Machine Translated by Google

Radiología Europea (2021) 31:6021–6029 https://

doi.org/10.1007/s00330-020-07621-y

INFORMÁTICA DE IMÁGENES E INTELIGENCIA ARTIFICIAL

Oportunidades de formación de la inteligencia artificial (IA)

en radiología: una revisión sistemática

3,4
Piso Schuur1 y Mohammad H. Rezazade Mehrizi2 y Erik Ranschaert

Recibido: 28 agosto 2020 / Revisado: 11 noviembre 2020 / Aceptado: 10 diciembre 2020 / Publicado en línea: 15 de febrero de 2021
# El(los) Autor(es) 2021

Resumen

Objetivos El objetivo es ofrecer una visión general de los programas de formación existentes y examinarlos críticamente y sugerir vías para un mayor desarrollo
de los programas de formación en IA para radiólogos.
Métodos Análisis temático deductivo de 100 programas de formación ofertados en 2019 y 2020 (hasta el 30 de junio). Analizamos los datos públicos sobre los
programas de formación en función de sus “contenidos”, “público objetivo”, “instructores y agentes oferentes” y “estrategias de legitimación”.

Resultados Hay muchos programas de capacitación en IA que se ofrecen a los radiólogos, pero la mayoría de ellos (80 %) son sesiones cortas e independientes
que no forman parte de una trayectoria de aprendizaje a más largo plazo. Los programas de formación se centran principalmente (alrededor del 85 %) en los
conceptos básicos de la IA y se ofrecen en modo pasivo. Las instituciones profesionales y las empresas comerciales ofrecen activamente los programas (91
%), aunque las instituciones académicas tienen una participación limitada.
Conclusiones Existe la necesidad de seguir desarrollando programas de formación sistemáticos que se integren pedagógicamente en el plan de estudios de
radiología. Los futuros programas de capacitación deben centrarse más en aprender a trabajar con IA en el trabajo y especializarse y personalizarse aún más
para los contextos del trabajo de radiología.
Puntos clave
• La mayoría de los programas de capacitación en IA son sesiones cortas e independientes que se enfocan en los conceptos
básicos de la IA. • El contenido de los programas de capacitación se enfoca en temas médicos y técnicos; los temas gerenciales, legales y éticos son marginalmente
dirigido.
• Las instituciones profesionales y las empresas comerciales están activas en la oferta de capacitación en IA; institutos académicos son limitadamente
involucrado.

Palabras clave Inteligencia artificial. IA radiólogos Capacitación . Plan de estudios

