regular y unen la imagen
final. Utilizando técnicas de super resolución, la cuadrícula puede ser hasta dos órdenes de
magnitud más escasa, lo que reduce el número requerido de fotografías y aumenta el rendimiento
del escaneo de diapositivas.

3.

En particular, los datos radiológicos con frecuencia no pueden salir físicamente de determinadas
ubicaciones geográficas. debido a restricciones legales. Esto hace que sea imposible para la mayoría
de los investigadores, especialmente los científicos informáticos, recopilar suficientes datos para el
entrenamiento de algoritmos de IA. Por lo tanto, muchos investigadores están entrenando modelos
separados para cada conjunto local de datos, lo que reduce el rendimiento del algoritmo y aumenta
los costos de desarrollo. La creación de un conjunto de datos global disponible para todos los
investigadores aumentaría drásticamente la velocidad del desarrollo de la IA médica.

4.

Con base en las aprobaciones recientes de la FDA, podemos inferir que las tecnologías de IA están
ampliando las fronteras en términos de cómo impactan la práctica clínica. Las primeras tecnologías
de IA que se comercializan actualmente ya muestran algunas tendencias importantes en las
estrategias de diseño. En primer lugar, se pueden diseñar tecnologías para que actúen junto con los
médicos y dependan de los seres humanos como modo alternativo en caso de error. La aplicación
ContaCT, por ejemplo, está diseñada para funcionar como una opción paralela en el flujo de trabajo
clínico habitual. Se basa en la acción de los médicos como red de seguridad para mitigar los riesgos
de falsos positivos y falsos negativos en la detección. En segundo lugar, la velocidad es a menudo
una propuesta de valor importante de las tecnologías de IA, como se ve en muchos ensayos clínicos
comparativos que se han completado. Por último, pero no menos importante, En los países en
desarrollo, los mismos sistemas pueden permitir que los cuidadores primarios y los centros de salud
rurales brinden servicios de valor agregado incluso en ausencia de un radiólogo y / o patólogo.

5.
Esta puede amenazar el empleo de millones de personas y alterar el ecosistema médico-legal, la
tecnología de la IA en su forma actual no está lista para el horario de máxima audiencia. Pasará
mucho tiempo antes de que muchos silos de aprendizaje automático maduren por completo y se
practiquen en radiología clínica.

Muchos algoritmos todavía tienen problemas con generalización. Esto es particularmente evidente
cuando se entrena un algoritmo con datos de un hospital y luego se aplica estos datos en otro lugar.
Si bien se ha trabajado un poco en esta área, todavía se necesitan conjuntos de datos más diversos
o algoritmos que generalicen mejor con datos limitados, el desarrollo de vanguardia en IA está
bastante fragmentado, ya que cada algoritmo está diseñado para realizar una tarea específica en
una subespecialidad específica de la medicina, e incluso entonces, solo unos pocos pueden superar
a los humanos. La aparición de la IA en la medicina y los cambios positivos que fomenta pueden
superar con creces los posibles cambios negativos que amenaza con traer. Esta ola actual de
tecnologías de IA se ha definido en gran medida mediante plataformas de software abierto y
crowdsourcing (consulte "Ajuste del aprendizaje profundo mediante la participación colectiva"). Las
tecnologías abiertas permiten sistemas de diagnóstico remoto en comunidades empobrecidas, lo
que representa solo una pequeña fracción de los beneficios que la IA ofrece a la profesión médica.
Como ocurre con todos los cambios tecnológicos, la mecánica de la IA en sí misma simplemente
abre un nuevo conjunto de oportunidades; La forma en que se emplean estas tecnologías será
decidida por humanos, no por máquinas.