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 realizadoe 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.

UNA TECNOLOGÍA COMPLEMENTARIA, PERO NO SUSTITUTA

Finalmente, 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.