abreviaturas AI Inteligencia artificial

Consejo de Acreditación ACCME para Continuar CME Educación Médica Continua
Educación médica Connecticut
Tomografía computarizada
EACME La Acreditación Europea
Consejo para la Educación Médica Continua
* Mohammad H. Rezazade Mehrizi EDiR Diploma Europeo en Radiología
m.rezazademehrizi@vu.nl
VSG Sociedad Europea de Radiología
ESR-ETC ESR Plan de estudios europeo de formación
1
Universidad VU de Ámsterdam, Ámsterdam, Países Bajos EUSOMII La Sociedad Europea de Medicina
2
Escuela de Negocios y Economía, KIN Center for Digital Informática de imágenes
Innovación, VU Universidad de Ámsterdam, De Boelelaan 1105, VU resonancia magnética
Imagen de resonancia magnética
Edificio principal, ala A, 5.º piso, 1081 NADA Curso Nacional de Informática de Imágenes
HV Ámsterdam, Países Bajos
PACS Sistema de archivo y comunicación de imágenes
3
Departamento de Radiología, Hospital Elisabeth-Tweesteden (ETZ), I+D Investigación y desarrollo
Tilburgo, Países Bajos
RSNA Sociedad Radiológica de América del Norte
4
Universidad de Gante, Gante, Bélgica SIMI Sociedad de Informática de Imágenes en Medicina
Machine Translated by Google
6022
Introducción
“La IA no va a reemplazar a los radiólogos, pero los radiólogos que usan IA
1
reemplazarán a los radiólogos que no la usan”.
La introducción de la inteligencia artificial (IA) a la radiología ha creado
un sentido de urgencia entre los radiólogos para aprender sobre esta nueva
tecnología y sus aplicaciones. Algunas encuestas muestran que los jóvenes
profesionales médicos han reconocido la gran transformación que puede
ocurrir en la radiología [1] y han estado en busca de oportunidades de
capacitación para prepararlos para el futuro [2]. Encuestas recientes muestran
que la mayoría de los radiólogos piensan que deberían participar activamente
en programas de formación sobre IA lo antes posible [3] y quieren aprender
a integrar la IA en su trabajo [4]. Una encuesta internacional reciente entre
1041 radiólogos muestra que la mayoría de los radiólogos consideran la falta
de conocimiento como un obstáculo importante para el uso efectivo de la IA
en el trabajo, por lo que exigen que se incluya capacitación relacionada con
la IA en el plan de estudios de residencia.2
Los académicos han enfatizado la necesidad de programas de
capacitación que presenten la IA y sus aplicaciones a los radiólogos en un
lenguaje profesionalmente efectivo [5], para ayudarlos a comprender cómo
funciona la IA con los datos médicos y los traduce en conocimientos médicos
[3]. Además, los rápidos cambios tecnológicos exigen el desarrollo de nuevos
programas de formación y una rápida actualización de sus contenidos.
Además de los conceptos básicos de datos médicos e informática, el plan de
estudios de radiología debe incluir capacitación avanzada en ciencias de la
computación y aprendizaje automático [5].
Aunque la formación en IA no está sistemáticamente integrada en su plan
de estudios [4, 5], recientemente ha habido varias iniciativas para formar a
los radiólogos en temas relacionados con la IA.
La Sociedad Europea de Radiología ofrece un plan de estudios en línea de
formación en radiología (ESR-ETC),3 que incluye el aprendizaje de “el
funcionamiento y la aplicación de herramientas de inteligencia artificial” como
parte del “conocimiento más amplio sobre diferentes aspectos de la informática
y la información”. tecnología en el campo de la imagenología médica” con el
fin de adquirir conocimientos sobre “diferentes opciones técnicas para
implementar aplicaciones de inteligencia artificial y aprendizaje profundo en
el flujo de trabajo de radiología”. La Sociedad Europea de Informática de
Imágenes Médicas (EuSoMII) ha apoyado la promoción y adopción de este
plan de estudios para la integración de los aspectos técnicos y éticos del
aprendizaje profundo en el plan de estudios de radiología. EuSoMII ha
sugerido diferentes niveles de conocimientos y habilidades, que ahora forman
parte de ESR ETC, con créditos oficiales para obtener. Sin embargo, el ESR
ETC es principalmente una guía y los programas de capacitación reales
1
Curtis Langlotz, publicado en Twitter el 8 de febrero de 2017
2
El estudio aún no se ha publicado: Huisman M, Ranschaert E, Parker W, et al Una
encuesta internacional sobre IA en radiología en 1041 radiólogos y residentes de radiología,
parte 2: expectativas, obstáculos para la implementación y educación
3 4
https://www.myesr.org/education/training-curricula
Eur Radiol (2021) 31:6021–6029
que necesitan materializar esta guía aún no están incorporados
sistemáticamente en el plan de estudios de radiología en todos los miembros
estados
Otra iniciativa notable es el Curso Nacional de Informática de Imágenes
(NIIC),4 coorganizado por la Sociedad de Informática de Imágenes en
Medicina (SIIM) y la Sociedad Radiológica de América del Norte (RSNA), que
incluye el uso de algoritmos en imágenes médicas y los fundamentos de
aprendizaje profundo. Este programa se ofrece a los residentes de radiología,
pero también está abierto a los gerentes de PACS y otros profesionales en el
dominio de imágenes médicas. Además, el American College of Radiology
se ha mostrado activo recientemente al ofrecer programas de capacitación
sobre los fundamentos de la IA y su potencial en la práctica de la radiología.
Además, hay muchos programas de formación ofrecidos por una amplia
gama de instituciones. Estos programas suelen ser ocasionales, breves y no
están integrados en la trayectoria de aprendizaje de los radiólogos. El hecho
de que la capacitación de radiólogos en IA sea bastante emergente, todavía
existe una brecha importante entre las ofertas de los programas de
capacitación y lo que los radiólogos necesitan aprender [4]. Los radiólogos y
los asesores de capacitación se enfrentan a muchos materiales de
capacitación dispersos y ocasionales, cada uno con enfoques diferentes.
Necesitan buscar capacitación relevante fuera de su plan de estudios oficial
[3] y ensamblar sus propios elementos de aprendizaje, a menudo de manera
no sistemática. Esto corre el riesgo de perderse en programas heterogéneos
y fragmentados y perder un marco pedagógico y una trayectoria de
aprendizaje eficaz para ofrecer el conocimiento y las habilidades que se
adaptan a varios grupos de radiólogos. Tanto es así que algunos críticos han
cuestionado la tendencia común que insta a todos los radiólogos a aprender
ciencia de datos, sin considerar críticamente sus necesidades profesionales.
Comparando la IA con la RM, sugieren que “la nueva generación de
radiólogos no necesariamente debería convertirse en expertos en informática,
pero debería tener un conocimiento básico de la técnica subyacente” [6].
En esta situación, necesitamos una revisión crítica y sistemática de los
programas de capacitación en IA que se ofrecen a los radiólogos. Necesitamos
analizar sistemáticamente su contenido, mapear los diversos temas que se
cubren e identificar los que faltan. También debemos examinar cómo estos
programas se dirigen a diferentes grupos de radiólogos para ver hasta qué
punto están especializados para sus necesidades y sus contextos específicos.
Además, es importante tener una visión general de los agentes activos e
instructores que ofrecen los programas de capacitación para examinar cómo
se involucran varias instituciones institucionales y profesionales (por ejemplo,
médicas, tecnológicas y sociales). Finalmente, debemos examinar las formas
en que se promueve y legitima la capacitación en IA como una parte
importante del desarrollo profesional de los radiólogos, especialmente cuando
la IA aún no es una parte oficial de su capacitación.
https://siim.org/page/niic
Machine Translated by Google
Eur Radiol (2021) 31:6021–6029
Realizamos una revisión sistemática de 100 programas de
capacitación en IA que se ofrecen para radiólogos en 2019 y 2020. A
través del análisis de contenido de estos programas, ofrecemos una
descripción general sistemática al examinar (1) los temas que cubren y
qué tan activamente involucran a los radiólogos en aprender sobre la
aplicación de la IA en su trabajo, (2) qué tan especializados son estos
programas para varios grupos de radiólogos, (3) quiénes son las
instituciones activas en ofrecerlos, y (4) cuáles son las formas en que
se legitiman los programas como una importante inversión de
aprendizaje para los radiólogos. Este análisis ofrece a los radiólogos
una visión general sistemática de las oportunidades de formación que
están disponibles y les permite seleccionar críticamente las pertinentes
que se adaptan a sus propias necesidades. Además, ayuda a los
gestores y autoridades educativas a ver los programas de formación
disponibles que pueden adoptar y reflexionar sobre los programas de
formación continua que pueden contribuir a su desarrollo.
Métodos
Realizamos un análisis de contenido cualitativo de los programas de
formación en IA que se ofrecen a los radiólogos [7]. La investigación
siguió un proceso de búsqueda y selección, codificación y análisis.
Búsqueda y selección
En este estudio, usamos "programa de capacitación" como un término
general para múltiples formatos en los que se organiza una capacitación.
Incluye cursos presenciales y en línea, tanto seminarios educativos y
seminarios web, como talleres o conferencias. Para ser incluido, un
programa debe (1) ser sobre inteligencia artificial u otros temas
relacionados, como aprendizaje profundo, aprendizaje automático y
algoritmos de aprendizaje; (2) apuntar a los radiólogos como audiencia;
(3) tener objetivos de aprendizaje específicos; (4) especificar el tiempo
y las formas de entrega; y (5) tener instructores específicos. Por lo tanto,
excluimos las presentaciones, charlas, videos y otros materiales que no
tenían uno de estos criterios.
Se buscó información en línea sobre los programas de capacitación,
básicamente a través de las plataformas Google, LinkedIn y PubMed,
utilizando una serie de palabras clave (ver Tabla 1). También buscamos
en el sitio web de varias asociaciones y organizaciones radiológicas
(ver Tabla A6 en el Apéndice 1). Verificamos nuestra lista inicial de
programas de capacitación con cuatro expertos, que ofrecen activamente
capacitación en inteligencia artificial en radiología, lo que nos ayudó a
enriquecer la lista y encontrar nuevos programas. Inicialmente
encontramos 130 programas potencialmente relevantes. Se excluyeron
los programas sobre los cuales se disponía de información limitada.
Eventualmente, recolectamos una muestra de 100 programas de
capacitación, ofrecidos en 2019 y
6023
2020 (hasta finales de junio), que parecía cubrir una amplia gama de
programas en términos de contenido y agentes de oferta.
Recopilación y codificación de datos
Recopilamos datos cualitativos sobre cada programa de capacitación
examinando sus aspectos generales (p. ej., fecha, duración y precio),
contenido, temas tratados, público objetivo, instructores, agentes
oferentes y formas de legitimación (ver Tabla 2). Los datos cualitativos
de cada una de estas dimensiones se archivaron en un archivo de Excel
(ver Apéndice 2) para su posterior análisis.
Usamos análisis temático deductivo [8] para analizar los datos,
basados en el libro de códigos (Tabla 2). Un codificador codificó todos
los datos y un segundo codificador cotejó los resultados y resolvió las
ambigüedades. Los resultados se organizaron en una base de datos
(Apéndice 2), en la que exploramos patrones basados en tabulaciones
cruzadas y comparaciones entre los programas de entrenamiento [9].
Interactuamos con tres expertos en el dominio de la IA y la radiología
para validar la relevancia y la riqueza de los patrones extraídos.
Recomendaciones
Descripción general de los entrenamientos de IA
El número de capacitaciones en IA para radiólogos ha aumentado en
los últimos 1,5 años (Fig. 1). La mayoría de los programas de
capacitación se ofrecen exclusivamente en línea (70 %) y solo una
pequeña fracción de ellos se ofrece fuera de línea (13 %). La mitad de
estos programas se ofrecen de forma gratuita; por lo demás, el precio
medio por programa es inferior a 100 euros. Alrededor del 60 % de los
programas duran menos de 1 h y solo el 20 % dura más de 3 h. En
general, la mayoría de los programas son sesiones cortas e
independientes que no forman parte de ningún plan de estudios más
amplio (véanse las Tablas A1 y A2 en el Apéndice 1).
El contenido de los programas de formación.
El análisis de su contenido (Fig. 2) muestra que la mayoría de los
programas de capacitación se enfocan en la oferta pasiva del contenido
sobre los aspectos conceptuales de la IA, como los conceptos básicos
del aprendizaje automático y sus potencialidades para la práctica médica
en general (no necesariamente). relacionados con la radiología).
Alrededor de la mitad de los programas van más allá y analizan algunas
aplicaciones potenciales de la IA en radiología, por ejemplo, mostrando
cómo se puede aplicar la inteligencia artificial a las imágenes de
diagnóstico y cómo se puede aplicar la IA a una modalidad particular
(CT, MRI) o dando ejemplos. de aplicaciones de IA en radiología clínica.
Sin embargo, solo una pequeña fracción de los programas involucra a
los alumnos en prácticas.
Machine Translated by Google

6024 Eur Radiol (2021) 31:6021–6029

Tabla 1 Resumen de las plataformas de

Fuente Notas explicatorias Nº de programas
búsqueda y palabras clave
de formación

LinkedIn Esta plataforma me proporcionó muchos expertos en el campo de la radiología y la IA que 52

publicaban regularmente iniciativas para programas de capacitación.

Google Se exploraron las primeras cinco páginas de resultados de Google para buscar programas 38

de capacitación utilizando los términos de búsqueda descritos en el párrafo debajo de

esta tabla.

PubMed PubMed es un archivo de acceso público que contiene temas biomédicos y relacionados con 10

la ciencia. Se exploraron las primeras cinco páginas de resultados de PubMed para

buscar programas de capacitación utilizando los términos de búsqueda descritos en
el párrafo debajo de esta tabla.

Términos de búsqueda utilizados en estas fuentes: programa de formación profesional, programas de formación dedicados, programas
educativos, educación continua, educación complementaria, educación médica de posgrado, formación práctica, materiales de estudio, seguido
de para radiólogos, en el dominio de la radiología, en imágenes médicas, en imágenes de diagnóstico, para la nueva generación de radiólogos,
y terminó con inteligencia artificial IA, aprendizaje automático ML o aprendizaje profundo DL

prácticas de trabajo con algunas herramientas. Allí, el enfoque está en
practicar los conceptos básicos de la escritura de código (p. ej.,
programar en Python) o entrenar un algoritmo basado en algunos datos
de imagen. Pocos programas se enfocan en aprender cómo realizar el
trabajo médico real con aplicaciones reales de IA (consulte la Tabla A3
en el Apéndice 1).
Agrupamos los temas que cubren estos programas en (1) médico
(cómo la IA puede respaldar el diagnóstico médico), (2) técnico (cómo
se puede desarrollar, probar y configurar la IA), (3) legal/ético (cuáles
son los consideraciones legales y éticas de implementar y usar la IA), y
(4) aspectos administrativos (p. ej., integración de la IA en el flujo de
trabajo radiológico, cómo implementar mejor la IA y los desafíos
inherentes) (consulte la Tabla A4 y la Fig. A1 en Apéndice 1). En
general, el enfoque de muchos programas es una combinación de
temas médicos y técnicos, a veces combinados con discusiones
periféricas sobre los aspectos legales/éticos y/o administrativos de la
implementación de la IA. Aunque los temas de gestión se tratan en
aproximadamente la mitad de los programas, a menudo son debates
secundarios.
Público objetivo
los casos médicos y la integración de la IA en el flujo de trabajo diario.
Instructores y agentes de oferta
Los instructores tienen antecedentes muy diversos, como "profesores
de radiología", "fundadores de empresas de IA" e "investigadores" de
los departamentos de I+D. La mitad de los programas son ofrecidos
conjuntamente por los instructores con antecedentes médicos y técnicos
(Fig. 4). Solo un tercio de los programas son ofrecidos por radiólogos y
muy pocos instructores provienen de los dominios social y gerencial
(consulte la Tabla A5 en el Apéndice 1 para obtener una descripción
general de los antecedentes de los instructores). A veces, personas con
antecedentes médicos ofrecen contenido técnico (p. ej., conceptos
básicos de aprendizaje automático).
Los agentes proveedores (Fig. 5 y Tabla A6 en el Apéndice 1) son
principalmente instituciones profesionales como asociaciones y
sociedades de radiología (59%). Las empresas comerciales, como los
desarrolladores de IA y los agentes de formación comercial, también
ofrecen activamente IA. Los institutos académicos están marginalmente
involucrados (solo el 8%).

Aunque seleccionamos los programas de formación que se ofrecen a Estrategias de legitimación

los radiólogos, la mayoría de ellos (76 %) se dirigen a otros profesionales
médicos (p. ej., otra especialización, médicos generales, investigadores
médicos) e incluso a profesionales no médicos (p. ej., científicos de
datos, especialistas en TI, gerentes) también (Fig. 3). De hecho, la
mayoría de los programas son bastante genéricos (p. ej., sobre los
conceptos básicos de la IA), por lo que se promocionan como relevantes
para una audiencia más amplia que la de los radiólogos. Solo en el 7%
de los programas se incluye explícitamente a los radiógrafos como
audiencia. Cuando los programas de formación se centran únicamente
en los radiólogos, su contenido se conecta más con
Dado que la IA aún no forma parte oficialmente del plan de estudios de
radiología, los agentes proveedores deben utilizar varias estrategias
para legitimar sus programas como relevantes y valiosos para los
radiólogos (consulte la Tabla A7 en el Apéndice 1). Nuestro análisis
muestra que la mayoría de los programas de capacitación utilizan
múltiples estrategias para legitimar sus programas, incluyendo (1)
mostrar la importancia del contenido (90 %), (2) apelar al estado de los
agentes e instructores proveedores (99 %) , (3) ofreciendo acreditaciones
y certificados para
Machine Translated by Google
Eur Radiol (2021) 31:6021–6029
Tabla 2 El esquema de codificación
Dimensión Descripción
Fecha El año en que se llevó a cabo el
programa de capacitación y la fecha
de inicio del programa de
capacitación
Modo de entrega Cómo se ofrece el programa de
formación a los alumnos
Duración El número de minutos, horas o días
que dura un programa de
entrenamiento
Precio La cantidad de dinero un
costos del programa de capacitación
para la participación
Tipo de contenido El tipo de contenido que es
proporcionados dentro del programa
de formación, más particularmente:
contenido activo o pasivo
Tema Los temas en los que se centran
los programas.
Audiencia Las personas a las que va
dirigida la formación
instructores Los ponentes que imparten el
contenido de los programas
Agente de oferta La institución que ofrece el programa
de formación.
Legitimación Cómo los programas legitiman sus
programas de formación
participantes (73%), 5 y (4) mostrando la retroalimentación positiva
y los reconocimientos de los participantes anteriores (47%). La
mitad de los reconocimientos formales que estos
5
La acreditación formal es una motivación importante para los radiólogos que
necesitan acumular una serie de créditos/puntos para poder renovar su elegibilidad
profesional.
6025
Contribución a los hallazgos empíricos Subcategorías
Proporcionar información sobre la fecha Distinguiendo entre periodos: - 2019—1er
para incluir en el resumen general de semestre - 2019—2do semestre - 2020—
los programas de capacitación. 1er semestre
La disponibilidad de la formación en - Desconectado
diferentes lugares y horarios. - En línea
- Híbrido
Para proporcionar información sobre el - Menos de 1 h - 1–3 h
duración a incluir en la descripción general - 3–6 h - 1 día - 2 días
de los programas de formación
- Más de 2 días
Proporcionar información sobre el precio a - Gratis
incluir en el resumen general de los - 0–100 EUR
programas de formación. - 51–100 euros
- 101–200 euros
- 201+ EUR
- No especificado
Distinguir entre los diferentes tipos de - Contenido teórico-pasivo
información que se proporciona en los - Contenido de aplicación pasiva
programas; contenido teórico, de aplicación - Entrenamiento práctico activo
o práctico
Clasificar el contenido de los Relacionado con
programas en función de los temas que - Médico
abordan y dar indicaciones sobre la - Técnico
popularidad de cada tema - Ético/legal
- Gerencial
Identificar las personas a las que está - Solo radiólogos
destinado el programa y qué temas eran - Radiólogos y otros profesionales médicos
comunes para esta audiencia. - Radiólogos y profesionales no médicos
- Radiólogos y profesionales médicos y no médicos
Para saber qué enseñan los instructores en los Antecedentes de diferentes instructores:
programas, vea el enlace con los temas - Médico
discutidos y vea si los instructores pueden - Técnico
vincularse a una indicación de legitimidad. - Otro
Examinar cómo las diferentes - Instituciones profesionales
instituciones profesionales, académicas y - Instituciones académicas
comerciales son activas en la oferta de - Empresas comerciales
capacitación. - Otro
programas
Distinguir entre las diferentes formas de lograr Legitimación basada en:
la legitimidad de su programa de formación - Contenido
- Agente de oferta
- Acreditación
- Reconocimiento
Los programas que ofrecen son acreditaciones médicamente
reconocidas como CME, aprobadas por EACME o AACME. Como
muestra la figura 6 , las instituciones profesionales están utilizando
en gran medida las primeras tres estrategias, mientras que las
instituciones académicas y comerciales se enfocan principalmente
en legitimar sus programas en función del contenido y el estatus de
los agentes proveedores.
Machine Translated by Google

6026 Eur Radiol (2021) 31:6021–6029

Fig. 1 Resumen de los programas de formación

Discusiones De formaciones dispersas y fragmentadas a un currículo

sistemático
A medida que la IA se vuelve cada vez más importante, los radiólogos deben
participar activamente en aprender sobre ella y adquirir las habilidades que les Nuestro análisis muestra que la mayoría de los programas de capacitación en
permitan usar la IA de manera efectiva. IA que se ofrecen a los radiólogos son principalmente breves, independientes y

Fig. 2 Prevalencia de los distintos

tipos de contenidos en los programas
formativos
Machine Translated by Google

Eur Radiol (2021) 31:6021–6029 6027

Fig. 3 Público objetivo de los

programas de formación

fragmentados.6 Aunque son útiles para crear conciencia y familiarizar a los
radiólogos con los conceptos básicos, todavía necesitan ser complementados
con programas que sean coherentes y pedagógicamente integrados en el
currículo general de radiología. Dado que estamos en la etapa de
reformulación de la profesión de radiología, necesitamos desarrollar
programas de capacitación que se basen en la investigación científica y
ofrezcan una trayectoria de aprendizaje efectiva para los radiólogos que
desean invertir en el desarrollo a largo plazo de su carrera. Algunas
iniciativas como la ESR-ETC pueden servir como marcos orientadores para
diseñar los programas que se complementan entre sí. Esto requiere una
participación más activa de los institutos académicos en el diseño y la oferta
de programas de formación basados en la investigación científica y alineados
con los principios pedagógicos.7 Cuando estas oportunidades de formación
se ofrecen de forma sistemática como parte de los planes de estudio
nacionales de radiología, podrían incorporarse en exámenes profesionales
como el Diploma Europeo en Radiología (EDiR). Aquí, algunas instituciones
regionales e internacionales como ESR pueden desempeñar un papel
importante al ofrecer cursos relevantes necesarios para el examen EDiR.
los programas deben centrarse más en casos de uso reales y (cerca de)
entornos y aplicaciones de trabajo reales. Aprender sobre los conceptos
básicos del aprendizaje automático, aunque podría ofrecer algunos
conocimientos básicos, no es suficiente para los radiólogos que "trabajarán
con" en lugar de "desarrollar" las aplicaciones de IA.
Aprender a usar de manera crítica e integrar de manera efectiva las
aplicaciones de IA en las rutinas de trabajo requiere desarrollar nuevas
habilidades mentales y prácticas. El desarrollo de estas habilidades requiere
la participación no solo de instructores médicos y técnicos, sino también de
expertos en los dominios organizativo, legal, ético y psicológico. Sobre todo,
los radiólogos más jóvenes necesitan contar con el apoyo de programas
que les permitan diseñar y desarrollar estratégicamente su carrera
profesional para el futuro.
De la formación genérica a la especializada y personalizada
Finalmente, nuestro estudio muestra que la mayor parte de la formación
actual es genérica en cuanto a su contenido y público objetivo. Aunque
estos programas genéricos son efectivos para crear cierta familiaridad
básica, se limitan a desarrollar conocimientos y habilidades que son
específicos del contexto del trabajo de radiología. Más lejos

Desde la concienciación hasta el aprendizaje de cómo trabajar

con aplicaciones de IA en entornos clínicos

Nuestros hallazgos muestran que la mayoría de los programas se enfocan

en la entrega pasiva de contenido sobre los conceptos básicos de la IA y
sus posibles impactos en el trabajo de radiología. A medida que la IA
encuentra gradualmente su camino en la práctica diaria de los radiólogos,
debemos involucrar a los alumnos en ejercicios prácticos con aplicaciones
reales de IA y aprender a usarlas de manera efectiva y crítica en su trabajo. Capacitación

6
Ver el programa NIIC-RAD como una excepción.
7
Consulte la capacitación en línea sobre "Fundamentos del aprendizaje automático para el cuidado de
la salud", de la Universidad de Stanford, como un ejemplo de programas de capacitación desarrollados
con respecto a las necesidades de los radiólogos. Fig. 4 Antecedentes de los instructores
Machine Translated by Google

6028 Eur Radiol (2021) 31:6021–6029

Tabla 3 Sugerencias para desarrollar y seleccionar programas de capacitación en IA apropiados

para radiólogos

• Integrar los conceptos básicos del aprendizaje automático y sus aplicaciones en el plan
de estudios de radiología. • Cubrir un camino pedagógico a través del cual los alumnos
acumulan sus conocimientos.
conocimiento
• Combinar elementos pasivos (ofrecer contenido) y activos (prácticos) • Prestar una atención
equilibrada a los conceptos básicos del aprendizaje automático y clínico
aplicación en radiología
• Prestar atención a la implementación práctica en entornos clínicos, incluida la integración
de la IA con los sistemas y la infraestructura existentes

• Cubrir los aspectos administrativos, contractuales y financieros (p. ej., cómo definir casos
comerciales factibles, cómo estimar el ROI y decidir sobre el modelo de reembolso, y cómo
definir propuestas de valor) • Considerar los aspectos éticos, legales y organizacionales de
trabajar con IA (p. ej., consideraciones de privacidad y seguridad en el manejo de datos médicos)

Fig. 5 Agentes proveedores

• Ser respaldado por institutos académicos y comunidades científicas • Ser personalizado
(p. ej., para subespecializaciones) y localizado en las condiciones de trabajo y entornos legales
los programas pueden estar más especializados en los casos de uso específicos • Integrar los componentes prácticos y de apoyo para profundizar el
específicos que enfrentan los radiólogos al usar IA y considerar las
necesidades especiales de los radiólogos (p. ej., cuando los residentes aprendizaje (por ejemplo, orientación profesional, tutoría, …)

necesitan verificar sus exámenes con un radiólogo experimentado).

Además, necesitamos desarrollar programas de capacitación
Los radiólogos suelen utilizarlos para aprender sobre la IA [11]. Además,
personalizados y localizados para las prácticas clínicas específicas y los
dado que todavía están surgiendo muchos programas de capacitación,
entornos organizacionales. Especialmente en Europa, las condiciones
los estudios futuros deben examinar continuamente las nuevas
de trabajo, los marcos legales y las configuraciones de flujo de trabajo
tendencias y actualizar nuestros hallazgos. Además de los radiólogos,
varían de un país a otro. Todas estas diferencias requieren programas
otros grupos profesionales, como los radiógrafos, los físicos clínicos y
de capacitación personalizados que vayan más allá de las ideas
los médicos técnicos, están aprendiendo a utilizar la IA para respaldar
genéricas y consideren los entornos organizacionales específicos (p.
diversas tareas en la adquisición de imágenes y su preprocesamiento.
ej., la infraestructura tecnológica), los marcos legales (p. ej., las normas
Saber cómo aprenden a trabajar con IA y qué habilidades pueden
de privacidad) y los aspectos culturales (p. ej., las expectativas de los
desarrollar es importante para comprender cómo la IA puede usarse de
pacientes y los médicos remitentes de y confianzas en las aplicaciones
manera efectiva en radiología.
de IA). La Tabla 3 ofrece una lista de sugerencias para desarrollar la capacitación en IA.

Información complementaria La versión en línea contiene material

Limitaciones e investigación futura complementario disponible en https://doi.org/10.1007/s00330-020-07621-y.

Aunque examinamos una muestra diversa de programas de formación, Financiación Los autores declaran que este trabajo no ha recibido financiación alguna.

nuestro enfoque en LinkedIn (en lugar de Twitter) puede haber sesgado

nuestra muestra hacia Europa [10]. Los estudios futuros también pueden Cumplimiento de normas éticas
examinar otras ofertas, como podcasts y clips de conocimiento, que,
Garante El garante científico de esta publicación es la Prof. Marleen Huysman (mhhuysman@vu.nl).
aunque no se enmarcan oficialmente como capacitación.

Conflicto de intereses Los autores de este manuscrito declaran no tener relación con ninguna
empresa cuyos productos o servicios puedan estar relacionados con el tema del artículo.

Estadística y biometría No se necesitaron métodos estadísticos complejos para este trabajo.

Aprobación ética No se requirió la aprobación de la Junta de Revisión Institucional porque se

basa en la revisión de las aplicaciones disponibles en el mercado.

Metodología •
estudio multicéntrico (como una revisión de los programas de formación en todo el mundo)

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0,
que permite usar, compartir,
Fig. 6 Estrategias de legitimación utilizadas por diferentes agentes proveedores
Machine Translated by Google
Eur Radiol (2021) 31:6021–6029
adaptación, distribución y reproducción en cualquier medio o formato,
siempre que dé el crédito apropiado al autor o autores originales y la fuente,
proporcione un enlace a la licencia Creative Commons e indique si se
realizaron cambios. Las imágenes u otro material de terceros en este
artículo están incluidos en la licencia Creative Commons del artículo, a
menos que se indique lo contrario en una línea de crédito al material. Si el
material no está incluido en la licencia Creative Commons del artículo y su
uso previsto no está permitido por la regulación legal o excede el uso
permitido, deberá obtener el permiso directamente del titular de los derechos materiales de archivo, documentos personales y producciones verbales cotidianas.
de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.
Referencias
1. Gong B, Nugent JP, Guest W et al (2019) Influencia de la inteligencia artificial en
la preferencia de los estudiantes de medicina canadienses por la especialidad
de radiología: un estudio de encuesta nacional. Acad Radiol 26:566–577. https://
doi.org/10.1016/j.acra.2018.10.007 _
2. Pinto dos Santos D, Giese D, Brodehl S et al (2019) Actitud de los estudiantes de
medicina hacia la inteligencia artificial: una encuesta multicéntrica.
Eur Radiol 29: 1640–1646. https://doi.org/10.1007/s00330-018-5601-1 _
3. Sociedad Europea de Radiología (ESR) (2019) Lo que el radiólogo debe saber
sobre la inteligencia artificial: un libro blanco de ESR.
Imágenes de Insights 10:44. https://doi.org/10.1186/s13244-019-0738- 2
4. Collado-Mesa F, Alvarez E, Arheart K (2018) El papel de la inteligencia artificial en
radiología diagnóstica: una encuesta en una sola radiología
6029
programa de formación en residencia. J Am Coll Radiol 15: 1753–1757. https://
doi.org/10.1016/j.jacr.2017.12.021 5. Nguyen GK, Shetty AS (2018) Inteligencia
artificial y aprendizaje automático: oportunidades para radiólogos en formación. J Am
Coll Radiol 15: 1320–1321. https://doi.org/10.1016/j.jacr.2018.05.024
6. Kotter E, Ranschaert E (2020) Desafíos y soluciones para introducir la inteligencia
artificial (IA) en el flujo de trabajo clínico diario. Eur Radiol. https://doi.org/
10.1007/s00330-020-07148-2 7. Winter DG (1992) Análisis de contenido de
En: Smith CP, Atkinson JW, McClelland DC, Veroff J (eds) Motivación y
personalidad: manual de análisis de contenido temático. Universidad de
Cambridge, Nueva York
8. Boyatzis RE (1998) Transformando información cualitativa: análisis temático y
desarrollo de código. Publicaciones Sage, Thousand Oaks,
ESE
9. Miles MB, Huberman AM, Saldana J (2013) Análisis de datos cualitativos
sís. Sabio
10. Ranschaert ER, Van Ooijen PMA, McGinty GB, Parizel PM (2016)
Uso de las redes sociales por parte de los radiólogos: resultados de la encuesta
RANSOM. Imágenes de dígitos J 29: 443–449. https://doi.org/10.1007/s10278-
016-9865-1
11. Clarke CGD, Nnajiuba U, Howie J, Khan M, Pinto Dos Santos D, Ranschaert E
(2020) Dando voz a los radiólogos: una revisión de los podcasts en radiología.
Imágenes de Insights 11:33. https://doi.org/10. 1186/s13244-020-0842-3
Nota del editor Springer Nature se mantiene neutral con respecto a los reclamos
jurisdiccionales en mapas publicados y afiliaciones institucionales.